人工神经网络方法在落叶松木材干燥中的应用
摘要 | 第1-5页 |
Abstract | 第5-8页 |
1 绪论 | 第8-12页 |
·木材干燥研究的进展与现状 | 第8-10页 |
·国内木材干燥的研究现状 | 第8-9页 |
·国外木材干燥的研究状况 | 第9-10页 |
·落叶松木材干燥研究的内容 | 第10页 |
·落叶松木材干燥研究的意义 | 第10-12页 |
2 人工神经网络理论内容及方法 | 第12-21页 |
·人工神经网络的理论探索 | 第12-14页 |
·人工神经网络理论的发展 | 第12-13页 |
·人工神经网络的应用领域 | 第13-14页 |
·人工神经网络对木材含水率的研究 | 第14页 |
·动态递归神经网络的研究 | 第14页 |
·BP神经网络多模型数据融合算法研究 | 第14页 |
·神经网络对木材含水率的研究 | 第14页 |
·人工神经元模型 | 第14-15页 |
·人工神经网络工作过程简介 | 第15-16页 |
·BP神经网络算法及学习规则 | 第16-20页 |
·BP神经网络结构 | 第16-18页 |
·BP网络学习规则及步骤 | 第18-19页 |
·BP神经网络的不足及改进 | 第19-20页 |
·本章小结 | 第20-21页 |
3 多重多元回归分析简介 | 第21-26页 |
·多元回归的一般模型 | 第21页 |
·多重多元回归的数学模型 | 第21-23页 |
·显著性检验 | 第23-24页 |
·回归系数的显著性检验 | 第23-24页 |
·方程的显著性检验(F检验) | 第24页 |
·检验回归方程对样本观测值的拟合程度 | 第24页 |
·本章小结 | 第24-26页 |
4 BP人工神经网络的研究方法和MATLAB实现 | 第26-30页 |
·MATLAB神经网络部分函数简介 | 第26-27页 |
·常用函数 | 第26页 |
·BP网络工具箱函数 | 第26-27页 |
·木材干燥模型的构建方法 | 第27-28页 |
·模型训练方法 | 第28-29页 |
·模型性能分析 | 第29页 |
·拟合精度分析 | 第29页 |
·本章小结 | 第29-30页 |
5 落叶松木材干燥的BP神经网络模型研究 | 第30-34页 |
·实验数据来源 | 第30页 |
·模型的构建 | 第30-31页 |
·模型的训练 | 第31-32页 |
·模型性能分析 | 第32-33页 |
·拟合精度分析 | 第32页 |
·检验精度分析 | 第32-33页 |
·本章小结 | 第33-34页 |
6 落叶松木材干燥质量的多重多元回归模型研究 | 第34-38页 |
·实验数据来源 | 第34页 |
·多元回归模型的构建 | 第34-37页 |
·本章小结 | 第37-38页 |
结论 | 第38-39页 |
参考文献 | 第39-42页 |
攻读学位期间发表的学术论文 | 第42-43页 |
致谢 | 第43-44页 |