| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人工神经网络的研究现状 | 第10-11页 |
| 1.3 智能决策支持系统的研究现状 | 第11页 |
| 1.4 论文的主要研究内容 | 第11-13页 |
| 第二章 相关理论和技术 | 第13-25页 |
| 2.1 人工神经网络 | 第13-19页 |
| 2.1.1 人工神经网络简介和特点 | 第13-15页 |
| 2.1.1.1 人工神经网络简介 | 第13-14页 |
| 2.1.1.2 人工神经网络特点 | 第14-15页 |
| 2.1.2 人工神经网络的基本原理 | 第15页 |
| 2.1.3 人工神经元模型 | 第15-16页 |
| 2.1.4 人工神经网络模型 | 第16-19页 |
| 2.1.5 人工神经网络的学习算法 | 第19页 |
| 2.1.6 人工神经网络的应用领域 | 第19页 |
| 2.2 智能决策支持系统 | 第19-24页 |
| 2.2.1 决策支持系统的一般内容 | 第19-21页 |
| 2.2.2 智能决策支持系统基本概述 | 第21-23页 |
| 2.2.3 智能决策支持分类 | 第23-24页 |
| 2.2.4 智能决策支持系统的应用领域 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 人工神经网络BP算法 | 第25-46页 |
| 3.1 概述 | 第25-26页 |
| 3.2 BP神经网络模型和学习算法 | 第26-32页 |
| 3.2.1 BP神经网络模型 | 第26-28页 |
| 3.2.2 BP学习算法 | 第28-32页 |
| 3.3 销售预测的神经网络模型设计 | 第32-45页 |
| 3.3.1 BP神经网络模型改进 | 第32-38页 |
| 3.3.2 网络输入输出的确定 | 第38-39页 |
| 3.3.3 BP神经网络层数 | 第39页 |
| 3.3.4 BP神经网络隐含层神经元数目的选择 | 第39-40页 |
| 3.3.5 BP神经网络训练样本集的选择和数据的归一化处理 | 第40-42页 |
| 3.3.6 BP神经网络初始参数选择 | 第42-44页 |
| 3.3.7 BP神经网络激活函数的选择 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 系统分析与设计 | 第46-61页 |
| 4.1 系统目标 | 第46页 |
| 4.2 系统的总体结构 | 第46-55页 |
| 4.2.1 系统需求分析 | 第46-47页 |
| 4.2.2 系统的总体结构设计 | 第47-48页 |
| 4.2.3 数据库和数据库管理系统 | 第48-50页 |
| 4.2.4 模型库设计 | 第50-53页 |
| 4.2.5 方法库的设计 | 第53-54页 |
| 4.2.6 知识库的设计和推理机 | 第54-55页 |
| 4.3 销售系统的业务流程 | 第55-58页 |
| 4.4 系统子功能 | 第58-60页 |
| 4.4.1 人员信息管理信息模块 | 第58页 |
| 4.4.2 商品销售数据模块 | 第58-59页 |
| 4.4.3 决策支持分析模块 | 第59页 |
| 4.4.4 系统管理模块 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 系统的实现与案例分析 | 第61-79页 |
| 5.1 系统实现 | 第61-64页 |
| 5.2 实证分析 | 第64-78页 |
| 5.2.1 钢铁厂年销售预测 | 第64-69页 |
| 5.2.2 钢铁厂金属制品销售量预测 | 第69-77页 |
| 5.2.3 结果分析 | 第77-78页 |
| 5.3 本章小结 | 第78-79页 |
| 总结和展望 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |