| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-10页 |
| ·选题意义 | 第7-9页 |
| ·本文主要内容 | 第9-10页 |
| 第二章 人工神经网络综述 | 第10-21页 |
| ·神经网络的发展和应用 | 第10-11页 |
| ·人工神经网络模型 | 第11-17页 |
| ·神经网络节点的形式化描述 | 第11页 |
| ·神经元状态转移函数的类型 | 第11-12页 |
| ·神经网络的工作方式 | 第12-13页 |
| ·神经网络处理信息的特点 | 第13页 |
| ·神经网络的分类 | 第13页 |
| ·神经网络的拓扑结构 | 第13-14页 |
| ·神经网络的学习方式 | 第14-17页 |
| ·Elman 人工神经网络 | 第17-18页 |
| ·Elman 人工神经网络简介 | 第17页 |
| ·Elman 人工神经网络学习算法 | 第17-18页 |
| ·OIF Elman 人工神经网络 | 第18-21页 |
| ·OIF Elman 人工神经网络简介 | 第18-19页 |
| ·OIF Elman 人工神经网络学习算法 | 第19-21页 |
| 第三章 Elman 神经网络及其在股市中的应用 | 第21-28页 |
| ·时间收益因素简介 | 第22-23页 |
| ·引入时间收益因素Elman 神经网络简介 | 第23-24页 |
| ·引入时间收益因素Elman 神经网络的学习算法 | 第23-24页 |
| ·在股市预测中的应用 | 第24-28页 |
| ·打折率a 的选取 | 第25页 |
| ·股市综合指数的预测实例 | 第25页 |
| ·股票利润率的比较 | 第25-28页 |
| 第四章 OIF Elman 网络预测和评价大气质量 | 第28-34页 |
| ·惩罚收益因素简介 | 第28页 |
| ·引入惩罚收益因素OIF Elman 神经网络学习算法 | 第28-30页 |
| ·在大气质量预测和评价中的应用 | 第30-34页 |
| ·惩罚收益因素参数值的确定 | 第30-31页 |
| ·大气质量预测实例 | 第31-32页 |
| ·大气质量评价实例 | 第32-34页 |
| 第五章 实验结果分析 | 第34-36页 |
| ·在股市中应用的分析 | 第34页 |
| ·在大气质量预测和评价中应用的分析 | 第34-36页 |
| 第六章 结论与展望 | 第36-38页 |
| ·结论 | 第36页 |
| ·展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 发表论文和科研情况说明 | 第41-42页 |
| 致谢 | 第42页 |