| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 文章组织结构 | 第15-16页 |
| 第2章 人工神经网络和遗传算法 | 第16-32页 |
| 2.1 人工神经网络的基本原理 | 第16-20页 |
| 2.1.1 人工神经元模型 | 第16-18页 |
| 2.1.2 人工神经网络的拓扑结构及工作过程 | 第18-19页 |
| 2.1.3 人工神经网络的学习 | 第19页 |
| 2.1.4 人工神经网络的应用 | 第19-20页 |
| 2.2 BP 神经网络原理 | 第20-25页 |
| 2.2.1 BP 神经网络的拓扑结构及学习过程 | 第20-22页 |
| 2.2.2 BP 网络的参数设计 | 第22-23页 |
| 2.2.3 BP 算法存在的缺点及其改进 | 第23-25页 |
| 2.3 遗传算法的基本原理 | 第25-29页 |
| 2.3.1 遗传算法的特点 | 第25页 |
| 2.3.2 遗传算法的实现 | 第25-29页 |
| 2.4 遗传算法在神经网络中的应用 | 第29-31页 |
| 2.4.1 遗传算法优化神经网络的过程 | 第29-30页 |
| 2.4.2 遗传神经网络的应用 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 数据样本的采集 | 第32-43页 |
| 3.1 DPL-1 型多功能制粒包衣机 | 第32-37页 |
| 3.1.1 DPL-1 型多功能制粒包衣机的特点及用途 | 第32页 |
| 3.1.2 DPL-1 型多功能制粒包衣机的组成系统及工作原理 | 第32-37页 |
| 3.2 制粒效果的评价标准 | 第37-39页 |
| 3.2.1 外观检查 | 第37页 |
| 3.2.2 重量差异检查 | 第37-38页 |
| 3.2.3 片剂硬度 | 第38页 |
| 3.2.4 脆碎度 | 第38页 |
| 3.2.5 崩解时间 | 第38页 |
| 3.2.6 成品率 | 第38-39页 |
| 3.3 包衣效果的评价标准 | 第39-42页 |
| 3.3.1 外观检查 | 第39页 |
| 3.3.2 包衣片重量检查 | 第39页 |
| 3.3.3 溶出度 | 第39-40页 |
| 3.3.4 抗热试验 | 第40-41页 |
| 3.3.5 耐湿耐水性试验 | 第41页 |
| 3.3.6 包衣厚度的测定 | 第41-42页 |
| 3.3.7 包衣成品率 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 中药片剂生产过程控制建模 | 第43-54页 |
| 4.1 基于自适应遗传神经网络的中药制粒控制模型的建立 | 第43-48页 |
| 4.1.1 样本的预处理 | 第43-45页 |
| 4.1.2 BP 网络的参数设计 | 第45页 |
| 4.1.3 自适应遗传神经网络（SANN）模型的建立 | 第45-47页 |
| 4.1.4 仿真实验及分析 | 第47-48页 |
| 4.2 中药包衣控制建模 | 第48-53页 |
| 4.2.1 样本的预处理 | 第48-49页 |
| 4.2.2 BP 网络的参数设计 | 第49页 |
| 4.2.3 遗传神经网络模型的建立 | 第49-51页 |
| 4.2.4 仿真实验及分析 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间参与课题情况 | 第60-61页 |
| 攻读硕士学位期间发表论文情况 | 第61-62页 |
| 致谢 | 第62页 |
