| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 国内外财务预警研究的简要回顾 | 第11-15页 |
| 1.2.2 相关研究评述 | 第15-18页 |
| 1.3 研究内容、研究方法和创新点 | 第18-20页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 1.3.3 创新点 | 第19-20页 |
| 第2章 相关理论基础 | 第20-25页 |
| 2.1 神经网络 | 第20-21页 |
| 2.1.1 神经网络概述 | 第20页 |
| 2.1.2 神经网络特点 | 第20-21页 |
| 2.1.3 BP 神经网络 | 第21页 |
| 2.2 遗传算法 | 第21-24页 |
| 2.2.1 基本原理 | 第22页 |
| 2.2.2 相关概念 | 第22-23页 |
| 2.2.3 算法基本步骤 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 样本和财务预警指标的确定 | 第25-36页 |
| 3.1 样本与数据的选取 | 第25-28页 |
| 3.1.1 样本来源 | 第25-26页 |
| 3.1.2 数据选取 | 第26-28页 |
| 3.2 财务预警指标的确定 | 第28-35页 |
| 3.2.1 预警指标的选取原则 | 第28-30页 |
| 3.2.2 预警指标体系的构建 | 第30-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 遗传算法优化 BP 神经网络的财务预警模型 | 第36-45页 |
| 4.1 BP 神经网络预警模型 | 第36-40页 |
| 4.1.1 结构设计 | 第36-37页 |
| 4.1.2 样本处理 | 第37-39页 |
| 4.1.3 预警模型的算法步骤 | 第39-40页 |
| 4.2 遗传算法优化 BP 神经网络的预警模型 | 第40-44页 |
| 4.2.1 基本思路 | 第40-41页 |
| 4.2.2 算法步骤 | 第41-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 仿真实验 | 第45-53页 |
| 5.1 BP 神经网络预警模型 | 第45-46页 |
| 5.1.1 实验结果 | 第45-46页 |
| 5.1.2 结果分析 | 第46页 |
| 5.2 遗传算法优化 BP 神经网络模型 | 第46-52页 |
| 5.2.1 实验结果 | 第46-50页 |
| 5.2.2 结果分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 主要研究结论 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间取得的科研成果 | 第59页 |