| 表目录 | 第1-7页 |
| 图目录 | 第7-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12页 |
| ·研究现状 | 第12-15页 |
| ·目前主要预测分析方法 | 第13-15页 |
| ·人工神经网络预测分析 | 第15页 |
| ·论文的主要研究内容与文章结构 | 第15-17页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·论文的文章结构 | 第16-17页 |
| 第二章 人工神经网络概述 | 第17-29页 |
| ·人工神经网络的发展过程 | 第17-19页 |
| ·人工神经网络的原理 | 第19-24页 |
| ·麦酷洛奇-匹兹模型 | 第20-21页 |
| ·并行分布处理模型 | 第21-22页 |
| ·主要的传输函数类型 | 第22-24页 |
| ·人工神经网络的种类 | 第24-28页 |
| ·前馈型神经网络 | 第25-26页 |
| ·反馈型神经网络 | 第26-27页 |
| ·自组织型神经网络 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 BP神经网络的改进与优化 | 第29-51页 |
| ·BP神经网络原理及改进 | 第29-34页 |
| ·BP神经网络的结构 | 第29-30页 |
| ·BP算法 | 第30-32页 |
| ·BP神经网络的改进 | 第32-34页 |
| ·结合模拟退火算法和遗传算法 | 第34-45页 |
| ·模拟退火算法原理及改进 | 第34-38页 |
| ·遗传算法原理 | 第38-42页 |
| ·最优保存模拟退火算法和遗传算法的有机结合 | 第42-45页 |
| ·SAGA-BP神经网络 | 第45-50页 |
| ·SAGA-BP神经网络 | 第45-47页 |
| ·SAGA-BP神经网络性能分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于SAGA-BP神经网络的证券智能分析系统设计与实现 | 第51-86页 |
| ·系统的开发平台与开发工具 | 第51页 |
| ·SAGA-BP神经网络的设计与实现 | 第51-58页 |
| ·数据样本处理 | 第51-53页 |
| ·网络结构设计 | 第53-54页 |
| ·SAGA-BP神经网络的实现 | 第54-58页 |
| ·系统的功能设计与实现 | 第58-68页 |
| ·用户管理模块 | 第59-63页 |
| ·参数与数据管理模块 | 第63-66页 |
| ·预测分析模块 | 第66-68页 |
| ·预测结果及分析 | 第68-85页 |
| ·预测数据的选择及评价标准 | 第68页 |
| ·预测结果与分析 | 第68-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 结论与展望 | 第86-88页 |
| ·结论 | 第86页 |
| ·展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 作者在学期间取得的学术成果 | 第92页 |