| 中文摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-12页 |
| 1．1 模式识别—人工神经网络[PR—ANN]概述 | 第9页 |
| 1．2 PR—ANN算法在材料领域的国内外研究现状及进展情况 | 第9-11页 |
| 1．3 主要研究内容 | 第11-12页 |
| 第2章 PR—ANN的基本原理 | 第12-19页 |
| 2．1 引言 | 第12页 |
| 2．2 PR—ANN技术的一般步骤 | 第12-13页 |
| 2．3 模式识别方法 | 第13-15页 |
| 2．3．1 模式识别方法的分类和应用 | 第14-15页 |
| 2．3．2 几种模式识别方法的比较 | 第15页 |
| 2．4 人工神经网络简介 | 第15-19页 |
| 2．4．1 人工神经网络的发展 | 第15-16页 |
| 2．4．2 人工神经网络的建模 | 第16-18页 |
| 2．4．3 影响神经网络算法的若干因素 | 第18-19页 |
| 第3章 PR—ANN系统的神经网络模型和算法研究 | 第19-23页 |
| 3．1 神经网络降维映射模型 | 第19-21页 |
| 3．2 神经网络的训练算法 | 第21-22页 |
| 3．2．1 列队竞争算法 | 第21-22页 |
| 3．2．2 梯度法 | 第22页 |
| 3．2．3 列队竞争算法与梯度法的结合 | 第22页 |
| 3．3 小结 | 第22-23页 |
| 第4章 PR—ANN优化系统的功能的实现 | 第23-28页 |
| 4．1 引言 | 第23页 |
| 4．2 基本框架 | 第23-28页 |
| 4．2．1 数据预处理 | 第23-25页 |
| 4．2．2 分类映照图 | 第25-26页 |
| 4．2．3 精确预报 | 第26-28页 |
| 第5章 PR—ANN在材料领域的应用 | 第28-44页 |
| 5．1 实例研究 | 第28-43页 |
| 实例一 泡沫轻质材料试验设计及配方优化(单目标问题) | 第28-31页 |
| 实例二 PR—ANN在微晶玻璃陶瓷合成中的应用(单目标问题) | 第31-34页 |
| 实例三 中药巴布剂基质配方优选(双目标问题) | 第34-37页 |
| 实例四 摩擦材料配方优化设计(双目标问题) | 第37-40页 |
| 实例五 储氢合金中稀土元素配比优化(三目标问题) | 第40-43页 |
| 5．2 小结 | 第43-44页 |
| 第6章 结论 | 第44-45页 |
| 附录 | 第45-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表文章和参加科研项目情况 | 第51-52页 |
| 致谢 | 第52页 |
