| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 导论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·研究目的 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·国内外研究动态评述 | 第13-16页 |
| ·国外研究动态评述 | 第13-15页 |
| ·国内研究动态评述 | 第15-16页 |
| ·研究思路与方法 | 第16-17页 |
| ·研究思路 | 第16-17页 |
| ·研究方法 | 第17页 |
| ·本文创新之处 | 第17-18页 |
| 第二章 人工神经网络的相关理论 | 第18-30页 |
| ·神经网络的发展概况 | 第18-19页 |
| ·初期阶段 | 第18页 |
| ·停滞期 | 第18-19页 |
| ·黄金时期 | 第19页 |
| ·神经网络原理 | 第19-20页 |
| ·神经网络的分类 | 第20-23页 |
| ·按网络结构划分的神经网络 | 第21页 |
| ·按网络学习模式划分的神经网络 | 第21-22页 |
| ·常见的人工神经网络模型 | 第22-23页 |
| ·神经网络的特点及其应用领域 | 第23-30页 |
| ·神经网络的特点 | 第23-24页 |
| ·神经网络的应用领域 | 第24-25页 |
| ·神经网络在管理中的应用 | 第25-30页 |
| 第三章 农民收入预测方法及其比较 | 第30-37页 |
| ·农民收入预测的概念 | 第30页 |
| ·农民收入预测的作用 | 第30-31页 |
| ·农民收入预测的基本方法 | 第31-33页 |
| ·定性预测法 | 第31页 |
| ·定量预测法 | 第31-33页 |
| ·农民收入预测定量模型比较 | 第33-37页 |
| ·时间序列预测 | 第33-34页 |
| ·回归预测 | 第34-35页 |
| ·灰色预测 | 第35页 |
| ·神经网络预测 | 第35-37页 |
| 第四章 基于BP 神经网络的农民收入预测模型的构建 | 第37-48页 |
| ·BP 神经网络应用于预测的原理、步骤及可行性 | 第37-40页 |
| ·BP 神经网络应用于预测的原理 | 第37-38页 |
| ·BP 神经网络应用于预测的步骤 | 第38-39页 |
| ·BP 神经网络应用于预测的可行性 | 第39-40页 |
| ·输入变量的分析与预处理 | 第40-42页 |
| ·输入变量之间的相关性分析 | 第40页 |
| ·输入数据的预处理 | 第40-42页 |
| ·BP 神经网络结构设计 | 第42-44页 |
| ·隐层数的选取 | 第42页 |
| ·隐层节点数的选取 | 第42-43页 |
| ·初始权值的选取 | 第43页 |
| ·响应函数的选取 | 第43-44页 |
| ·训练算法及训练参数的选择 | 第44-47页 |
| ·训练算法的选择 | 第44-46页 |
| ·训练方式的选择 | 第46页 |
| ·训练参数的选取 | 第46页 |
| ·训练次数的确定 | 第46-47页 |
| ·合理网络模型的确定 | 第47-48页 |
| 第五章 农民收入预测模型的实现——陕西案例 | 第48-67页 |
| ·陕西省农民收入预测模型的数据来源分析 | 第48-53页 |
| ·陕西省农民收入状况分析 | 第48-51页 |
| ·农民收入预测指标的选择 | 第51-53页 |
| ·学习样本和输入输出变量的确定 | 第53页 |
| ·学习样本的确定 | 第53页 |
| ·输入与输出变量的确定 | 第53页 |
| ·基于MATLAB神经网络工具箱的网络模型设计 | 第53-56页 |
| ·BP 网络的建立 | 第54-55页 |
| ·权和阈值的初始化 | 第55-56页 |
| ·网络训练 | 第56页 |
| ·检验网络 | 第56页 |
| ·基于历年农民收入数据的BP 网络预测模型实现案例 | 第56-61页 |
| ·预测步骤 | 第56-58页 |
| ·农民收入预测结果分析 | 第58-61页 |
| ·预测程序的编写过程 | 第61页 |
| ·基于影响农民收入因素的BP 网络预测模型实现案例 | 第61-67页 |
| ·预测步骤 | 第61-63页 |
| ·农民收入预测结果分析 | 第63-66页 |
| ·预测程序的编写过程 | 第66-67页 |
| 第六章 结束语 | 第67-68页 |
| ·结论 | 第67页 |
| ·进一步研究的建议 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82页 |
