基于改进BP神经网络的产品质量合格率预测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目标与意义 | 第10-11页 |
| 1.2.1 研究目标 | 第10-11页 |
| 1.2.2 研究意义 | 第11页 |
| 1.3 理论基础 | 第11-12页 |
| 1.4 研究内容与方法 | 第12-13页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 研究方法 | 第13页 |
| 1.5 主要创新点 | 第13页 |
| 1.6 本章小结 | 第13-15页 |
| 附图 | 第15-16页 |
| 第二章 产品合格率预测方法现状与分析 | 第16-20页 |
| 2.1 产品合格率预测研究现状 | 第16-18页 |
| 2.1.1 传统质量预测方法 | 第16-17页 |
| 2.2.2 人工智能预测方法 | 第17-18页 |
| 2.2 现有研究方法的局限性 | 第18-19页 |
| 2.3 本文预测研究的突破口 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 产品合格率预测的 BP 神经网络的设计 | 第20-38页 |
| 3.1 人工神经网络 | 第20-26页 |
| 3.1.1 人工神经网络概述 | 第20-21页 |
| 3.1.2 BP 神经网络 | 第21-26页 |
| 3.2 BP 神经网络的设计 | 第26-28页 |
| 3.2.1 样本量 | 第26页 |
| 3.2.2 隐含层层数 | 第26-27页 |
| 3.2.3 隐含层节点数 | 第27页 |
| 3.2.4 转移函数 | 第27-28页 |
| 3.3 仿真实验 | 第28-37页 |
| 3.3.1 样本量 | 第28-31页 |
| 3.3.2 隐含层层数 | 第31-33页 |
| 3.3.3 隐含层节点数 | 第33-35页 |
| 3.3.4 转移函数 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于遗传算法改进的 BP 神经网络 | 第38-50页 |
| 4.1 遗传算法 | 第38-42页 |
| 4.1.1 遗传算法简介 | 第38-40页 |
| 4.1.2 遗传算法操作 | 第40-42页 |
| 4.2 改进模型 | 第42-45页 |
| 4.3 参数选取 | 第45-46页 |
| 4.4 仿真实验 | 第46-49页 |
| 4.4.1 仿真条件 | 第46页 |
| 4.4.2 实验结果 | 第46-48页 |
| 4.4.3 结果分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于粒子群算法改进的 BP 神经网络 | 第50-62页 |
| 5.1 粒子群算法 | 第50-53页 |
| 5.1.1 粒子群算法简介 | 第50-52页 |
| 5.1.2 粒子群算法流程 | 第52-53页 |
| 5.2 改进模型 | 第53-55页 |
| 5.3 参数选取 | 第55-57页 |
| 5.4 仿真实验 | 第57-61页 |
| 5.4.1 仿真条件 | 第57-58页 |
| 5.4.2 实验结果 | 第58-60页 |
| 5.4.3 结果分析 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-65页 |
| 1、本文所做主要工作 | 第62-63页 |
| 2、进一步研究展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录：410 个连续日产品合格率 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-74页 |
| 附件 | 第74页 |
