基于机器学习的智能制造系统评价模型与算法

目录

声明

第1章 绪论

1.1 课题研究背景及研究意义

1.1.1 课题研究背景

1.1.2 课题研究目的和意义

1.2 国内外研究现状

1.3 课题研究内容和技术路线

1.3.1 研究内容

1.3.2 技术路线

1.3.3 课题创新点

第2章 课题相关理论及关键技术研究

2.1 神经网络原理及应用

2.2 SeqGAN生成对抗网络原理及应用

2.2.1 GAN生成对抗网络原理及应用

2.2.2 SeqGAN生成对抗网络原理及应用

2.3 多目标GA原理及应用

2.4 SeqGAN-GABP算法原理及应用

2.4.1 BP神经网络原理及应用

2.4.2 GABP神经网络原理及应用

2.4.3 SeqGAN-GABP算法原理及应用

2.5 SeqGAN-Elman算法原理及应用

2.5.1 Elman算法原理及应用

2.5.2 SeqGAN-Elman算法原理及应用

2.6 基于神经网络的智能制造系统评价可行性分析

2.6.1 神经网络建模可行性分析

2.6.2 遗传算法优化神经网络可行性分析

2.7 本章小结

第3章 智能制造系统评价体系设计

3.1 输入特征目标分析

3.2 智能制造评价体系分析

3.3 智能制造评价体系详细设计

3.3.1 考察维度设计

3.3.2 评价指标设计

3.3.3 测量指标及方法设计

3.4 样本数据调研

3.4.1 企业调研问卷设计

3.4.2 调研企业清单

3.5 生成对抗网络扩充样本数据

3.6 本章小结

第4章 智能制造系统评价神经网络建模

4.1 评价模型构建流程

4.2 神经网络选择

4.2.1 机器学习模式选择

4.2.2 网络类型选择

4.3 神经网络模型算法

4.3.1 GABP神经网络建模与训练

4.3.2 Elman神经网络建模与训练

4.4 神经网络设计

4.4.1 网络性能指标设计

4.4.2 网络配置设计

4.4.3 优化算法设计

4.4.4 输出设计

4.4.5 建模与编码

4.5 神经网络训练与优化

4.5.1 基于AHP/FCE的噪声数据分析

4.5.2 输入数据预处理

4.5.3 网络训练

4.5.4 正交实验设计

4.6 智能制造系统评价与分析

4.6.1 网络模型性能评价与比较

4.6.2 智能制造系统调研企业整体分析

4.6.3 智能制造系统评价横向分析

4.7 本章小结

第5章 智能制造系统评价企业实例应用

5.1 BS公司概况

5.2 特征数据预处理与输入

5.2.1 特征数据获取

5.2.2 噪声数据分析

5.2.3 特征数据输入

5.3 模型输出与分析

5.3.1 网络模型性能评价与比较

5.3.2 BS公司智能制造系统评价横向分析

5.4 BS公司智能制造整体规划

5.5 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

附录 A

附录 B

附录 C

附录 D

附录 E

附录 F

参考文献

致谢

攻读学位期间参加的科研项目和成果