| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题的目的和意义 | 第9页 |
| 1.2 农户信贷问题 | 第9页 |
| 1.3 国内外研究进展 | 第9-11页 |
| 1.3.1 人工神经网络的发展历程 | 第9-10页 |
| 1.3.2 BP神经网络结合蚁群算法的研究 | 第10-11页 |
| 1.4 本文的创新点及论文组织结构 | 第11页 |
| 1.4.1 本文创新点 | 第11页 |
| 1.4.2 论文组织结构 | 第11页 |
| 1.5 算法实际意义 | 第11-13页 |
| 第二章 文献综述 | 第13-22页 |
| 2.1 神经网络的数学理论基础 | 第13-17页 |
| 2.1.1 人工神经网络简介 | 第13-14页 |
| 2.1.2 人工神经元 | 第14页 |
| 2.1.3 BP神经网络的定义 | 第14-15页 |
| 2.1.4 BP神经网络算法思想 | 第15-16页 |
| 2.1.5 BP神经网络的应用领域 | 第16页 |
| 2.1.6 BP神经网络的缺陷 | 第16-17页 |
| 2.2 蚁群算法 | 第17-20页 |
| 2.2.1 蚁群算法简介 | 第17页 |
| 2.2.2 蚁群算法的数学原理 | 第17-19页 |
| 2.2.3 蚁群算法的伪代码 | 第19-20页 |
| 2.2.4 蚁群算法的应用领域 | 第20页 |
| 2.3 分类问题简介 | 第20-22页 |
| 2.3.1 分类的目的 | 第20页 |
| 2.3.2 分类的过程 | 第20-21页 |
| 2.3.3 分类方法的评估标准 | 第21-22页 |
| 第三章 利用蚁群算法优化BP神经网络 | 第22-25页 |
| 3.1 优化方法简介 | 第22页 |
| 3.2 基于蚁群算法的改进型BP神经网络优化算法流程 | 第22-24页 |
| 3.3 改进型BP神经网络算法的实现 | 第24-25页 |
| 第四章 蚁群算法优化BP神经网络算法应用及结果分析 | 第25-33页 |
| 4.1 问题介绍 | 第25页 |
| 4.2 数据处理 | 第25-28页 |
| 4.2.1 数据来源 | 第25页 |
| 4.2.2 样本指标数据的处理 | 第25-27页 |
| 4.2.3 样本数据的矩阵转换 | 第27-28页 |
| 4.3 BP神经网络结构及主要参数设置 | 第28-29页 |
| 4.3.1 BP神经网络参数与结构设置 | 第28页 |
| 4.3.2 BP神经网络结构设置 | 第28页 |
| 4.3.3 BP神经网络的主要参数设置 | 第28页 |
| 4.3.4 蚁群算法主要参数设置 | 第28-29页 |
| 4.4 算法结果比较与分析 | 第29-31页 |
| 4.4.1 BP神经网络的误差分析 | 第29-30页 |
| 4.4.2 结果比较分析 | 第30-31页 |
| 4.5 预测结果对比 | 第31-33页 |
| 第五章 总结与展望 | 第33-34页 |
| 5.1 总结 | 第33页 |
| 5.2 展望 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 附录 | 第36-42页 |
| 致谢 | 第42-43页 |
| 作者简介 | 第43页 |