| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-7页 |
| 第1章 绪论 | 第7-23页 |
| 1．1 神经网络 | 第7-13页 |
| 1．1．1 神经元与神经网络 | 第7-10页 |
| 1．1．2 神经网络理论的发展 | 第10-13页 |
| 1．2 粗糙集理论 | 第13-20页 |
| 1．2．1 粗糙集理论的基本概念 | 第13-19页 |
| 1．2．2 粗糙集理论的特点 | 第19页 |
| 1．2．3 粗糙集理论的应用 | 第19-20页 |
| 1．3 粗神经网络 | 第20-23页 |
| 第2章 粗神经网络结构与学习算法 | 第23-47页 |
| 2．1 粗神经网络结构与学习规则 | 第23-31页 |
| 2．2 误差逆向传播粗神经网络学习规则的数学推导 | 第31-44页 |
| 2．2．1 学习算法的推导 | 第31-41页 |
| 2．2．2 学习算法的步骤与框图 | 第41-44页 |
| 2．3 其他在线误差函数和活化函数 | 第44-47页 |
| 2．3．1 其他活化函数 | 第44页 |
| 2．3．2 其他在线误差函数 | 第44-47页 |
| 第3章 粗神经网络在股市预测中的应用 | 第47-54页 |
| 3．1 样本的选取和预处理 | 第47-49页 |
| 3．2 网络各层神经元的个数及相关常数的选取 | 第49-52页 |
| 3．3 网络的训练和预测结果 | 第52-54页 |
| 第4章 结论 | 第54-56页 |
| 4．1 本文主要工作 | 第54页 |
| 4．2 本文研究存在的问题 | 第54-55页 |
| 4．3 有待进一步研究的问题 | 第55-56页 |
| 作者在攻读学位期间的科研情况简介 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 附录1 训练、预测结果与原始数据的对比 | 第64-66页 |
| 附录2 1998．6．18至1998．8．28上证指数的原始数据 | 第66-68页 |
| 附录3 用RNN-BP算法预测股市的源程序 | 第68-86页 |