浮法生产线冷端玻璃板位的软计算
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究的背景 | 第10-13页 |
| ·课题研究的方法 | 第13-17页 |
| ·论文的结构 | 第17-19页 |
| 第2章 基于回归分析的数据拟合方法 | 第19-29页 |
| ·线性回归模型 | 第19-23页 |
| ·非线性回归模型 | 第23-25页 |
| ·回归分析在冷端板位跟踪中的应用 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 数据拟合的神经网络方法 | 第29-44页 |
| ·BP 网络的拟合方法 | 第29-34页 |
| ·径向基函数神经网络的拟合方法 | 第34-39页 |
| ·其他结构神经网络的拟合方法 | 第39-41页 |
| ·神经网络在冷端板位跟踪中的应用 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 统计学习理论与支持向量机 | 第44-56页 |
| ·统计学习理论 | 第44-47页 |
| ·支持向量机的原理 | 第47-52页 |
| ·支持向量机回归 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 LS-SVM 算法在板位跟踪中的应用 | 第56-72页 |
| ·最小二乘支持向量机 | 第56-61页 |
| ·LS-SVM 参数的选择 | 第61-70页 |
| ·仿真结果分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |
