神经网络专家系统的人机界面设计及其在材料设计中的应用
| 第一章 文献综述 | 第1-23页 |
| §1.1 材料设计的现状与发展 | 第10-12页 |
| ·材料设计的概念 | 第10页 |
| ·材料设计的发展概况 | 第10页 |
| ·材料设计的主要途径 | 第10-11页 |
| ·材料设计的国外研究动态与展望 | 第11-12页 |
| ·我国材料设计研究的进展概况 | 第12页 |
| §1.2 人工智能的发展概况 | 第12-19页 |
| ·人工智能的定义 | 第12-13页 |
| ·人工智能的应用领域 | 第13页 |
| ·人工神经网络 | 第13-18页 |
| ·人工神经网络的概念 | 第13页 |
| ·人工神经网络的基本原理 | 第13-17页 |
| ·神经网络的优点 | 第17页 |
| ·人工神经网络面临的问题 | 第17-18页 |
| ·专家系统 | 第18-19页 |
| ·专家系统的概念 | 第18页 |
| ·专家系统的优点 | 第18页 |
| ·专家系统的瓶颈 | 第18-19页 |
| §1.3 人工智能在材料设计中的应用 | 第19-22页 |
| ·专家系统在材料设计中的应用 | 第19-20页 |
| ·人工神经网络在材料设计中的应用 | 第20-21页 |
| ·神经网络专家系统在材料设计中的应用 | 第21-22页 |
| §1.4 课题的研究方向 | 第22-23页 |
| ·课题的提出及意义 | 第22页 |
| ·课题的研究方向 | 第22-23页 |
| 第二章 基于神经网络的专家系统的确立 | 第23-29页 |
| §2.1 基于神经网络的专家系统 | 第23-29页 |
| ·专家系统的基本原理 | 第23-24页 |
| ·基于神经网络的专家系统 | 第24-26页 |
| ·基于神经网络专家系统的基本结构 | 第24-25页 |
| ·基于神经网络的专家系统的优势 | 第25-26页 |
| ·基于神经网络的专家系统模型的建立 | 第26-29页 |
| ·BP神经网络模型 | 第27页 |
| ·BP网络学习过程 | 第27-28页 |
| ·基于神经网络的专家系统的建模过程 | 第28-29页 |
| 第三章 基于神经网络的专家系统的总体设计 | 第29-45页 |
| §3.1 系统的总体设计 | 第29-44页 |
| ·神经网络专家系统的总体设计结构 | 第29页 |
| ·人机交互界面 | 第29-30页 |
| ·网络训练与预测系统 | 第30-32页 |
| ·BP算法的步骤 | 第32-33页 |
| ·BP算法流程图和预测程序流程图 | 第33页 |
| ·BP网络算法的改进 | 第33-35页 |
| ·训练与预测系统的界面设计 | 第35-44页 |
| ·配置系统 | 第35-37页 |
| ·采集信息和数据处理 | 第37-41页 |
| ·训练网络 | 第41-44页 |
| §3.2 本章小结 | 第44-45页 |
| 第四章 结构钢端淬曲线的预测 | 第45-51页 |
| §4.1 钢的淬透性 | 第45页 |
| ·淬透性的定义 | 第45页 |
| ·淬透性的测定方法 | 第45页 |
| §4.2 预测淬透性的目的 | 第45-46页 |
| §4.3 预测所使用的网络 | 第46-50页 |
| ·神经网络的网络结构配置 | 第46-47页 |
| ·实验方法及结果 | 第47-49页 |
| ·用神经网络进行学习之后得到的权值和阈值矩阵 | 第49-50页 |
| §4.4 本章小结 | 第50-51页 |
| 第五章 临界点的预测 | 第51-57页 |
| §5.1 Ms点的预测 | 第51-54页 |
| ·Ms点及意义 | 第51页 |
| ·预测Ms点的意义 | 第51页 |
| ·网络的训练 | 第51-53页 |
| ·样本对神经网络的预测能力的影响 | 第53-54页 |
| §5.2 Ac1、Ac3的预测 | 第54-56页 |
| ·Ac1、Ac3的含义与影响因素 | 第54页 |
| ·BP网络的学习与预测 | 第54-56页 |
| §5.3 本章小结 | 第56-57页 |
| 第六章 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录A | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间所取得的相关科研成果 | 第64页 |
