神经网络内部知识提取及其在企业财务预警中的应用
| 1 绪论 | 第1-11页 |
| ·研究工作的背景 | 第7-10页 |
| ·规则提取和知识发现的研究状况 | 第8页 |
| ·企业预警现有工具及方法 | 第8-9页 |
| ·研究工作的内容 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 2 人工神经网络基础及其应用研究 | 第11-25页 |
| ·人工神经网络发展过程 | 第11-13页 |
| ·BP神经网络基本原理 | 第13页 |
| ·BP网络的结构选择及参数设定 | 第13-24页 |
| ·全联结神经网络结构选择 | 第14-16页 |
| ·模糊神经网络 | 第16-20页 |
| ·粗糙-神经网络 | 第20-22页 |
| ·遗传神经网络 | 第22-23页 |
| ·遗传算法与模糊神经网络相结合 | 第23-24页 |
| ·对误差函数的改进 | 第24-25页 |
| 3 神经网络用于企业预警 | 第25-28页 |
| ·国内外研究现状 | 第25页 |
| ·神经网络应用相关问题 | 第25-28页 |
| ·输入输出节点确定 | 第26-27页 |
| ·样本数据的选取 | 第27页 |
| ·样本数据预处理 | 第27页 |
| ·网络结构选择及参数设定 | 第27-28页 |
| 4 神经网络规则提取 | 第28-35页 |
| ·知识表示 | 第28页 |
| ·规则提取定义及任务 | 第28-35页 |
| ·规则提取定义 | 第28-29页 |
| ·神经网络规则提取的发展 | 第29页 |
| ·常用方法分类 | 第29-35页 |
| 5 PCA-SVM模型 | 第35-40页 |
| ·PCA-SVM原理 | 第35-38页 |
| ·PCA方法 | 第35-37页 |
| ·SVM简介 | 第37-38页 |
| ·PCA-SVM与本文算法 | 第38-40页 |
| 6 本文算法概述 | 第40-51页 |
| ·样本数据预处理 | 第40页 |
| ·训练合适的BP网络 | 第40-43页 |
| ·网络参数设置 | 第40-41页 |
| ·隐神经元激活函数的有效区间分析 | 第41-42页 |
| ·样本目标值设置 | 第42页 |
| ·网络初始化问题 | 第42-43页 |
| ·剪枝算法 | 第43-47页 |
| ·剪枝算法原理 | 第43-44页 |
| ·剪枝算法意义 | 第44-45页 |
| ·剪枝算法描述 | 第45-47页 |
| ·规则提取算法 | 第47-51页 |
| ·规则提取算法原理 | 第47-48页 |
| ·规则提取算法 | 第48-49页 |
| ·x_m参数说明 | 第49-51页 |
| 7 本文算法实现 | 第51-63页 |
| ·样本数据指标选择 | 第51-52页 |
| ·误差函数选择 | 第52-53页 |
| ·训练BP网络 | 第53-54页 |
| ·网络剪枝部分 | 第54-58页 |
| ·隐神经元剪枝 | 第54-57页 |
| ·输入神经元剪枝 | 第57-58页 |
| ·规则提取部分 | 第58-63页 |
| ·规则提取 | 第58-61页 |
| ·规则评测 | 第61-63页 |
| 8 工作总结及展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·发展趋势展望 | 第63-65页 |
| 参考文献 | 第65-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间完成的学术论文 | 第75页 |
