自组织神经网络及其混合模型在时间序列预测上的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第8-14页 |
| 1.1 时间序列概述 | 第8-10页 |
| 1.2 股票指数分析方法 | 第10-11页 |
| 1.3 神经网络概述 | 第11-12页 |
| 1.4 问题的提出及主要研究内容 | 第12-13页 |
| 1.5 论文的结构和安排 | 第13-14页 |
| 2 自组织神经网络在时间序列上的应用 | 第14-19页 |
| 2.1 自组织神经网络结构 | 第14-15页 |
| 2.2 自组织神经网络的学习算法 | 第15-18页 |
| 2.5 总结 | 第18-19页 |
| 3 BP神经网络在时间序列上的应用 | 第19-23页 |
| 3.1 BP神经网络结构 | 第19-20页 |
| 3.2 BP学习算法 | 第20-21页 |
| 3.3 BP算法步骤 | 第21-22页 |
| 3.4 BP神经网络的应用 | 第22页 |
| 3.5 总结 | 第22-23页 |
| 4 混合神经网络模型 | 第23-36页 |
| 4.1 差值加权平均预测 | 第23-27页 |
| 4.2 自组织回归模型 | 第27-31页 |
| 4.3 SOMBP神经网络 | 第31-33页 |
| 4.4 邻域BP神经网络 | 第33-35页 |
| 4.5 总结 | 第35-36页 |
| 5 数值实验及结果分析 | 第36-54页 |
| 5.1 数据选取 | 第36-37页 |
| 5.2 基于BP神经网络的预测结果 | 第37-40页 |
| 5.3 基于自组织神经网络的实验结果 | 第40-45页 |
| 5.4 基于自组织自回归神经网络的实验结果 | 第45-47页 |
| 5.5 基于SOMBP混合神经网络的实验结果 | 第47-50页 |
| 5.6 基于聚类BP神经网络的实验结果 | 第50-52页 |
| 5.7 实验结果对比及分析 | 第52-54页 |
| 6 总结及建议 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间主要研究成果 | 第60页 |
