第一章 综述 | 第1-21页 |
·引言 | 第9-10页 |
·神经网络在预测中的应用 | 第10-14页 |
·利用神经网络的时间序列预测方法 | 第10-11页 |
·利用神经网络的回归预测方法 | 第11-12页 |
·利用神经网络的组合预测方法 | 第12页 |
·利用神经网络确定ARMA模型的结构 | 第12-13页 |
·利用神经网络的经济预警研究 | 第13-14页 |
·小波分析理论及其应用 | 第14-18页 |
·小波分析理论的发展和研究现状 | 第15-17页 |
·小波分析理论应用概述 | 第17-18页 |
·本文的安排及主要工作 | 第18-21页 |
第二章 经济预测的基本理论 | 第21-29页 |
·经济预测的基本概念 | 第21-22页 |
·经济预测的起源和发展 | 第21页 |
·经济预测的概念 | 第21-22页 |
·经济预测的基本原则 | 第22-23页 |
·常用的预测方法分类 | 第23-24页 |
·经济预测的准确度评价指标 | 第24-29页 |
第三章 神经网络与小波分析理论 | 第29-54页 |
·神经网络的基本结构及其特征 | 第29-31页 |
·神经网络的形式化描述 | 第29-30页 |
·网络的信息处理能力 | 第30-31页 |
·一般前馈网络及特点 | 第31-39页 |
·多层感知器 | 第31页 |
·BP网络及局限性 | 第31-35页 |
·RBF网络及存在的问题 | 第35-36页 |
·前向网络的映射作用 | 第36-37页 |
·前馈神经网络的激活函数 | 第37-39页 |
·小波分析基础 | 第39-48页 |
·从Fourier分析到小波分析 | 第39-42页 |
·小波与连续小波变换 | 第42-44页 |
·Hilbert空间的基与框架 | 第44-46页 |
·离散小波变换与小波框架 | 第46-48页 |
·多分辨分析与Mallat小波算法 | 第48-54页 |
·多分辨分析 | 第48-51页 |
·Mallat算法 | 第51-54页 |
第四章 小波网络及其逼近问题 | 第54-70页 |
·小波网络 | 第54-58页 |
·小波网络的结构形式 | 第54-57页 |
·小波网络的学习算法 | 第57-58页 |
·小波网络的最佳逼近与全局逼近 | 第58-68页 |
·小波网络的最佳逼近 | 第58-63页 |
·小波网络的全局逼近与L2逼近 | 第63-68页 |
·小波网络与常规神经网络的比较 | 第68-70页 |
第五章 连续参数小波网络及其在 非线性经济时间序列预测中的应用 | 第70-88页 |
·连续参数小波网络 | 第70-79页 |
·单输入连续参数小波网络 | 第70-73页 |
·多输入连续参数小波网络 | 第73-79页 |
·连续参数小波网络在非线性经济时间序列预测中的应用 | 第79-87页 |
·传统的经济时间序列预测方法 | 第79-82页 |
·经济时间序列连续参数小波网络预测模型 | 第82-87页 |
·小结 | 第87-88页 |
第六章 正交小波网络及其应用 | 第88-103页 |
·多维小波的多分辨分析理论 | 第88-91页 |
·基于多分辨分析的正交小波网络 | 第91-98页 |
·正交小波网络结构 | 第91-93页 |
·分层、递阶学习算法 | 第93-97页 |
·正交小波网络权重的确定 | 第97-98页 |
·正交小波网络的应用 | 第98-101页 |
·中国人口的发展与现状 | 第98-99页 |
·基于正交小波网络的人口预测模型 | 第99-101页 |
·小结 | 第101-103页 |
第七章 正交尺度小波网络及其在非线性经济预测中的应用 | 第103-112页 |
·正交尺度小波网络及学习算法 | 第103-106页 |
·正交尺度小波网络在非线性经济系统预测中的应用 | 第106-111页 |
·基于神经网络的非线性系统建模 | 第106-109页 |
·基于正交尺度小波网络的宏观经济预测建模 | 第109-111页 |
·小结 | 第111-112页 |
第八章 分类小波网络及在证券市场中的应用 | 第112-121页 |
·分类小波网络结构及学习算法 | 第112-115页 |
·基于分类小波网络的证券市场预测 | 第115-120页 |
·证券预测系统分析 | 第115-117页 |
·预测模型的选择 | 第117页 |
·基于分类小波网络的证券市场预测 | 第117-120页 |
·小结 | 第120-121页 |
总结与展望 | 第121-124页 |
参考文献 | 第124-133页 |
发表论文和参加科研情况 | 第133-134页 |
致 谢 | 第134页 |