基于径向基神经网络的财务预警研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 论文概述 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10页 |
| 1.2 径向基函数神经网络综述 | 第10-13页 |
| 1.3 财务预警综述 | 第13-14页 |
| 1.4 本文主要研究内容和结构组织 | 第14-16页 |
| 1.4.1 本文研究内容 | 第14-15页 |
| 1.4.2 文章组织结构 | 第15-16页 |
| 2 神经网络相关理论 | 第16-31页 |
| 2.1 神经网络概述 | 第16-20页 |
| 2.1.1 神经网络作用 | 第16页 |
| 2.1.2 人工神经网络工作的基本原理 | 第16-19页 |
| 2.1.3 神经网络类型 | 第19-20页 |
| 2.2 径向基函数神经网络理论 | 第20-30页 |
| 2.2.1 径向基函数神经网络结构 | 第20-21页 |
| 2.2.2 径向基函数神经网络数学模型 | 第21-26页 |
| 2.2.3 径向基函数神经网络学习算法 | 第26-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 基于PAC的神经网络模型设计 | 第31-41页 |
| 3.1 PCA算法简介 | 第31-32页 |
| 3.2 PCA建模分析 | 第32-38页 |
| 3.2.1 主成分分析原理 | 第32-34页 |
| 3.2.2 主成分分析几何意义 | 第34-35页 |
| 3.2.3 主成分分析法计算方法 | 第35-37页 |
| 3.2.4 主成分分析法计算步骤 | 第37-38页 |
| 3.3 基于主成分分析优化的RBFN模型 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 神经网络模型应用研究 | 第41-54页 |
| 4.1 财务预警概述 | 第41-47页 |
| 4.1.1 财务危机概念的界定 | 第41-44页 |
| 4.1.2 财务预警综述 | 第44-47页 |
| 4.2 仿真实验 | 第47-53页 |
| 4.2.1 样本和指标的选取 | 第47-50页 |
| 4.2.2 实验结果 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 财务预警信息系统实现 | 第54-62页 |
| 5.1 系统功能分析 | 第54-55页 |
| 5.2 系统开发平台技术方案 | 第55-57页 |
| 5.2.1 系统开发平台 | 第55-56页 |
| 5.2.2 软件层次划分 | 第56-57页 |
| 5.3 系统程序设计与代码实现 | 第57-59页 |
| 5.4 系统实现结果 | 第59-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
