| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 前言 | 第9-23页 |
| ·啤酒简介 | 第9-10页 |
| ·啤酒酿造中的代谢副产物 | 第10-11页 |
| ·高级醇 | 第11-14页 |
| ·高级醇的形成机理 | 第11-12页 |
| ·高级醇对啤酒风味的影响 | 第12-13页 |
| ·影响高级醇含量的主要因素 | 第13-14页 |
| ·酯 | 第14-15页 |
| ·酯类的形成机理 | 第14页 |
| ·酯类对啤酒风味的影响 | 第14-15页 |
| ·影响酯含量的主要因素 | 第15页 |
| ·人工神经网络 | 第15-19页 |
| ·人工神经网络的概念及发展 | 第15-16页 |
| ·神经网络的基本结构 | 第16-17页 |
| ·神经网络的分类 | 第17-19页 |
| ·神经网络的学习方式 | 第19页 |
| ·误差反向传播网络(BP神经网络) | 第19-21页 |
| ·BP神经网络的组成 | 第19-20页 |
| ·BP神经网络的学习算法 | 第20页 |
| ·BP神经网络的预测流程及误差函数 | 第20-21页 |
| ·本论文的研究背景、选题依据及研究意义 | 第21-22页 |
| ·本论文研究的主要内容 | 第22-23页 |
| 2 材料与方法 | 第23-28页 |
| ·材料与仪器 | 第23-25页 |
| ·实验菌种 | 第23页 |
| ·实验材料 | 第23-24页 |
| ·主要培养基 | 第24页 |
| ·实验仪器 | 第24-25页 |
| ·实验方法 | 第25-28页 |
| ·下面啤酒发酵实验 | 第25页 |
| ·工艺条件 | 第25-27页 |
| ·分析方法 | 第27-28页 |
| 3 结果与讨论 | 第28-80页 |
| ·数据采集与预处理 | 第28-63页 |
| ·数据的采集 | 第28-63页 |
| ·数据预处理 | 第63页 |
| ·人工神经网络的优化 | 第63-65页 |
| ·人工神经网络预测啤酒酿造过程中高级醇与酯的变化 | 第65-77页 |
| ·人工神经网络预测啤酒酿造过程中正丙醇的变化 | 第65-67页 |
| ·人工神经网络预测啤酒酿造过程中乙酸乙酯的变化 | 第67-70页 |
| ·人工神经网络预测啤酒酿造过程中异丁醇的变化 | 第70-72页 |
| ·人工神经网络预测啤酒酿造过程中异戊醇的变化 | 第72-74页 |
| ·人工神经网络预测啤酒酿造过程中乙酸异戊酯的变化 | 第74-76页 |
| ·小结 | 第76-77页 |
| ·人工神经网络预测啤酒酿造过程中糖度和乙醇含量的变化 | 第77-80页 |
| ·人工神经网络预测啤酒酿造过程中糖度和乙醇含量的变化 | 第77-79页 |
| ·小结 | 第79-80页 |
| 4 结论 | 第80-81页 |
| 5 展望 | 第81-82页 |
| 6 参考文献 | 第82-89页 |
| 7 攻读硕士学位期间发表论文情况 | 第89-90页 |
| 8 致谢 | 第90-91页 |
| 附录 | 第91页 |