摘要
1 绪论
1.1 木材干燥研究的进展与现状
1.1.1 国内木材干燥的研究现状
1.1.2 国外木材干燥的研究状况
1.2 落叶松木材干燥研究的内容
1.3 落叶松木材干燥研究的意义
2 人工神经网络理论内容及方法
2.1 人工神经网络的理论探索
2.1.1 人工神经网络理论的发展
2.1.2 人工神经网络的应用领域
2.2 人工神经网络对木材含水率的研究
2.2.1 动态递归神经网络的研究
2.2.2 BP神经网络多模型数据融合算法研究
2.2.3 神经网络对木材含水率的研究
2.3 人工神经元模型
2.4 人工神经网络工作过程简介
2.5 BP神经网络算法及学习规则
2.5.1 BP神经网络结构
2.5.2 BP网络学习规则及步骤
2.5.3 BP神经网络的不足及改进
2.6 本章小结
3 多重多元回归分析简介
3.1 多元回归的一般模型
3.2 多重多元回归的数学模型
3.3 显著性检验
3.3.1 回归系数的显著性检验
3.3.2 方程的显著性检验(F检验)
3.3.3 检验回归方程对样本观测值的拟合程度
3.4 本章小结
4 BP人工神经网络的研究方法和MATLAB实现
4.1 MATLAB神经网络部分函数简介
4.1.1 常用函数
4.1.2 BP网络工具箱函数
4.2 木材干燥模型的构建方法
4.3 模型训练方法
4.4 模型性能分析
4.4.1 拟合精度分析
4.5 本章小结
5 落叶松木材干燥的BP神经网络模型研究
5.1 实验数据来源
5.2 模型的构建
5.3 模型的训练
5.4 模型性能分析
5.4.1 拟合精度分析
5.4.2 检验精度分析
5.5 本章小结
6 落叶松木材干燥质量的多重多元回归模型研究
6.1 实验数据来源
6.2 多元回归模型的构建
6.3 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
声明