| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 引言 | 第7-10页 |
| 第二章 研究问题与方法 | 第10-17页 |
| 2.1 积和式的定义及其相关的矩阵结构特征 | 第10-11页 |
| 2.1.1 积和式的定义 | 第10页 |
| 2.1.2 矩阵的结构特征 | 第10-11页 |
| 2.2 神经网络 | 第11-17页 |
| 2.2.1 人工神经网络 | 第12-13页 |
| 2.2.2 卷积神经网络 | 第13-14页 |
| 2.2.3 CNN,全局ANN与特征ANN | 第14-15页 |
| 2.2.4 神经网络算法与已有算法的比较 | 第15-17页 |
| 第三章 实验与分析 | 第17-46页 |
| 3.1 训练集的生成与初步分析 | 第17-26页 |
| 3.2 卷积神经网络估值效果分析 | 第26-34页 |
| 3.2.1 卷积神经网络网络结构的研究 | 第26-29页 |
| 3.2.2 HF-CNN在各阶矩阵上的预测效果的比较 | 第29-30页 |
| 3.2.3 HF-CNN在不同结构训练集上预测效果的比较 | 第30-33页 |
| 3.2.4 HF-CNN在不同估值精度要求下预测效果的比较 | 第33-34页 |
| 3.3 人工神经网络估值效果分析 | 第34-41页 |
| 3.3.1 全局ANN与特征ANN在不同阶数矩阵上的预测效果 | 第34-36页 |
| 3.3.2 不同隐藏层数全局ANN和特征ANN预测效果的比较 | 第36-38页 |
| 3.3.3 特征ANN在不同结构训练集上预测效果的比较 | 第38-41页 |
| 3.4 关于0值积和式矩阵的研究 | 第41-44页 |
| 3.4.1 矩阵积和式值的非0判定问题 | 第41-43页 |
| 3.4.2 “非0矩阵”的积和式估值问题 | 第43-44页 |
| 3.5 小结 | 第44-46页 |
| 第四章 结论 | 第46-48页 |
| 参考文献 | 第48-49页 |
| 致谢 | 第49-51页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第51页 |
