首页--经济论文--经济计划与管理论文--企业经济论文--企业生产管理论文--企业技术管理论文

基于神经网络的技术合同风险分析技术研究

摘要第5-6页
abstract第6页
第1章 绪论第11-19页
    1.1 研究背景及意义第11-12页
        1.1.1 研究背景第11页
        1.1.2 研究目的及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 风险分析的研究现状第12-13页
        1.2.2 合同风险分析的研究现状第13-15页
        1.2.3 技术合同风险分析的研究现状第15页
    1.3 论文主要研究内容第15-16页
    1.4 论文组织结构第16-19页
第2章 相关工作与理论基础第19-27页
    2.1 技术合同相关理论第19-20页
    2.2 风险分析相关理论第20-22页
        2.2.1 风险评估的常用方法第20-22页
        2.2.2 风险评价的常用方法第22页
    2.3 人工神经网络第22-25页
        2.3.1 人工神经网络的概念第22-23页
        2.3.2 神经网络工作原理第23-25页
        2.3.3 神经网络分类第25页
    2.4 本章小结第25-27页
第3章 风险因子动态识别算法第27-53页
    3.1 传统的风险识别方法第27-32页
    3.2 风险因子动态识别算法基本介绍第32-34页
    3.3 基本风险因子库的建立第34-37页
        3.3.1 技术合同风险因子理论第34-36页
        3.3.2 技术合同基本风险因子库的建立第36-37页
    3.4 基于自然语言处理的合同文本分析第37-46页
        3.4.1 技术合同模板文本分析第38页
        3.4.2 中国人名识别第38-42页
        3.4.3 机构名识别第42-44页
        3.4.4 关键词提取第44-46页
    3.5 基于网络爬虫的合同风险分析第46-49页
        3.5.1 网络爬虫相关知识第46-48页
        3.5.2 基于网络爬虫的合同风险分析第48-49页
    3.6 风险因子库的二次整合第49-50页
    3.7 本章小结第50-53页
第4章 基于神经网络的技术合同风险分析模型的构建第53-61页
    4.1 神经网络模型第53-56页
        4.1.1 Elman神经网络结构第53-54页
        4.1.2 Elman神经网络的学习算法第54-56页
    4.2 神经网络模型输入数据的预处理第56-58页
        4.2.1 双因素风险因子量化方法必要性分析第56页
        4.2.2 双因素风险因子量化方法基本原理第56-58页
    4.3 神经网络模型的构造第58-59页
        4.3.1 Elman神经网络模型构造第58-59页
        4.3.2 风险预警第59页
    4.4 本章小结第59-61页
第5章 实验结果验证及其应用第61-69页
    5.1 技术路线及工作流程第61-62页
    5.2 实验环境与方案第62页
    5.3 实验结果及分析第62-68页
        5.3.1 风险因子识别第63-66页
        5.3.2 神经网络模型输入数据预处理第66页
        5.3.3 神经网络模型的训练与测试第66-68页
    5.4 本章小结第68-69页
结论第69-71页
参考文献第71-75页
攻读硕士学位期间发表的论文和取得的科研成果第75-77页
致谢第77-78页

论文共78页,点击 下载论文
上一篇:从“国家英雄”到“洪荒少女”--1984年以来奥运运动员的媒介形象变迁
下一篇:分布式统计系统的任务调度遗传算法