| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 前言 | 第8页 |
| 1.2 人工神经网络简介 | 第8-13页 |
| 1.2.1 人工神经网络概念 | 第8-9页 |
| 1.2.2 人工神经网络的发展历史 | 第9-10页 |
| 1.2.3 人工神经网络的应用 | 第10-13页 |
| 1.2.3.1 人工神经网络在饮料工业中的应用 | 第10页 |
| 1.2.3.2 人工神经网络在发酵工业中的应用 | 第10页 |
| 1.2.3.3 人工神经网络在农产品中的应用 | 第10-11页 |
| 1.2.3.4 人工神经网络在水产品加工中的应用 | 第11页 |
| 1.2.3.5 人工神经网络在过程工业中的应用 | 第11页 |
| 1.2.3.6 人工神经网络在土木工程中的应用 | 第11-12页 |
| 1.2.3.7 人工神经网络在材料科学中的应用 | 第12页 |
| 1.2.3.8 人工神经网络在环境质量评价中的应用 | 第12-13页 |
| 1.3 质构学在食品加工中的应用 | 第13-15页 |
| 1.3.1 质构学研究方法 | 第13页 |
| 1.3.2 质构学的研究内容 | 第13-14页 |
| 1.3.3 质构学在食品加工领域中的应用 | 第14-15页 |
| 1.3.3.1 质构学在蔬菜水果加工方面的应用 | 第14页 |
| 1.3.3.2 质构学在畜禽肉加工方面的应用 | 第14页 |
| 1.3.3.3 质构学在水产品加工方面的应用 | 第14-15页 |
| 1.3.3.4 质构学在其他方面的研究 | 第15页 |
| 1.4 立题背景与意义 | 第15-16页 |
| 1.5 本论文的主要研究内容 | 第16-17页 |
| 第二章 人工神经网络对热处理虾夷扇贝质构预测 | 第17-44页 |
| 2.1 前言 | 第17页 |
| 2.2 材料与方法 | 第17-23页 |
| 2.2.1 实验原料 | 第17页 |
| 2.2.2 实验设备 | 第17-18页 |
| 2.2.3 实验方法 | 第18-23页 |
| 2.2.3.1 虾夷扇贝质构测定 | 第18页 |
| 2.2.3.2 BP神经网络模型 | 第18-23页 |
| 2.2.3.3 预测结果的验证 | 第23页 |
| 2.3 结果与讨论 | 第23-43页 |
| 2.3.1 BP神经网络的建立情况 | 第23-24页 |
| 2.3.2 应用BP网络预测不同热处理条件下贝柱的质构参数 | 第24-43页 |
| 2.3.2.1 不同热处理条件下贝柱剪切力的预测 | 第24-28页 |
| 2.3.2.2 不同热处理条件下贝柱硬度的预测 | 第28-31页 |
| 2.3.2.3 不同热处理条件下贝柱弹性的预测 | 第31-34页 |
| 2.3.2.4 不同热处理条件下贝柱凝聚性的预测 | 第34-37页 |
| 2.3.2.5 不同热处理条件下贝柱咀嚼性的预测 | 第37-40页 |
| 2.3.2.6 不同热处理条件下贝柱回复性的预测 | 第40-43页 |
| 2.4 本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49页 |