| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 现金回笼与投放预测方法研究现状 | 第9-10页 |
| 1.3 论文组织结构及内容安排 | 第10-12页 |
| 第二章 现金回笼与投放的传统预测方法 | 第12-16页 |
| 2.1 引言 | 第12页 |
| 2.2 成本分析预测法 | 第12-14页 |
| 2.2.1 现金回笼与投放的相关成本的构成分析 | 第12-13页 |
| 2.2.2 成本分析预测法在现金回笼与投放预测中的应用 | 第13-14页 |
| 2.3 Miller-Orr 模型 | 第14-15页 |
| 2.3.1 Miller-Orr 模型的基本概念 | 第14页 |
| 2.3.2 Miller-Orr 模型的建立 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 人工神经元网络概述 | 第16-24页 |
| 3.1 引言 | 第16页 |
| 3.2 人工神经元模型 | 第16-18页 |
| 3.3 人工神经网络模型 | 第18-22页 |
| 3.3.1 前馈神经网络模型 | 第18-20页 |
| 3.3.2 反馈神经网络模型 | 第20-21页 |
| 3.3.3 自组织神经网络 | 第21-22页 |
| 3.4 神经网络两大学习方法 | 第22页 |
| 3.5 误差反向传播 BP 算法 | 第22-23页 |
| 3.6 本章小结 | 第23-24页 |
| 第四章 基于序列输入的神经网络模型及算法 | 第24-35页 |
| 4.1 引言 | 第24-25页 |
| 4.2 序列神经网络模型 | 第25-26页 |
| 4.2.1 序列神经元模型 | 第25页 |
| 4.2.2 序列神经网络模型 | 第25-26页 |
| 4.3 序列神经网络算法 | 第26-28页 |
| 4.3.1 算法原理 | 第26-27页 |
| 4.3.2 算法描述 | 第27-28页 |
| 4.4 对比实验 | 第28-34页 |
| 4.4.1 Mackey-Glass 时间序列逼近 | 第28-30页 |
| 4.4.2 太阳黑子数年均值预测 | 第30-34页 |
| 4.4.3 实验结果分析 | 第34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 基于神经网络的现金回笼与投放预测方法 | 第35-45页 |
| 5.1 引言 | 第35页 |
| 5.2 现金回笼与投放的预测方案 | 第35-36页 |
| 5.2.1 确定输入输出指标集 | 第35-36页 |
| 5.2.2 预测方案设计 | 第36页 |
| 5.3 基于序列神经网络的现金回笼与投放预测方法 | 第36-37页 |
| 5.3.1 训练样本设计 | 第36页 |
| 5.3.2 实施方案设计 | 第36-37页 |
| 5.4 实验结果及分析 | 第37-40页 |
| 5.4.1 数据资料 | 第37-38页 |
| 5.4.2 训练结果 | 第38页 |
| 5.4.3 预测结果 | 第38-40页 |
| 5.5 基于分段线性插值 PNN 的预测方法 | 第40-44页 |
| 5.5.1 过程神经网络模型 | 第40-41页 |
| 5.5.2 线性插值基函数 | 第41页 |
| 5.5.3 分段线性插值 PNN 算法 | 第41-43页 |
| 5.5.4 算法描述 | 第43页 |
| 5.5.5 基于分段线性插值 PNN 的预测方法 | 第43-44页 |
| 5.6 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 详细摘要 | 第50-62页 |