摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 引言 | 第9-13页 |
第2章 BP神经网络 | 第13-31页 |
2.1 logistic回归 | 第13-16页 |
2.1.1 sigmoid函数 | 第14-15页 |
2.1.2 代价函数 | 第15页 |
2.1.3 梯度下降 | 第15-16页 |
2.2 感知机 | 第16-17页 |
2.3 BP神经网络(Back Propagation Neural Network) | 第17-29页 |
2.3.1 BP神经网络的前向传播 | 第19-20页 |
2.3.2 激活函数 | 第20-24页 |
2.3.3 代价函数 | 第24页 |
2.3.4 参数更新 | 第24-25页 |
2.3.5 梯度下降算法的变形 | 第25-27页 |
2.3.6 过拟合 | 第27-29页 |
2.3.7 BP神经网络在房价预测模型中的应用 | 第29页 |
2.4 总结 | 第29-31页 |
第3章 卷积神经网络 | 第31-41页 |
3.1 卷积神经网络的结构 | 第31-35页 |
3.1.1 数据输入层 | 第31-32页 |
3.1.2 卷积计算层 | 第32-33页 |
3.1.3 池化层 | 第33-34页 |
3.1.4 全连接层 | 第34-35页 |
3.2 卷积神经网络的参数更新 | 第35-36页 |
3.3 卷积神经网络的特点 | 第36-37页 |
3.4 卷积神经网络在房价预测中的应用 | 第37-39页 |
3.4.1 word2vec | 第37-39页 |
3.5 总结 | 第39-41页 |
第4章 模型实证与分析 | 第41-49页 |
4.1 指标选取 | 第41-42页 |
4.2 数据预处理 | 第42-43页 |
4.3 模型建立 | 第43-46页 |
4.3.1 多元线性回归模型 | 第44页 |
4.3.2 浅层神经网络 | 第44-45页 |
4.3.3 深层神经网络 | 第45-46页 |
4.4 正则化 | 第46-47页 |
4.5 模型评价及改进 | 第47-49页 |
参考文献 | 第49-51页 |
致谢 | 第51-53页 |
附录 | 第53-63页 |