数据库与材料数据库

1、数据库材料数据库数据库材料数据库l1.2 计算机数据处理技术经历了四个阶段1、人工管理阶段2、文件管理阶段3、数据库系统阶段4、高级数据库阶段第一节 数据库系统的组成和结构数据库系统的组成和结构l1.1 什么是工程数据库系统？ 20世纪60年代 20世纪70年代 20世纪80年代 工程数据库系统是用于存储、管理和使用面向工程设计所需要的工程数据和数据模型。它将工程设计方法和数据库技术相结合，人工智能及专家系统与数据库技术相结合，达到智能化的CAD/CAM集成系统。 数据库系统的基本知识l1.3 数据库系统的构成u数据库u数据库管理系统u支持数据库运行的软、硬件环境u用户用户数据库管理系统数据库

2、硬件/软件平台 应用程序数据集 1 应用程序数据集 2 应用程序数据集 n 数据库系统的构成数据库系统的构成 应用程序文件 1 应用程序文件 2 应用程序文件 n 存取 方法 数据库系统的构成应用程序 1应用程序 2应用程序 n数据库数据库管理系统 l数据库管理系统（数据库管理系统（DBMS）是专门用于管理）是专门用于管理数据库的计算机数据库的计算机系统软件系统软件。lDBMS能够为数据库提供数据的定义、建立、能够为数据库提供数据的定义、建立、维护、查询和统计等操作功能，并完成对数维护、查询和统计等操作功能，并完成对数据完整性、安全性进行控制的功能。据完整性、安全性进行控制的功能。l提供一个可

3、以方便地、有效地存取数据库信提供一个可以方便地、有效地存取数据库信息的环境息的环境.l分类：层次型、网络型、关系型分类：层次型、网络型、关系型l组成：数据描述和操纵语言、数据库管理控组成：数据描述和操纵语言、数据库管理控制程序和数据库服务程序三部分制程序和数据库服务程序三部分数据库管理系统的结构数据库管理系统的结构数据数据元数据元数据存储存储管理程序管理程序查询查询处理程序处理程序事务事务管理程序管理程序模式更新模式更新更新更新查询查询数据库系统管理数据的特点数据库系统管理数据的特点 1.5工程数据库的作用l可以减少研制产品的工作量、缩短研究周期、降低成本、提高效率和效益。材料科学与工程数据库

4、材料科学与工程数据库 l计算机材料性能数据库的优点：l1、存储信息量大，存取速度快l2、查询方便l3、材料的性能对比，易于选材l4、使用灵活l5、功能强大l6、应用广泛材料科学与工程数据库材料科学与工程数据库 与温度相关的材料性能数据库/srd/materials.htm美国国家标准研究所（NIST）的材料数据库l北京科技大学等联合材料腐蚀数据库l武汉保护材料研究所磨损数据库l航空航天部材料研究所航空材料数据库l清华大学新材料数据库 第二节 专家系统专家系统 l2.2 专家系统的发展 1、20世纪60年代 专家系统产生DENDRAL2、20世纪70年代20 趋于成熟

5、3、20世纪80年代之后 走向实用化和商品化l2.1 人工智能（Artificial Intelligence） 专家系统（Expert System） 专家系统是一种计算机程序，在某一特定领域内，它能利用知识推理来解决人类专家才能解决的问题 2.3专家系统的工作原理 l知识库l工作数据库l推理机l知识获取机制l解释机制l人机接口专家系统的组成用 户人 机 接 口综合数据库领域专家推理机解释程序知识获得知 识 库核心部分 知识库、推理机 2.4专家系统的类型l解释专家系统l预测专家系统l诊断专家系统l设计专家系统l规划专家系统l监视专家系统l控制专家系统 第三节 人工神经网络技术人工神经网络技

6、术 l3.2人工神经网络的组成u接受输入信号的单元层称为输入层；u输出信号的单元层称为输出层；u不直接与输入输出发生联系的单元层称为中间层或隐层。l3.1专家系统（Expert System）人工神经网络(Artificial Neural Network) 人工神经网络(Artificial Neural Network) 是一种信息处理技术，力图模拟人类处理问题方式去理解和利用信息。人工神经网络既可以解决决定性问题，又可以用于直接解决定量问题，具有较好的可靠性；擅长处理复杂的多元非线性问题；具有自学习能力，能从已有的数据中总结规律。 3.2 人工神经网络的组成 输出层输入层中间层3.3 神

7、经元的组成人工神经网络的基本单元是神经元，也称为处理单元 aj1XX2XinXW1jW2jijWWnjjyi)()(1jjjjinijijjgySfXWS3.4人工神经网络采用的传递函数 l（1）阶跃函数l（2）分段线性函数l（3）S型函数。yiSjOaOyiaSjOyiaSjb111x1x2nxy1n2yyy1yyn2x1n2xxy1yyn2x1n2xx1xx23x4xy1y23yy4(a)(b)(c)(d)(e)3.5 人工神经网络的结构形式 3.6 神经网络的学习方法l有指导的学习l没有指导的学习3.7 误差反传神经网络构成和学习方法l误差反向传播（Back-propagation, BP)lBP神经网络的组成输入模式顺传播输出误差逆传播循环记忆训练学