| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景与动机 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·本文的思路与主要工作 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 财务危机预警背景知识介绍 | 第13-19页 |
| ·财务危机预警的功能 | 第13页 |
| ·财务危机预警模型简介 | 第13-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 人工神经网络技术 | 第19-27页 |
| ·神经网络简介 | 第19页 |
| ·神经网络模型及训练 | 第19-23页 |
| ·BP神经网络的理论基础 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 神经网络集成学习方法 | 第27-37页 |
| ·集成学习的基本思想 | 第27页 |
| ·神经网络集成理论分析 | 第27-30页 |
| ·集成神经网络的构造与实现 | 第30-31页 |
| ·装袋(Bagging) & 提升(Boosting)方法及理论分析 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 改进的集成神经网络构建财务预警模型 | 第37-47页 |
| ·神经网络输入输出变量的确定 | 第37-38页 |
| ·选用的个体神经网络 | 第38-39页 |
| ·采用集成神经网络构建模型的有效性 | 第39页 |
| ·基于最小风险(代价)的思想在财务预警中的运用 | 第39-45页 |
| ·本章小结 | 第45-47页 |
| 第六章 实验过程 | 第47-64页 |
| ·实验数据的筛选 | 第47-49页 |
| ·单个神经网络的调节 | 第49-52页 |
| ·集成神经网络 | 第52-57页 |
| ·基于风险(代价)最小的Adaboost模型实验 | 第57-62页 |
| ·本章小结 | 第62-64页 |
| 第七章 总结 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·进一步的研究工作 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 在校期间发表的学术论文清单 | 第71-72页 |
| 致谢 | 第72页 |