| 第一章 绪论 | 第1-15页 |
| ·研究课题的背景意义 | 第8-10页 |
| ·KBE技术的产生和发展 | 第8-9页 |
| ·计算机辅助夹具设计的研究现状 | 第9-10页 |
| ·问题的提出 | 第10-13页 |
| ·夹具设计专家系统的“瓶颈”问题 | 第10-11页 |
| ·人工神经网络知识获取技术研究现状 | 第11-13页 |
| ·论文的主要研究内容 | 第13-15页 |
| ·论文的主要研究内容和重点 | 第13页 |
| ·论文的章节安排 | 第13-15页 |
| 第二章 人工神经网络知识获取技术 | 第15-31页 |
| ·人工神经网络研究的起源 | 第15-16页 |
| ·神经元模型 | 第16-18页 |
| ·人工神经元的模型 | 第16-17页 |
| ·激活函数 | 第17-18页 |
| ·人工神经网络的基本模型 | 第18-21页 |
| ·人工神经网络的基本特性 | 第18页 |
| ·人工神经网络的基本结构 | 第18-19页 |
| ·人工神经网络的主要学习算法 | 第19-20页 |
| ·人工神经网络的典型模型 | 第20-21页 |
| ·基于神经网络的符号知识获取方法 | 第21-24页 |
| ·二值逻辑神经元网络 | 第22页 |
| ·模糊逻辑神经网络 | 第22-23页 |
| ·三值／多值逻辑神经元网络 | 第23-24页 |
| ·本论文采用的神经网络知识获取方法 | 第24-28页 |
| ·通过学习获得知识 | 第24-25页 |
| ·基于神经网络的知识求精 | 第25-26页 |
| ·从神经网络中提取规则 | 第26-28页 |
| ·BP算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 智能夹具设计专家系统 | 第31-38页 |
| ·专家系统简介 | 第31-33页 |
| ·专家系统的结构 | 第31-32页 |
| ·专家系统的性能 | 第32-33页 |
| ·知识库系统 | 第33-35页 |
| ·知识库的组织 | 第33页 |
| ·知识的表示 | 第33页 |
| ·知识库的管理和维护 | 第33-34页 |
| ·知识的获取 | 第34-35页 |
| ·夹具设计过程中的知识特点 | 第35-37页 |
| ·组合夹具设计概述 | 第35页 |
| ·组合夹具设计的知识特点 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 神经网络知识获取方法在夹具设计中的应用研究 | 第38-55页 |
| ·规则知识的来源 | 第38-39页 |
| ·神经网络知识获取方法详述 | 第39-45页 |
| ·神经网络知识获取的框架 | 第39-41页 |
| ·符号空间和数值空间的转换 | 第41-42页 |
| ·神经网络结构设计及学习训练 | 第42-44页 |
| ·神经网络知识求精 | 第44-45页 |
| ·神经网络知识获取技术在系统中的应用研究 | 第45-54页 |
| ·S／D和D／S转换器 | 第45-47页 |
| ·BP网络的设计 | 第47-51页 |
| ·夹具设计过程的知识规则抽取 | 第51-52页 |
| ·夹具设计规则知识求精 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 知识获取子系统的设计和实现 | 第55-70页 |
| ·知识获取子系统设计 | 第55-58页 |
| ·知识获取子系统的作用 | 第55-56页 |
| ·知识获取子系统结构和功能设计 | 第56-58页 |
| ·知识获取子系统的实现 | 第58-65页 |
| ·软件平台的选择 | 第58-59页 |
| ·MATLAB神经网络工具箱概述 | 第59页 |
| ·S／D转换器的实现 | 第59-61页 |
| ·D／S转换器的实现 | 第61页 |
| ·BP前馈神经网络学习模块的实现 | 第61-62页 |
| ·规则提取模块的实现 | 第62-63页 |
| ·知识求精模块的实现 | 第63-65页 |
| ·实验分析 | 第65-69页 |
| ·MATLAB同C／C++／MFC连接 | 第65页 |
| ·实例分析 | 第65-69页 |
| ·结论 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结束语 | 第70-72页 |
| ·研究工作总结 | 第70页 |
| ·需进一步研究的问题 | 第70-72页 |
| 附录一 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-78页 |