改进的VLBP算法及其在销售预测中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·神经网络的研究与发展状况 | 第11-13页 |
| ·研究意义 | 第13页 |
| ·论文的内容及组织安排 | 第13-15页 |
| 第二章 神经网络 | 第15-23页 |
| ·神经网络的基本概念与构成 | 第15-18页 |
| ·生物神经元模型 | 第15-16页 |
| ·人工神经元模型 | 第16-17页 |
| ·神经网络的构成 | 第17-18页 |
| ·神经网络的学习算法 | 第18-20页 |
| ·有导师学习 | 第18-19页 |
| ·无导师学习 | 第19-20页 |
| ·神经网络的分类 | 第20-21页 |
| ·前馈型网络 | 第20-21页 |
| ·反馈型网络 | 第21页 |
| ·神经网络的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 BP神经网络概述 | 第23-31页 |
| ·BP神经网络结构 | 第23-24页 |
| ·BP神经网络隐层数的确定 | 第23-24页 |
| ·各层神经元个数的确定 | 第24页 |
| ·BP神经网络学习算法 | 第24-27页 |
| ·传统BP算法描述 | 第24-26页 |
| ·传统BP算法流程 | 第26-27页 |
| ·BP算法的缺陷和改进 | 第27-30页 |
| ·传统BP算法缺陷 | 第27-28页 |
| ·BP算法的改进 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 一种改进的VLBP算法 | 第31-44页 |
| ·标准BP算法收敛性分析 | 第31-32页 |
| ·自适应调节学习因子的改进策略 | 第32-36页 |
| ·基于学习因子的改进的VLBP算法 | 第36-37页 |
| ·仿真实验 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 改进的VLBP算法在销售预测中的应用 | 第44-57页 |
| ·常用预测方法 | 第44-50页 |
| ·时间序列预测方法 | 第44-49页 |
| ·回归分析方法 | 第49-50页 |
| ·BP神经网络预测方法 | 第50-51页 |
| ·BP神经网络预测模型 | 第51页 |
| ·BP神经网络预测方法 | 第51页 |
| ·改进的VLBP算法用于预测及实验结果比较 | 第51-56页 |
| ·改进的VLBP算法解决销售预测的步骤 | 第51-54页 |
| ·改进的VLBP算法流程图 | 第54-55页 |
| ·神经网络的训练与预测结果比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
