| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 引言 | 第10-18页 |
| 一、 研究背景 | 第10页 |
| 二、 统计和智能计算方法的研究背景 | 第10-12页 |
| 三、 非线性光学性质 | 第12-14页 |
| 四、 电子光谱及其计算 | 第14-16页 |
| 五、 本论文的研究内容及意义 | 第16-18页 |
| 第二章 量子化学计算方法 | 第18-29页 |
| 一、 分子轨道理论 | 第19-22页 |
| 二、 密度泛函理论 | 第22-26页 |
| 三、 电子激发态理论 | 第26-27页 |
| 四、 基组的选择 | 第27-29页 |
| 第三章 智能计算方法 | 第29-37页 |
| 一、 多元线性回归 | 第29-30页 |
| 二、 遗传算法 | 第30-33页 |
| 三、 人工神经网络 | 第33-35页 |
| 四、 极限学习方法 | 第35-37页 |
| 第四章 提高密度泛函理论方法计算碱金属第一超极化率精度：极限学习机神经网络 | 第37-46页 |
| 一、 引言 | 第37-38页 |
| 二、 计算部分 | 第38-40页 |
| （一） 数据集 | 第38页 |
| （二） 第一超极化率计算 | 第38-39页 |
| （三） 物理参数选择 | 第39页 |
| （四） 极限学习机神经网络方法（ELMNN） | 第39-40页 |
| 三、 结果与讨论 | 第40-45页 |
| 四、 结论 | 第45-46页 |
| 第五章 提高密度泛函理论方法计算氟硼荧（BODIPY）电子激发能的精度：极限学习机神经网络 | 第46-59页 |
| 一、 引言 | 第46页 |
| 二、 计算部分 | 第46-50页 |
| （一） 数据集 | 第46-49页 |
| （二） 物理参数选择 | 第49-50页 |
| 三、 结果与讨论 | 第50-58页 |
| 四、 结论 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 一、 总结 | 第59-60页 |
| 二、 未来工作 | 第60-61页 |
| 参考文献 | 第61-72页 |
| 致谢 | 第72-73页 |
| 在学期间公开发表论文及著作情况 | 第73页 |