| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·材料科学的发展历程 | 第9-12页 |
| ·材料科学中人工神经网络的发展概述 | 第12-14页 |
| ·材料科学中人工神经网络的发展历史 | 第12-13页 |
| ·材料科学中人工神经网络专家系统的现状及应用领域 | 第13-14页 |
| ·碳化硅复合材料的研究现状及应用 | 第14-15页 |
| ·碳化硅陶瓷及其复合材料 | 第14页 |
| ·几种常见的碳化硅复合材料及其应用范围 | 第14-15页 |
| ·本课题的研究任务 | 第15-18页 |
| 第二章 人工神经网络专家系统 | 第18-30页 |
| ·人工智能的简介 | 第18-21页 |
| ·人工智能的概述 | 第18-19页 |
| ·人工智能的发展历程 | 第19-21页 |
| ·专家系统的简介 | 第21-24页 |
| ·专家系统的基本结构 | 第21-22页 |
| ·专家系统的特点 | 第22-23页 |
| ·专家系统的类型与应用 | 第23-24页 |
| ·人工神经网络简介 | 第24-27页 |
| ·人工神经网络的概述 | 第24-25页 |
| ·人工神经网络的优缺点 | 第25-26页 |
| ·人工神经网络模型分类 | 第26页 |
| ·几种基本神经网络的学习算法介绍 | 第26-27页 |
| ·人工神经神经网络专家系统 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 人工神经网络专家系统的开发工具、开发环境环境以及算法简介 | 第30-46页 |
| ·Visual C#简介 | 第30-33页 |
| ·NET Framework的基本概述 | 第31-32页 |
| ·C#项目的类型 | 第32-33页 |
| ·SQL Server2005简介 | 第33-34页 |
| ·SQL Server 2005数据库的特征 | 第33-34页 |
| ·SQL Server 2005系统数据库 | 第34页 |
| ·ADO.NET | 第34-37页 |
| ·ADO.NET的体系结构 | 第34-36页 |
| ·ADO.NET访问数据库的过程 | 第36-37页 |
| ·BP学习算法 | 第37-44页 |
| ·BP算法原理 | 第37-40页 |
| ·BP算法的步骤 | 第40-41页 |
| ·BP神经网络的设计 | 第41-43页 |
| ·BP网络算法的优缺点 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 碳化硅复合材料人工神经网络专家系统的设计方案与研究算法的改进 | 第46-58页 |
| ·系统任务概述 | 第46-47页 |
| ·系统功能模块设计 | 第47-50页 |
| ·数据库功能 | 第47-49页 |
| ·网络训练功能和预测功能 | 第49-50页 |
| ·数据库的建立 | 第50-53页 |
| ·BP算法的实现 | 第53-56页 |
| ·BP算法的改进 | 第53-54页 |
| ·BP算法的步骤 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 系统测试运行 | 第58-76页 |
| ·系统数据库测试运行 | 第58-62页 |
| ·添加数据 | 第60页 |
| ·数据的删除和修改 | 第60-61页 |
| ·性能查询 | 第61-62页 |
| ·系统网络训练测试运行 | 第62-64页 |
| ·网络训练结果分析 | 第64-74页 |
| ·可以通过调整动量因子，优化预测功能 | 第64-65页 |
| ·可以通过调整学习速率，优化预测功能 | 第65-68页 |
| ·可以通过调整隐含层节点数，优化预测功能 | 第68-71页 |
| ·可以通过调整训练结束判据中的训练次数，优化预测功能 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 总结和展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
