基于误差反向传播神经网络的预测模型研究--以联想笔记本电脑销售数据为例
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 预测技术研究现状 | 第9-11页 |
| 1.2.2 人工神经网络研究 | 第11-12页 |
| 1.2.3 组合预测技术研究 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 研究方法及技术路线 | 第14-15页 |
| 1.4.1 主要研究方法 | 第14页 |
| 1.4.2 研究技术路线 | 第14-15页 |
| 1.5 文章组织结构 | 第15-16页 |
| 第二章 研究的基础理论和技术 | 第16-29页 |
| 2.1 预测的基本理论 | 第16-20页 |
| 2.1.1 预测的相关概念 | 第16-18页 |
| 2.1.2 预测的一般步骤 | 第18-20页 |
| 2.2 误差反向传播神经网络的基本理论 | 第20-26页 |
| 2.2.1 人工神经网络的基本理论 | 第20-21页 |
| 2.2.2 神经网络的学习方式 | 第21-23页 |
| 2.2.3 误差反向传播神经网络 | 第23-26页 |
| 2.3 时间序列模型的相关理论 | 第26-29页 |
| 2.3.1 时间序列相关概念 | 第26-28页 |
| 2.3.2 时间序列预测方法 | 第28-29页 |
| 第三章 组合预测模型的设计 | 第29-41页 |
| 3.1 组合预测的分类与工作思路 | 第29-30页 |
| 3.1.1 组合预测模型分类 | 第29-30页 |
| 3.1.2 组合预测模型的预测思路 | 第30页 |
| 3.2 对误差反向传播神经网络的改进 | 第30-37页 |
| 3.2.1 经典的误差反向传播神经网络算法 | 第30-33页 |
| 3.2.2 对误差反向传播神经网络的改进 | 第33-35页 |
| 3.2.3 对改进后的神经网络进行仿真实验分析 | 第35-37页 |
| 3.3 季节累积式自回归模型 | 第37-38页 |
| 3.4 基于误差反向传播神经网络的组合预测 | 第38-41页 |
| 3.4.1 组合预测模型的建立 | 第38-39页 |
| 3.4.2 组合预测模型的检验和分析 | 第39-41页 |
| 第四章 联想笔记本电脑的销售预测及实验结果分析 | 第41-52页 |
| 4.1 笔记本电脑的销售特征 | 第41-43页 |
| 4.1.1 影响笔记本电脑销量的因素 | 第41-42页 |
| 4.1.2 笔记本电脑的时间序列特征 | 第42-43页 |
| 4.2 对笔记本电脑销量进行预测 | 第43-44页 |
| 4.2.1 历史销售数据的分析 | 第43-44页 |
| 4.3 预测结果及分析 | 第44-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.1.1 笔记本销售市场的总结 | 第52页 |
| 5.1.2 组合预测模型的总结 | 第52页 |
| 5.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间已发表或录用的论文 | 第57-58页 |
| 致谢 | 第58页 |
