基于BP神经网络及其优化模型的水利企业定额编制研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 国内研究现状 | 第13-18页 |
| 1.2.2 国外研究现状 | 第18-20页 |
| 1.3 研究内容和方法 | 第20-22页 |
| 1.3.1 研究内容 | 第20页 |
| 1.3.2 研究方法 | 第20-21页 |
| 1.3.3 技术路线 | 第21-22页 |
| 第二章 企业定额原始数据异常值处理不足及改进 | 第22-30页 |
| 2.1 当前异常值处理及局限性分析 | 第22-23页 |
| 2.2 异常值处理的改进 | 第23-25页 |
| 2.3 异常值实例分析 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于BP模型的企业定额编制 | 第30-41页 |
| 3.1 BP神经网络概述 | 第30-36页 |
| 3.1.1 BP神经网络原理及思想 | 第30-32页 |
| 3.1.2 BP神经网络算法 | 第32-33页 |
| 3.1.3 BP神经网络的结构设计 | 第33-35页 |
| 3.1.4 BP神经网络的缺陷及改进 | 第35-36页 |
| 3.2 BP模型在企业定额编制中的实例应用 | 第36-40页 |
| 3.2.1 BP神经网络的实施步骤 | 第37页 |
| 3.2.2 BP神经网络的基本程序设计 | 第37-40页 |
| 3.2.3 BP模型结果分析 | 第40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于GA-BP模型的企业定额编制 | 第41-51页 |
| 4.1 遗传算法概述 | 第41页 |
| 4.2 遗传算法原理及思想 | 第41-44页 |
| 4.2.1 遗传算法的操作步骤 | 第42-44页 |
| 4.2.2 遗传算法的优点及局限性分析 | 第44页 |
| 4.3 遗传算法优化BP神经网络 | 第44-46页 |
| 4.3.1 GA和BP结合分析 | 第44-45页 |
| 4.3.2 GA-BP模型算法流程 | 第45-46页 |
| 4.4 GA-BP模型在企业定额编制中的应用 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于PSO-BP模型的企业定额编制 | 第51-59页 |
| 5.1 粒子群算法概述 | 第51页 |
| 5.2 粒子群算法原理及思想 | 第51-53页 |
| 5.2.1 粒子群算法的优点及局限性分析 | 第52-53页 |
| 5.3 粒子群优化BP神经网络 | 第53-55页 |
| 5.3.1 PSO和BP的结合分析 | 第53页 |
| 5.3.2 PSO-BP模型算法流程 | 第53-55页 |
| 5.4 PSO-BP模型在企业定额编制中的应用 | 第55-56页 |
| 5.5 优化模型分析对比 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文目录 | 第68-69页 |
