基于改进的BP神经网络库存预测模型及其应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15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 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 研究内容、方法和技术路线 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究方法和技术路线 | 第13-15页 |
| 第2章 基础理论概述 | 第15-24页 |
| 2.1 库存理论概述 | 第15-16页 |
| 2.1.1 库存概念 | 第15页 |
| 2.1.2 库存作用 | 第15-16页 |
| 2.2 库存管理理论概述 | 第16-17页 |
| 2.2.1 库存管理的概念 | 第16页 |
| 2.2.2 库存管理的作用 | 第16-17页 |
| 2.3 预测理论概述 | 第17-19页 |
| 2.3.1 预测的概念 | 第17-18页 |
| 2.3.2 预测的分类 | 第18-19页 |
| 2.4 BP神经网络 | 第19-23页 |
| 2.4.1 BP网络的定义及特点 | 第19-20页 |
| 2.4.2 BP神经网络的结构 | 第20-21页 |
| 2.4.3 BP神经网络算法 | 第21-23页 |
| 2.4.4 BP神经网络的不足及应用 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 BP神经网络预测模型改进优化 | 第24-33页 |
| 3.1 影响因素分析 | 第24-27页 |
| 3.2 分类方法优化 | 第27-30页 |
| 3.2.1 主成分分析 | 第27-28页 |
| 3.2.2 综合因素分析法 | 第28-30页 |
| 3.3 隐含层优化 | 第30-32页 |
| 3.3.1 隐含层层数 | 第30页 |
| 3.3.2 隐含层节点数 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 改进前后BP神经网络预测模型对比分析 | 第33-58页 |
| 4.1 MATLAB学习 | 第33页 |
| 4.2 数据处理 | 第33-35页 |
| 4.2.1 输入量数据处理 | 第33-34页 |
| 4.2.2 输出量数据处理 | 第34-35页 |
| 4.3 改进前BP神经网络预测模型分析 | 第35-42页 |
| 4.3.1 BP神经网络预测模型前期处理 | 第35-38页 |
| 4.3.2 BP神经网络预测模型构建 | 第38-39页 |
| 4.3.3 BP神经网络学习训练与仿真预测 | 第39-42页 |
| 4.4 改进后BP神经网络预测模型分析 | 第42-55页 |
| 4.4.1 BP神经网络预测模型前期处理 | 第42-48页 |
| 4.4.2 BP神经网络预测模型构建 | 第48-52页 |
| 4.4.3 BP神经网络学习训练与仿真预测 | 第52-55页 |
| 4.5 改进前后预测模型对比分析 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 结论与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-69页 |
