| 中文摘要 | 第7-8页 |
| 英文摘要 | 第8-9页 |
| 1 绪论 | 第10-24页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题来源 | 第11-12页 |
| 1.3 高压阳极箔腐蚀概述 | 第12-18页 |
| 1.3.1 高压阳极箔腐蚀工艺 | 第12-15页 |
| 1.3.2 高压阳极箔腐蚀影响因素 | 第15-18页 |
| 1.4 国内外研究现状 | 第18-20页 |
| 1.4.1 腐蚀技术发展 | 第18-19页 |
| 1.4.2 腐蚀理论的发展 | 第19-20页 |
| 1.5 人工神经网络概述 | 第20-22页 |
| 1.5.1 人工神经网络发展阶段 | 第20-21页 |
| 1.5.2 人工神经网络结构及原理 | 第21-22页 |
| 1.5.3 人工神经网络的特点 | 第22页 |
| 1.6 研究内容及技术路线 | 第22-24页 |
| 1.6.1 研究内容 | 第22-23页 |
| 1.6.2 技术路线 | 第23-24页 |
| 2 BP神经网络及算法优化 | 第24-30页 |
| 2.1 BP神经网络结构 | 第24页 |
| 2.2 BP算法基本原理 | 第24-26页 |
| 2.3 标准BP算法局限性 | 第26-27页 |
| 2.4 BP算法的优化 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 思维进化算法 | 第30-39页 |
| 3.1 思维进化算法概述 | 第30页 |
| 3.2 思维进化算法的术语和基本概念 | 第30-33页 |
| 3.3 思维进化算法的流程 | 第33-37页 |
| 3.4 思维进化算法的特点及其与遗传算法的比较 | 第37页 |
| 3.5 思维进化算法优化神经网络 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 铝箔腐蚀试验 | 第39-50页 |
| 4.1 试验材料与方法 | 第39-43页 |
| 4.1.1 试验材料及仪器 | 第39-40页 |
| 4.1.2 试验方法 | 第40-43页 |
| 4.2 正交试验 | 第43-49页 |
| 4.2.1 发孔正交试验 | 第44-47页 |
| 4.2.2 扩孔正交试验 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 思维进化算法优化神经网络的铝箔腐蚀工艺优化建模 | 第50-58页 |
| 5.1 人工神经网络的铝箔腐蚀工艺优化设计 | 第50-52页 |
| 5.1.1 训练样本收集 | 第50页 |
| 5.1.2 网络输入输出的确定 | 第50-51页 |
| 5.1.3 网络隐含层节点数的确定 | 第51-52页 |
| 5.1.4 人工神经网络结构的确定 | 第52页 |
| 5.1.5 样本预处理 | 第52页 |
| 5.2 思维进化算法优化神经网络的具体步骤 | 第52-55页 |
| 5.2.1 生成初始群体 | 第53页 |
| 5.2.2 思维进化算法的适应度函数 | 第53页 |
| 5.2.3 思维进化算法中高得分子群体的优化 | 第53-54页 |
| 5.2.4 对权值进行趋同 | 第54页 |
| 5.2.5 对权值进行异化 | 第54页 |
| 5.2.6 收敛的判别 | 第54-55页 |
| 5.3 工艺参数预测 | 第55-57页 |
| 5.3.1 预测结果对比 | 第55页 |
| 5.3.2 思维进化算法优化的神经网络预测结果与正交分析比较 | 第55-56页 |
| 5.3.3 思维进化算法与遗传算法对神经网络的优化比较 | 第56页 |
| 5.3.4 最佳工艺参数优化 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 分析讨论 | 第58-64页 |
| 6.1 单一因素分析 | 第58-61页 |
| 6.2 交互作用分析 | 第61-63页 |
| 6.3 本章小结 | 第63-64页 |
| 7 结论与展望 | 第64-66页 |
| 7.1 结论 | 第64页 |
| 7.2 展望 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 神经网络训练仿真部分程序代码 | 第74-83页 |
| 致谢 | 第83页 |
