| 内容提要 | 第1-9页 |
| 第一章 前言 | 第9-15页 |
| ·研究个人信用评估的意义 | 第9页 |
| ·国内外个人信用评估的发展历史以及现状 | 第9-13页 |
| ·国外个人信用评估的发展历史以及现状 | 第9-10页 |
| ·我国个人信用评估的发展历史以及现状 | 第10-12页 |
| ·人工神经网络在个人信用评估和风险预警中的应用 | 第12-13页 |
| ·论文的研究内容以及论文的结构 | 第13-15页 |
| 第二章 BP 网络和GA 算法 | 第15-27页 |
| ·人工神经网络技术 | 第15-19页 |
| ·神经元模型概述 | 第15-17页 |
| ·神经网络的工作原理 | 第17-18页 |
| ·神经网络的特点 | 第18-19页 |
| ·误差逆传播算法（BP 算法） | 第19-23页 |
| ·BP 算法的数学描述 | 第19-23页 |
| ·遗传算法（GA） | 第23-25页 |
| ·遗传算法的发展 | 第23页 |
| ·遗传算法的描述 | 第23-24页 |
| ·遗传算法的特点 | 第24-25页 |
| ·简单遗传算法 | 第25页 |
| ·人工神经网络与遗传算法的结合 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 构建个人信用评估模型的数据基础 | 第27-37页 |
| ·训练数据和测试数据的来源及筛选 | 第27-30页 |
| ·数据的来源 | 第27页 |
| ·数据的筛选――数据筛选的原则和方法 | 第27-30页 |
| ·个人信用评估指标体系的构建 | 第30-35页 |
| ·个人信用评估指标体系的构建原则 | 第30-31页 |
| ·本文所选取的评估指标及含义 | 第31-32页 |
| ·指标数据标准化处理 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 利用GA 调优BP 网络权值的方法构建个人信用评估模型 | 第37-52页 |
| ·BP 网络输入、输出节点数目的选择 | 第37页 |
| ·BP 网络神经元转移函数的选择 | 第37-38页 |
| ·BP 网络初始权值的选择 | 第38页 |
| ·BP 网络层数的选择 | 第38页 |
| ·BP 网络误差函数和训练精度的选择 | 第38-40页 |
| ·误差函数的选择 | 第38-39页 |
| ·训练精度即误差总和ε的选择 | 第39-40页 |
| ·三层BP 网络隐层节点数目的选择 | 第40-42页 |
| ·选择方法 | 第40页 |
| ·不同隐层节点数目对训练次数和鉴别准确度的影响 | 第40-41页 |
| ·试验结论 | 第41-42页 |
| ·训练样本的选择 | 第42-44页 |
| ·对使用Memond 法提高BP 网络收敛速度的研究 | 第44-45页 |
| ·什么是Memond 法 | 第44页 |
| ·对使用Memond 法提高BP 网络收敛速度的比较实验 | 第44-45页 |
| ·比较实验的问题和结论 | 第45页 |
| ·对未经GA 优化的BP 网络的评估 | 第45-46页 |
| ·利用GA 优化BP 网络的方法 | 第46-50页 |
| ·适应度函数的选择 | 第46-47页 |
| ·初始群体设定 | 第47页 |
| ·多参数的实数编码 | 第47-49页 |
| ·对GA 的优化 | 第49-50页 |
| ·对经过GA 优化的BP 网络的评估 | 第50-52页 |
| 第五章 结论和思考 | 第52-56页 |
| ·本文所进行的研究的意义 | 第52-53页 |
| ·在完成论文的过程中主要进行的工作 | 第53-54页 |
| ·问题和展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 摘要 | 第58-61页 |
| Abstract | 第61-65页 |
| 致谢 | 第65页 |
