| 摘要 | 第3-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究计划 | 第12-15页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.3.3 研究技术路线 | 第13页 |
| 1.3.4 拟突破的难点 | 第13页 |
| 1.3.5 论文创新点 | 第13-14页 |
| 1.3.6 论文章节结构 | 第14-15页 |
| 2 可拓学基础理论 | 第15-21页 |
| 2.1 可拓学的基本内容 | 第15页 |
| 2.2 可拓学的理论体系 | 第15-20页 |
| 2.2.1 基元的概念 | 第15-16页 |
| 2.2.2 可拓集合 | 第16-18页 |
| 2.2.3 关联函数 | 第18页 |
| 2.2.4 可拓推理 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 人工神经网络概述 | 第21-28页 |
| 3.1 大脑神经元模型 | 第21页 |
| 3.2 人工神经元模型 | 第21-22页 |
| 3.3 人工神经网络常用的激励函数 | 第22-24页 |
| 3.4 人工神经网络的基本模型 | 第24-25页 |
| 3.5 人工神经网络的学习方式及基本的学习规则 | 第25-27页 |
| 3.5.1 学习方式 | 第25-26页 |
| 3.5.2 基本的学习规则 | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 4 可拓神经网络模型 | 第28-53页 |
| 4.1 双权可拓神经网络 | 第28-29页 |
| 4.1.1 双权可拓神经网络结构 | 第28-29页 |
| 4.1.2 双权可拓神经网络算法 | 第29页 |
| 4.2 无监督的双权可拓神经网络模型 | 第29-35页 |
| 4.2.1 无监督的双权可拓神经网络的算法 | 第30-32页 |
| 4.2.2 无监督的双权可拓神经网络算法复杂性分析 | 第32页 |
| 4.2.3 无监督的双权可拓神经网络在股指期货中的应用研究 | 第32-35页 |
| 4.3 有监督的双权可拓神经网络模型 | 第35-43页 |
| 4.3.1 有监督的双权可拓神经网络的算法 | 第36-38页 |
| 4.3.2 有监督的双权可拓神经网络算法复杂性分析 | 第38页 |
| 4.3.3 有监督的双权可拓神经网络在股指期货中的应用研究 | 第38-43页 |
| 4.4 原有监督的双权可拓神经网络在股指期货预测中的应用研究 | 第43-46页 |
| 4.4.1 实验参数的确定 | 第43页 |
| 4.4.2 基于模型进行预测 | 第43-46页 |
| 4.5 BP神经网络在股指期货分析中的应用研究 | 第46-52页 |
| 4.5.1 BP神经网络的结构确定 | 第46-47页 |
| 4.5.2 基于模型进行预测 | 第47-52页 |
| 4.6 实验结果对比 | 第52页 |
| 4.6.1 改进后有监督的双权可拓神经网络与原算法的实验结果对比 | 第52页 |
| 4.6.2 改进后有监督的双权可拓神经网络与BP神经网络的实验结果对比 | 第52页 |
| 4.7 本研究的实际意义 | 第52-53页 |
| 5 结论 | 第53-55页 |
| 5.1 回顾和总结 | 第53页 |
| 5.2 本文工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间主要科研成果 | 第59页 |
