面向用户体验优化的腌制食品生产参数的设计和实现 电子信息工程专业.docxVIP

说 明 书 PAGE 13 PAGE 13 面向用户体验优化的腌制食品生产参数的 人工智能设计 目 录 目录 TOC \o 1-3 \h \u 目 录 1 摘 要 2 第一章 绪论 3 1.1 课题的研究背景 3 1.2 研究的目的和意义 3 1.3 国内外研究现状 4 1.3.1腌制品配方设计及优化研究情况 4 1.3.2人工神经网络的应用研究情况 5 1.4课题研究内容 5 第二章 神经网络与蒙特卡洛算法 7 2.1 人工神经网络 7 2.1.1生物神经元模型 7 2.1.2人工神经元模型 8 2.1.3 人工神经网络分类 9 2.2 BP神经网络 11 2.2.1 BP神经网络结构 11 2.2.2 BP神经网络学习过程及学习算法 12 2.2.3 BP神经网络MATLAB实现 13 2.3 蒙特卡洛算法 15 2.4本章小结 16 第三章 腌制品的实验设计与样本收集 17 3.1 实验设计 17 3.1.1实验材料 17 3.1.2 确定腌黄瓜品质评分标准 18 3.1.3腌黄瓜检测方法 18 3.1.4实验的正交设计 19 3.2腌制实验方法 20 3.2.1腌黄瓜实验方法 20 3.2.2腌黄瓜实验数据样本收集 21 第四章 基于神经网络的腌制品腌制过程建模 23 4.1 神经网络选型与结构设计 23 4.1.1神经网络训练运行程序 23 4.1.2神经网络运行结果 24 4.2优化结果 27 第五章总结归纳本研究工作 28 致谢 30 参考文献 31 摘 要 本文研究的是如何在腌制品领域中成功应用人工神经网络以及遗传算法，达到优化工艺的目标。第一步是查阅国内外相关文献，形成对人工神经网络和遗传算法的基础认识，其中对BP神经网络和蒙特卡洛的结构以及构造方法进行了相对深入的研究，且在MATLAB平台上的实现相应的运算，根据研究分析尝试将蒙特卡洛算法与人工神经网络相结合进行实验。第二步以正交实验设计方法为基础设计相关实验方案对样本数据进行测算，在MATLAB平台上建立了BP神经网络仿真模型之后将样本数据作为训练样本，同时评估模型的泛化能力。最后得出的结果较为良好，BP神经网络模型的预测值在精确度上较好，符合数理统计中的相关要求，所以将其用于后续研究。 采用BP神经网络和蒙特卡洛算法相结合的模型，希望能够优化腌制品的相关配方，得到各参数的最优比。最后，对优说明所优化配方的方法是可行的，达到了配方优化的目标。 关键词：人工智能，神经网络，智能优化系统，MATLAB，腌制食品 第一章 绪论 1.1 课题的研究背景 IT技术的高速发展，信息化智能化的时代也在不断推进，庞大的数据与各种算法相结合，推动了各行各业更进一步。为了尽可能的解放人类、提高生产力，当下的计算机技术的研究方向是如何让机器以人的思维方式，进行大量的逻辑运算，即被称之为人工智能(Artificial Intelligence)。AI的运用首先是在机器人如较为有名的阿尔法Go，以及机械的自动化，代替人类进行动作决策；之后各行各业也开始尝试着与相关技术的结合，得到了较为不错的结果，比如材料行业利用AI进行大量运算实现对材料性能的预测；像本文所涉及的配方开发领域，也开始使用AI进行大数据分析及挖掘。人工神经网络是人工智能与生物以及认知科学相结合的产物，其中的生物特征是以人类神经网络的结构和行为为参照的，整个内部结构仿造人类大脑，计算方式类似脑神经，其中相互连接的处理单元被称之为神经元且处于高度互联的状态，整个计算系统相对而言较为复杂。近年来，越来越多的研究者将人工神经网络与神经网络相结合，补足人工神经网络的一些欠缺之处，充分利用BP神经网络的优化算法，提高了人工神经网络的智能搜索的功能，加快找到全局最优解的速度。 1.2 研究的目的和意义 腌制品配方的配比研究较为具有专业性以及技术性。以往在研究腌制品的配方时，只能通过实证研究来确定新配方各方面的性能是否得到优化，能否满足相关要求，为此就带来了实验方案设计问题以及后续如何评估的问题。为了节省人力及物力，实验方案以及后续评估都要求周期短、成本低，同时也要达到结果最佳，此时如何设计实验方案和后续结果评估方案的问题就显得特别突出。如果能够设计出较为合理的实验方案、有效且合适的后续结果评估方案，则可以通过较少的实验和较短的开发周期达到预期效果；相反的，如果设计出的实验方案以及结果评估方案既不合理也不得当，那么不仅会增加实验次数，延长产品开发时间，开发成本也出现一定的增加。过去，人们主要使用