人工神经网络在响应曲面法实验优化设计中的应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究的背景和意义 | 第9-11页 |
| ·人工神经网络、响应曲面法的国内外研究现状 | 第11-13页 |
| ·国外的研究现状 | 第11-12页 |
| ·国内的研究现状 | 第12-13页 |
| ·本论文的研究内容 | 第13-14页 |
| ·实验因素及水平的选择 | 第13页 |
| ·响应曲面法设计 | 第13-14页 |
| ·优化分析 | 第14页 |
| ·本论文的研究特色及创新之处 | 第14-15页 |
| ·研究特色 | 第14页 |
| ·创新之处 | 第14-15页 |
| 第二章 原理与方法 | 第15-32页 |
| ·响应曲面法 | 第15-21页 |
| ·响应曲面法简介 | 第15-16页 |
| ·响应曲面法原理 | 第16-17页 |
| ·响应曲面法设计 | 第17-19页 |
| ·拟合一阶模型的设计 | 第17页 |
| ·拟合二阶模型的设计 | 第17-19页 |
| ·中心复合设计 | 第19-20页 |
| ·Box-Behnken 设计 | 第20-21页 |
| ·多元线性回归 | 第21-23页 |
| ·多元线性回归方法 | 第21-22页 |
| ·线性回归方程显著性检验 | 第22-23页 |
| ·BP 神经网络 | 第23-27页 |
| ·BP 网络模型的特点 | 第23-24页 |
| ·输入/输出向量的设计 | 第24-25页 |
| ·BP 网络的创建 | 第25-27页 |
| ·变量的选取及归一化处理 | 第25页 |
| ·BP 网络结构的确定 | 第25-26页 |
| ·BP 网络的创建 | 第26-27页 |
| ·BP 网络的验证 | 第27页 |
| ·RBF 神经网络 | 第27-30页 |
| ·RBF 网络的创建 | 第29-30页 |
| ·变量归一化处理 | 第29-30页 |
| ·RBF 网络的创建 | 第30页 |
| ·RBF 网络的验证 | 第30页 |
| ·化学软件 | 第30-32页 |
| ·Matlab 软件 | 第30页 |
| ·IBM SPSS Statistic 软件 | 第30-31页 |
| ·Design expert 软件 | 第31-32页 |
| 第三章 实验及数据来源 | 第32-36页 |
| ·实验原理 | 第32页 |
| ·仪器 | 第32页 |
| ·试剂 | 第32-33页 |
| ·实验步骤 | 第33页 |
| ·实验数据 | 第33-35页 |
| ·实验结果 | 第35-36页 |
| 第四章 优化设计与分析 | 第36-54页 |
| ·概述 | 第36页 |
| ·数据来源 | 第36-37页 |
| ·多元线性回归 | 第37页 |
| ·RSM 与 BP 相结合 | 第37-43页 |
| ·BP 网络模型 | 第37-39页 |
| ·BP 网络模型验证 | 第39页 |
| ·RSM 优化实验 | 第39-43页 |
| ·二次响应面回归模型的建立与分析 | 第39-41页 |
| ·响应曲面分析与工艺优化 | 第41-43页 |
| ·RSM 与 RBF 相结合 | 第43-51页 |
| ·RBF 网络模型 | 第43-45页 |
| ·RBF 网络模型验证 | 第45页 |
| ·RSM 优化实验 | 第45-51页 |
| ·二次响应面回归模型的建立与分析 | 第45-47页 |
| ·响应曲面分析与工艺优化 | 第47-51页 |
| ·结果与讨论 | 第51-53页 |
| ·多元线性回归模型 | 第51页 |
| ·RSM-BP 模式训练与预测 | 第51-52页 |
| ·RSM-RBF 模式训练与预测 | 第52-53页 |
| ·RSM-BP 和 RSM-RBF 模式比较 | 第53页 |
| ·小结 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| ·结论 | 第54页 |
| ·结语 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63-64页 |
| 攻读硕士学位期间发表和完成的学术论文 | 第64页 |
| 攻读硕士学位期间参加的科研项目 | 第64页 |
