現代試驗設計優化方法及應用（簡體書）

《現代試驗設計優化方法及應用》主要介紹科學研究、工程技術與管理中常用的現代試驗設計、分析方法及其應用，包括誤差理論、方差分析、回歸分析、因子設計、正交試驗設計、穩健設計、模式識別、分形、人工神經網絡、蒙特卡洛模擬等內容以及數據處理軟件應用的介紹。《現代試驗設計優化方法及應用》可作為理工類和管理類相關專業的大學生、研究生教材，也可作為科研人員、工程管理技術人員和教師參考用書。

《現代試驗設計優化方法及應用》由鄭州大學出版社出版。

第一章 誤差理論和測量結果表達
第一節 誤差的分類及其相互轉化
第二節 準確度、精密度和精確度
第三節 有效數字與數字的修約
第四節 隨機誤差的統計特性
第五節 正態分布與幾種重要的非正態分布
第六節 樣本異常值的判斷和處理
第七節 測量結果的區間估計

第二章 統計推斷和顯著性檢驗
第一節 數理統計的基本概念
第二節 假設檢驗的基本思路和方法
第三節 總體均值的顯著性檢驗
第四節 總體方差的統計檢驗

第三章 方差分析
第一節 單因素試驗的方差分析
第二節 雙因素試驗的方差分析

第四章 回歸分析與曲線擬合
第一節 線性回歸
第二節 非線性回歸

第五章 因子設計
第一節 因子設計的概念
第二節 2k因子設計
第三節 3k因子設計

第六章 正交試驗設計
第一節 正交表及其用法
第二節 多指標正交試驗的分析方法
第三節 混合水平的正交試驗設計
第四節 有交互作用的正交試驗設計
第五節 正交試驗設計的方差分析
第六節 正交試驗沒計中的效應計算與指標值的預估計

第七章 穩健設計
第一節 概述
第二節 信噪比及其應用
第三節 穩健設計的步驟及實例

第八章 數學模型方法
第一節 基本概念
第二節 建模的一般步驟
第三節 人口的控制與預測
第四節 軋鋼中的浪費
第五節 藥物在體內的分布與排除

第九章 逐步回歸分析原理及應用
第一節 回歸分析方法
第二節 逐步回歸分析方法在農業生產中的應用
第三節 逐步回歸分析方法在制備礬土基β-sialon結合剛玉復合材料中的應用
第四節 應用逐步回歸分析預測居民銀行存款

第十章 模式識別原理及其應用
第十一章 人工神經網絡、遺傳算法原理及應用
第十二章 分形理論及其應用
第十三章 蒙特卡洛模擬基礎及應用
附錄

通常，神經網絡模型由網絡的拓撲結構、神經元特性和學習或訓練規則三個因素所決定。神經網絡按拓撲結構可分為輸入層、隱含層和輸出層。每一節點的輸出被送到下一層的所有節點。通過將這些處理單元組成層，將其相互連接起來，并對連接進行加權，從而形成神經網絡的拓撲結構。神經網絡的拓撲結構可分為分層網絡模型和相互連接型網絡模型。
人工神經網絡結構通常有以下幾種類型：不含反饋的前向階層型網絡，多層感知器與BP算法相關聯的網絡都屬此類；從輸出層到輸入層有反饋的前向網絡；層內互聯型的前向網絡；全互聯型網絡，如Hopfield網絡和Boltzmann機都屬此類；局部互聯型網絡。
函數神經網絡的學習算法可分為兩類：有監督學習算法和無監督學習算法。有監督學習算法要求同時給出輸入和正確的輸出，網絡根據當前輸出與所要求的目標輸出的差來進行網絡調整，使網絡作出正確的反映，如BP算法。無監督學習算法只需給出一組輸入，網絡能夠逐漸演變到對輸入的某種模式作出特定的反映，如自組織特征映射網絡。