基于神经网络的上海期铜依次
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 1.序论 | 第9-19页 |
| ·研究的目的 | 第9-10页 |
| ·期货及期铜 | 第10-16页 |
| ·期货 | 第10-11页 |
| ·期铜 | 第11-16页 |
| ·期铜分析方法的研究现状 | 第16-17页 |
| ·人工神经网络的优势所在 | 第17-18页 |
| ·本论文的创新及总体思路 | 第18-19页 |
| 2.期铜预测的传统分析方法 | 第19-31页 |
| ·基本面分析 | 第19-22页 |
| ·技术面分析 | 第22-29页 |
| ·技术分析的三个基本假定 | 第22-23页 |
| ·技术分析的主要理论 | 第23-29页 |
| ·基本面分析与技术分析方法的优点与不足 | 第29-31页 |
| ·基本面分析的优势与劣势 | 第29页 |
| ·技术分析的优势与劣势 | 第29-30页 |
| ·基本分析与技术分析相结合的优势与劣势 | 第30-31页 |
| 3.人工神经网络理论 | 第31-42页 |
| ·人工神经网络的起源与发展 | 第31-33页 |
| ·人工神经网络的基本原理 | 第33-36页 |
| ·生物神经元 | 第33-34页 |
| ·人工神经元工作机理 | 第34-36页 |
| ·神经元网络的学习数学模型 | 第36-37页 |
| ·神经元网络的学习过程 | 第37-38页 |
| ·神经元网络的学习规则 | 第38-42页 |
| 4 期铜预测模型及MATLAB软件实现 | 第42-55页 |
| ·BP算法 | 第42-45页 |
| ·BP算法的模型 | 第45-48页 |
| ·设计思想 | 第48-49页 |
| ·BP网络的结构设计 | 第49-50页 |
| ·训练样本集的准备 | 第50页 |
| ·初始参数的选择 | 第50-52页 |
| ·应用软件MATLAB简介 | 第52-53页 |
| ·MATLAB反向传播算法改进函数 | 第53-55页 |
| 5.实证分析 | 第55-59页 |
| ·公司背景 | 第55页 |
| ·实证运作 | 第55-58页 |
| ·选择样本的依据 | 第56页 |
| ·输入数据 | 第56-58页 |
| ·实证运作模式 | 第58-59页 |
| 6.结束语 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录一 | 第62-63页 |
