| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·材料科学面临的问题 | 第8页 |
| ·人工神经网络在材料研究中的现状及其应用 | 第8-11页 |
| ·本课题的研究任务 | 第11-12页 |
| 第二章 人工神经网络专家系统和钛酸锶钡的介绍 | 第12-22页 |
| ·专家系统的介绍 | 第12-14页 |
| ·专家系统的基本结构及各部分的作用 | 第12-13页 |
| ·专家系统的特点 | 第13-14页 |
| ·专家系统的优点 | 第13页 |
| ·专家系统的缺点 | 第13-14页 |
| ·人工神经网络简介 | 第14-18页 |
| ·人工神经网络发展简史 | 第14-15页 |
| ·人工神经网络的基本结构 | 第15-16页 |
| ·神经网络的学习方式 | 第16-17页 |
| ·人工神经网络的分类 | 第17页 |
| ·人工神经网络的特征 | 第17-18页 |
| ·钛酸锶钡简介 | 第18-22页 |
| ·钛酸锶钡的结构 | 第18-19页 |
| ·钛酸锶钡的制备方法 | 第19页 |
| ·钛酸锶钡的基本介电性能 | 第19-20页 |
| ·钛酸锶钡的主要应用领域 | 第20-22页 |
| 第三章 基于Visual C++的人工神经网络专家系统的研究 | 第22-34页 |
| ·系统开发环境 | 第22页 |
| ·软件介绍 | 第22-25页 |
| ·Microsoft Visual C++ | 第22-23页 |
| ·MS SQLSERVER数据库 | 第23-24页 |
| ·SQL Server的系统数据库 | 第23-24页 |
| ·SQL Server的特性 | 第24页 |
| ·ADO连接 | 第24-25页 |
| ·ADO对象的模型组成 | 第24-25页 |
| ·ADO的特点分析 | 第25页 |
| ·VC++中利用ADO进行SQL Server数据库开发 | 第25-26页 |
| ·人工神经网络中的BP算法 | 第26-32页 |
| ·BP算法的原理 | 第26-29页 |
| ·BP算法的步骤与实现 | 第29-30页 |
| ·BP神经网络的设计 | 第30-32页 |
| ·BP网络算法的优点 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 钛酸锶钡人工神经网络专家系统的设计与研究 | 第34-48页 |
| ·系统任务概述 | 第34页 |
| ·系统功能模块设计 | 第34-37页 |
| ·数据库编辑模块和精确查询模块 | 第35-37页 |
| ·预测功能模块 | 第37页 |
| ·数据库的设计 | 第37-40页 |
| ·数据各表的关系 | 第40页 |
| ·BP算法的设计 | 第40-46页 |
| ·改进 | 第41-43页 |
| ·对数据的处理 | 第42-43页 |
| ·针对残缺数据的权值矩阵的修改 | 第43页 |
| ·计算网络输出误差 | 第43页 |
| ·隐含层的决定 | 第43-44页 |
| ·改进后的BP网络算法 | 第44-46页 |
| ·性能预测 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 系统测试运行与数据分析 | 第48-68页 |
| ·数据库读写测试运行 | 第48-55页 |
| ·数据入库 | 第49-50页 |
| ·数据精确查询 | 第50-52页 |
| ·数据的删除和修改 | 第52-55页 |
| ·删除操作 | 第53页 |
| ·修改操作 | 第53-55页 |
| ·网络训练测试运行 | 第55-59页 |
| ·数据库归一化测试 | 第55-56页 |
| ·网络训练跟踪、结果保存 | 第56页 |
| ·网络的预测 | 第56-59页 |
| ·网络训练结果记录及分析 | 第59-67页 |
| ·钛酸锶钡粉体预测 | 第59-65页 |
| ·钛酸锶钡粉体网络测试 | 第59-63页 |
| ·钛酸锶钡粉体训练结果的分析 | 第63页 |
| ·钛酸锶钡粉体预测结果分析 | 第63-65页 |
| ·钛酸锶钡薄膜预测 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-70页 |
| ·本文总结 | 第68页 |
| ·研究展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-75页 |