| 第一章 绪论 | 第1-13页 |
| 1．1 选题背景和研究意义 | 第7-8页 |
| 1．2 投标报价系统的研究现状综述 | 第8-9页 |
| 1．3 研究背景和主要内容 | 第9-11页 |
| 参考文献 | 第11-13页 |
| 第二章 利用神经网络对报价模型中的变量进行选择 | 第13-30页 |
| 2．1 引言 | 第13-14页 |
| 2．2 用神经网络的方法进行变量选择 | 第14-22页 |
| 2．2．1 神经网络概述 | 第14-15页 |
| 2．2．2 基于神经网络的变量选择方法——层次贡献分析法 | 第15-22页 |
| 2．2．2．1 基本原理 | 第16-20页 |
| 2．2．2．2 层次贡献分析法在投标报价模型中的公式推导 | 第20-22页 |
| 2．3 层次贡献分析法在投标报价系统中的应用 | 第22-27页 |
| 2．4 结语 | 第27-28页 |
| 参考文献 | 第28-30页 |
| 第三章 用于提高报价系统泛化能力的改进BP算法 | 第30-47页 |
| 3．1 引言 | 第30-31页 |
| 3．2 常规BP训练算法及其快速训练算法 | 第31-34页 |
| 3．3 提高网络泛化能力的改进BP算法 | 第34-43页 |
| 3．3．1 神经网络的泛化能力 | 第34-35页 |
| 3．3．2 影响神经网络泛化能力因素的系统分析 | 第35-39页 |
| 3．3．2．1 隐层数和隐层节点数对网络泛化能力的影响 | 第35-36页 |
| 3．3．2．2 训练样本的特性对网络泛化能力的影响 | 第36-39页 |
| 3．3．3 用于提高网络泛化能力的改进BP算法 | 第39-43页 |
| 3．3．3．1 神经网络的概率描述和K-L信息距离 | 第39-41页 |
| 3．3．3．2 学习误差函数的实现 | 第41-42页 |
| 3．3．3．3 学习误差函数J（ω）在报价系统的应用 | 第42-43页 |
| 3．4 结语 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 第四章 基于神经网络投标报价系统的软件实现 | 第47-53页 |
| 4．1 投标报价系统的组织结构 | 第47-48页 |
| 4．2 报价系统的主要构成 | 第48-51页 |
| 4．2．1 用户登陆模块 | 第48-49页 |
| 4．2．2 投标报价模块 | 第49页 |
| 4．2．3 历史数据查询模块 | 第49-50页 |
| 4．2．4 数据库维护模块 | 第50-51页 |
| 4．3 结语 | 第51-52页 |
| 参考文献 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5．1 全文总结 | 第53页 |
| 5．2 展望 | 第53-55页 |
| 作者在硕士期间参加课题和完成论文 | 第55-56页 |
| 致谢 | 第56页 |
