基于BP神经网络视角的新三板光电企业价值评估研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 前言 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 文献综述 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-13页 |
| 1.3 主要研究内容与方法 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 主要研究方法 | 第13-14页 |
| 1.4 论文框架 | 第14页 |
| 1.5 论文创新 | 第14-16页 |
| 2 光电产业发展现状和理论基础 | 第16-27页 |
| 2.1 光电产业现状 | 第16-20页 |
| 2.1.1 全球光电产业发展现状 | 第17页 |
| 2.1.2 我国光电产业发展现状 | 第17-20页 |
| 2.1.3 光电企业特征 | 第20页 |
| 2.2 传统价值评估方法 | 第20-23页 |
| 2.2.1 传统方法的适用性 | 第20-22页 |
| 2.2.2 传统方法的局限性 | 第22-23页 |
| 2.3 BP算法的人工智能网络 | 第23-25页 |
| 2.3.1 BP神经网络基本原理 | 第23页 |
| 2.3.2 BP神经网络算法过程 | 第23-25页 |
| 2.4 BP网络在光电价值评估中的适应性 | 第25-27页 |
| 3 光电价值影响因素分析 | 第27-33页 |
| 3.1 光电价值来源 | 第27页 |
| 3.2 光电价值组成 | 第27-29页 |
| 3.3 光电价值影响因素 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 实证研究 | 第33-51页 |
| 4.1 BP网络模型的设计 | 第33-35页 |
| 4.1.1 BP模型的结构设计 | 第33页 |
| 4.1.2 BP模型的优化改进 | 第33-34页 |
| 4.1.3 函数和参数的确定 | 第34-35页 |
| 4.2 实证过程 | 第35-43页 |
| 4.2.1 数据和样本收集 | 第35-36页 |
| 4.2.2 数据归一化 | 第36-37页 |
| 4.2.3 训练设置 | 第37-40页 |
| 4.2.4 仿真和对比结果 | 第40-43页 |
| 4.3 重要性分析 | 第43-44页 |
| 4.4 主流评估模型对比 | 第44-49页 |
| 4.4.1 实物期权 | 第44-47页 |
| 4.4.2 经济增加值 | 第47-49页 |
| 4.5 实证总结 | 第49-51页 |
| 5 结论和展望 | 第51-53页 |
| 5.1 研究结论 | 第51-52页 |
| 5.2 未来展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-64页 |
| 致谢 | 第64页 |
