| 第一章 绪论 | 第1-11页 |
| 1．1 本文的来源 | 第7页 |
| 1．2 农业病虫害专家系统综述 | 第7-9页 |
| 1．3 本文的工作 | 第9-10页 |
| 1．4 本文的意义 | 第10-11页 |
| 1．5 本文的组织 | 第11页 |
| 第二章 PDDESNN的设计 | 第11-17页 |
| 2．1 PDDESNN的总体结构 | 第11-14页 |
| 2．2 基于神经网络的病害诊断专家系统的设计 | 第14-17页 |
| 2．2．1 农作物病害诊断问题的神经网络表示 | 第14页 |
| 2．2．2 农作物病害知识的获取 | 第14-16页 |
| 2．2．3 基于神经网络的知识推理 | 第16-17页 |
| 第三章 PDDESNN的学习系统 | 第17-34页 |
| 3．1 基于BP算法的多层前馈神经网络 | 第17-23页 |
| 3．1．1 基于BP算法的多层前馈神经网络的基本结构 | 第17-19页 |
| 3．1．2 BP算法的数学描述 | 第19-23页 |
| 3．2 BP改进算法综述 | 第23-28页 |
| 3．2．1 提高收敛速度的方法 | 第24-25页 |
| 3．2．2 解决局部收敛的方法 | 第25-28页 |
| 3．3 PDDESNN的神经网络学习算法 | 第28-34页 |
| 3．3．1 自适应权步因子BP算法 | 第29-32页 |
| 3．3．2 BP网络的模拟退火算法 | 第32-33页 |
| 3．3．3 PDDESNN的神经网络学习算法 | 第33-34页 |
| 第四章 PDA与PC远程串行通信系统 | 第34-39页 |
| 4．1 远程通信系统组成及通信原理 | 第34-35页 |
| 4．2 串行通信协议及实现 | 第35-39页 |
| 第五章 实验及结论 | 第39-43页 |
| 5．1 自适应权步因子BP算法仿真实验 | 第40-41页 |
| 5．2 神经网络学习算法仿真实验 | 第41-43页 |
| 5．3 基于神经网络的葡萄病害诊断专家系统实例 | 第43页 |
| 结论与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 附录1自适应权步因子BP算法解决异或问题的实验结果 | 第48-49页 |
| 附录2葡萄病害模式表 | 第49页 |
| 附录3葡萄病害症状及编号 | 第49-52页 |
| 攻读硕士期间公开发表的论文 | 第52页 |
| 致谢 | 第52-86页 |