中文摘要 | 第1-4页 |
Abstract | 第4-8页 |
第1章 绪论 | 第8-12页 |
·研究背景和意义 | 第8-11页 |
·本文主要研究内容 | 第11-12页 |
第2章 智能计算概述 | 第12-27页 |
·人工神经网络 | 第13-22页 |
·人工神经网络发展史 | 第14-15页 |
·人工神经元及激活函数 | 第15-18页 |
·人工神经网络拓扑结构 | 第18-19页 |
·人工神经网络分类 | 第19页 |
·人工神经网络学习 | 第19-22页 |
·进化计算 | 第22-26页 |
·进化计算发展史 | 第22-23页 |
·进化计算主要分支 | 第23-25页 |
·进化计算主要特征 | 第25-26页 |
·本章小结 | 第26-27页 |
第3章 BP 神经网络及其在股市预测中的应用 | 第27-36页 |
·BP 神经网络简介 | 第27-31页 |
·BP 神经网络拓扑结构 | 第28页 |
·BP 神经网络模型 | 第28-29页 |
·BP 神经网络算法 | 第29-31页 |
·实例仿真模拟与分析 | 第31-34页 |
·数据归一化处理 | 第31-32页 |
·性能指标 | 第32页 |
·仿真模拟与分析 | 第32-34页 |
·本章小结 | 第34-36页 |
第4章 引入趋势因子 BP 神经网络及其在股市预测中的应用 | 第36-42页 |
·趋势因子简介 | 第36页 |
·引入趋势因子 BP 神经网络 | 第36-38页 |
·实例仿真模拟与分析 | 第38-41页 |
·趋势因子选取 | 第39页 |
·仿真模拟与分析 | 第39-41页 |
·本章小结 | 第41-42页 |
第5章 基于 PSO-BP 混合智能模型及其在股市预测中应用 | 第42-49页 |
·粒子群优化算法简介 | 第42-44页 |
·粒子群优化算法原理 | 第42-43页 |
·粒子群优化算法数学模型 | 第43页 |
·粒子群优化算法流程 | 第43-44页 |
·基于 PSO-BP 混合智能模型 | 第44-45页 |
·实例仿真模拟与分析 | 第45-47页 |
·三种模型比较与分析 | 第47-48页 |
·本章小结 | 第48-49页 |
第6章 结论与展望 | 第49-51页 |
攻读硕士学位期间完成的科研成果 | 第51-52页 |
参考文献 | 第52-58页 |
致谢 | 第58页 |