| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景和意义 | 第8-9页 |
| 1.2 国内外文献综述 | 第9-11页 |
| 1.2.1 国外文献综述 | 第10页 |
| 1.2.2 国内文献综述 | 第10-11页 |
| 1.3 研究思路与研究工作 | 第11-13页 |
| 1.3.1 研究思路 | 第11页 |
| 1.3.2 研究工作 | 第11-13页 |
| 2 相关知识 | 第13-37页 |
| 2.1 基于误差逆传播算法的前馈神经网络模型 | 第13-19页 |
| 2.1.1 人工神经元模型 | 第13-14页 |
| 2.1.2 多层人工神经网络模型 | 第14-15页 |
| 2.1.3 基于误差逆传播算法的前馈神经网络模型 | 第15-18页 |
| 2.1.4 基于误差逆传播算法的前馈神经网络模型的局限性 | 第18-19页 |
| 2.2 循环神经网络模型 | 第19-28页 |
| 2.2.1 循环神经网络模型的结构 | 第19-21页 |
| 2.2.2 时序反向传播算法 | 第21-27页 |
| 2.2.3 循环神经网络模型的局限性 | 第27-28页 |
| 2.3 长短期记忆神经网络模型 | 第28-37页 |
| 2.3.1 长短期记忆神经网络模型的结构 | 第29-30页 |
| 2.3.2 长短期记忆神经网络模型的前向计算 | 第30-31页 |
| 2.3.3 长短期记忆神经网络模型的训练 | 第31-37页 |
| 3 三种神经网络模型对股票价格的预测分析 | 第37-46页 |
| 3.1 数据选择 | 第37-38页 |
| 3.2 方案设计 | 第38-39页 |
| 3.3 预测结果分析 | 第39-45页 |
| 3.3.1 基于误差逆传播算法的前馈神经网络模型的预测分析 | 第39-41页 |
| 3.3.2 基于循环神经网络模型的预测分析 | 第41-42页 |
| 3.3.3 基于长短期记忆神经网络模型的预测分析 | 第42-44页 |
| 3.3.4 三种神经网络模型的预测结果对比分析 | 第44-45页 |
| 3.4 小结 | 第45-46页 |
| 4 改进的长短期记忆神经网络模型在股票价格预测中应用 | 第46-53页 |
| 4.1 基于改进的学习率更新算法的预测结果分析 | 第46-49页 |
| 4.1.1 学习率更新算法的改进 | 第46-47页 |
| 4.1.2 预测分析 | 第47-49页 |
| 4.2 基于改进的长短期记忆神经网络结构的预测分析 | 第49-52页 |
| 4.2.1 长短期记忆神经网络的结构的改进 | 第49-50页 |
| 4.2.2 预测分析 | 第50-52页 |
| 4.3 小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 主要工作 | 第53-54页 |
| 5.2 不足与进一步研究工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
