| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外发展情况 | 第10-13页 |
| ·国外发展情况 | 第10-12页 |
| ·国内发展情况 | 第12-13页 |
| ·主要研究内容 | 第13-15页 |
| 第2章 热轧带钢力学性能软测量模型的建立 | 第15-31页 |
| ·热轧带钢力学性能软测量模型建立的要求 | 第15页 |
| ·热轧带钢力学性能软测量模型建立方案的选择 | 第15-17页 |
| ·热轧带钢力学性能软测量模型的结构设计 | 第17-29页 |
| ·模型所用参数的确定 | 第17-23页 |
| ·模型的基本原理 | 第23-25页 |
| ·模型的结构设计 | 第25-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 改进BP网络来研究热轧带钢力学性能 | 第31-53页 |
| ·含三个隐层的BP神经网络的拓扑结构 | 第31页 |
| ·含三个隐层的BP神经网络的基本原理 | 第31-37页 |
| ·神经网络的基本组成单元 | 第31-33页 |
| ·神经网络的学习规则 | 第33-37页 |
| ·含三个隐层的BP神经网络的结构的选择 | 第37-39页 |
| ·隐含层数的确定 | 第37页 |
| ·神经元节点数的确定 | 第37-39页 |
| ·含三个隐层的BP神经网络样本数据的预处理 | 第39-42页 |
| ·样本集的选取 | 第39-40页 |
| ·样本数据的归一化 | 第40-41页 |
| ·一种快速减法聚类算法 | 第41-42页 |
| ·含三个隐层的BP神经网络的C++编程 | 第42-43页 |
| ·程序的开发环境 | 第42页 |
| ·程序代码组成与开发 | 第42-43页 |
| ·含三个隐层的BP神经网络的热轧带钢力学性能研究实验 | 第43-47页 |
| ·对比分析热轧带钢力学性能实验数据 | 第47-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 运用BP网络其他改进方法来提高热轧带钢力学性能 | 第53-69页 |
| ·BP神经网络有待改进之处 | 第53页 |
| ·BP网络优化训练的方法-几种改进的BP算法 | 第53-66页 |
| ·附加动量项法 | 第53-55页 |
| ·自适应学习因子法 | 第55-57页 |
| ·附加动量项与自适应学习因子结合的快速BP算法 | 第57-59页 |
| ·激活函数的选择 | 第59-61页 |
| ·泛化能力的分析 | 第61-64页 |
| ·权值初值的选择 | 第64-66页 |
| ·本章小结 | 第66-69页 |
| 第5章 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |