基于神经网络的智能白酒勾调网络系统
| 1 引言 | 第1-32页 |
| ·白酒勾调技术现状分析 | 第24-27页 |
| ·神经网络概述 | 第27-30页 |
| ·课题的提出 | 第30-31页 |
| ·论文结构 | 第31-32页 |
| 2 神经网络学习算法 | 第32-46页 |
| ·序言 | 第32页 |
| ·神经网络模型 | 第32-42页 |
| ·反向传播 | 第42-45页 |
| ·小结 | 第45-46页 |
| 3 神经网络学习方法在白酒勾调配方设计中的应用 | 第46-59页 |
| ·序言 | 第46页 |
| ·白酒微观形态特征提取 | 第46-47页 |
| ·白酒勾调配方设计数学模型 | 第47-51页 |
| ·神经网络学习算法用于白酒风格特征确定 | 第51-58页 |
| ·小结 | 第58-59页 |
| 4 神经网络学习案例与白酒勾调专家系统的结合 | 第59-69页 |
| ·序言 | 第59页 |
| ·专家系统的基本概念和特点 | 第59-60页 |
| ·产生式认知模型 | 第60-62页 |
| ·基于类的产生式白酒品评知识表示方法 | 第62-65页 |
| ·神经网络学习案例与白酒勾调专家系统的结合 | 第65-68页 |
| ·小结 | 第68-69页 |
| 5 基子神经网络的智能白酒勾调网络系统设计 | 第69-81页 |
| ·序言 | 第69页 |
| ·系统功能分析 | 第69-70页 |
| ·系统功能模块设计 | 第70-71页 |
| ·数据流程图 | 第71-72页 |
| ·系统网络拓扑结构 | 第72页 |
| ·数据存储 | 第72-74页 |
| ·系统后台多线程并行计算 | 第74-76页 |
| ·实例分析 | 第76-81页 |
| 6 结束语 | 第81-83页 |
| ·本文所做的主要工作 | 第81-82页 |
| ·结论与展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-85页 |
