| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-13页 |
| ·前言 | 第10-12页 |
| ·本文工作 | 第12-13页 |
| 第二章 人工神经网络基本理论 | 第13-19页 |
| ·神经网络概论 | 第13-14页 |
| ·神经网络学习方法 | 第14-16页 |
| ·学习机理 | 第14页 |
| ·学习方式 | 第14-15页 |
| ·学习规则 | 第15-16页 |
| ·神经网络的特点 | 第16-17页 |
| ·神经网络各种模型及其优缺点 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 BP神经网络模型 | 第19-35页 |
| ·BP网络结构 | 第19页 |
| ·BP算法思想 | 第19-20页 |
| ·标准BP算法公式 | 第20-22页 |
| ·BP算法的不足与改进 | 第22-27页 |
| ·BP网络学习过程 | 第27-29页 |
| ·BP网络建模 | 第29-32页 |
| ·BP网络层数的确定 | 第29-30页 |
| ·各层神经元数目的选取 | 第30页 |
| ·数据预处理 | 第30-31页 |
| ·激励函数的选取 | 第31页 |
| ·网络学习参数的选取 | 第31-32页 |
| ·期望误差的选取 | 第32页 |
| ·BP网络优缺点 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 改进BP网络模型的应用实例分析 | 第35-44页 |
| ·引言 | 第35页 |
| ·改进BP网络模型在城镇家庭人均可支配收入中的应用 | 第35-38页 |
| ·BP算法的改进 | 第35页 |
| ·BP网络预测模型应用实例分析 | 第35-36页 |
| ·结果与分析 | 第36-38页 |
| ·小结 | 第38页 |
| ·基于离散灰色和改进BP网络组合模型的应用 | 第38-43页 |
| ·灰色预测模型 | 第39-40页 |
| ·GM(1,1)模型概述 | 第39页 |
| ·离散灰色模型的建立 | 第39-40页 |
| ·离散灰色和BP网络组合模型的建立原理及计算方法 | 第40-41页 |
| ·基于离散灰色BP网络组合模型的实例研究 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 一、总结 | 第44页 |
| 二、展望 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 攻读硕士研究生期间主要研究成果 | 第47-48页 |
| 致谢 | 第48页 |