基于贝叶斯正则化BP神经网络的上市公司财务困境预警模型
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言 | 第11页 |
| ·研究背景 | 第11-12页 |
| ·文献回顾 | 第12-15页 |
| ·财务预警文献回顾 | 第12-13页 |
| ·贝叶斯神经网络文献回顾 | 第13-15页 |
| ·本文的研究意义 | 第15-16页 |
| ·本文的研究结构 | 第16-17页 |
| 第2章 财务困境预警研究理论与研究现状 | 第17-27页 |
| ·财务预警与财务困境 | 第17-21页 |
| ·财务困境 | 第17-19页 |
| ·财务预警 | 第19-21页 |
| ·财务预警模型及其评价 | 第21-25页 |
| ·现有预警模型 | 第21-24页 |
| ·预警模型评价 | 第24-25页 |
| ·基于贝叶斯正则化BP神经网络的财务预警方法提出 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 BP神经网络及其贝叶斯正则化 | 第27-37页 |
| ·人工神经网络简介 | 第27-28页 |
| ·BP神经网络 | 第28-30页 |
| ·BP网络的结构 | 第28页 |
| ·前馈神经网络与误差反向传播过程 | 第28-29页 |
| ·BP网络的学习 | 第29-30页 |
| ·贝叶斯正则化BP神经网络 | 第30-35页 |
| ·正则化法 | 第31-32页 |
| ·贝叶斯方法 | 第32页 |
| ·神经网络的贝叶斯学习 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 实证分析 | 第37-54页 |
| ·研究样本的获取 | 第37-40页 |
| ·财务困境的界定 | 第37页 |
| ·研究期间的确定 | 第37页 |
| ·样本获取 | 第37-40页 |
| ·财务指标的选取 | 第40-43页 |
| ·研究方法及实现软件 | 第43页 |
| ·研究方法 | 第43页 |
| ·实现软件MATLAB | 第43页 |
| ·构建贝叶斯BP网络模型 | 第43-45页 |
| ·数据归一化处理 | 第43-44页 |
| ·网络结构的确定 | 第44-45页 |
| ·贝叶斯BP网络的应用实现过程 | 第45-46页 |
| ·结果分析 | 第46-50页 |
| ·传统BP神经网络实证分析 | 第50-53页 |
| ·模型比较 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第59-60页 |
| 附录B | 第60-66页 |
| 致谢 | 第66页 |
