基于BP神经网络的排序评价算法研究及其应用
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究的背景 | 第9-11页 |
| ·综合评价及其国内外研究现状 | 第9页 |
| ·人工神经网络简介 | 第9-10页 |
| ·本论文研究的可行性分析 | 第10-11页 |
| ·课题研究的概述 | 第11-12页 |
| ·课题研究的目标内容 | 第11-12页 |
| ·课题研究的重点与难点 | 第12页 |
| ·本论文的组织结构 | 第12-14页 |
| 第2章 综合评价及其相关技术方法的分析 | 第14-23页 |
| ·综合评价的概述 | 第14-16页 |
| ·综合评价及其类型 | 第14页 |
| ·综合评价的基本过程 | 第14-15页 |
| ·评价指标体系建立的基本原则 | 第15-16页 |
| ·综合评价基本方法的类别 | 第16页 |
| ·层次分析法 | 第16-19页 |
| ·层次分析法的基本思想 | 第16页 |
| ·层次分析法的基本步骤 | 第16-18页 |
| ·层次分析法的特点 | 第18-19页 |
| ·模糊综合评价法 | 第19-20页 |
| ·模糊综合评价的基本思想 | 第19页 |
| ·模糊综合评价的基本步骤 | 第19-20页 |
| ·模糊综合评价的特点 | 第20页 |
| ·评价指标属性值标准化的计算方法 | 第20-23页 |
| ·隶属函数法 | 第20-21页 |
| ·信息熵隶属度法 | 第21-23页 |
| 第3章 基于BP 神经网络排序评价模型与算法 | 第23-35页 |
| ·人工神经网络的概述 | 第23-24页 |
| ·人工神经网络的处理能力 | 第23页 |
| ·人工神经网络模型的分类 | 第23-24页 |
| ·人工神经网络的学习规则的分类 | 第24页 |
| ·BP 神经网络模型及学习算法 | 第24-29页 |
| ·多层感知器神经网络 | 第24-25页 |
| ·BP 神经网络学习算法 | 第25-26页 |
| ·BP 神经网络训练步骤 | 第26-28页 |
| ·BP 网络训练的计算机实现 | 第28-29页 |
| ·评价指数计算BP 神经网络及实现 | 第29-33页 |
| ·综合评价指数计算BP 神经网络 | 第29-30页 |
| ·综合评价指数计算BP 神经网络的特点 | 第30-31页 |
| ·综合评价指数计算BP 神经网络学习训练的实现 | 第31-33页 |
| ·基于BP 神经网络排序评价的算法 | 第33-35页 |
| 第4章 基于BP 神经网络排序评价模型算法的应用 | 第35-51页 |
| ·区域产业技术预见的概述 | 第35-38页 |
| ·技术预见的基本概念 | 第35页 |
| ·区域产业技术预见析解 | 第35-37页 |
| ·基于德尔菲法的技术预见析解 | 第37-38页 |
| ·区域产业技术结构与评价指标体系 | 第38-42页 |
| ·区域产业技术评价指标体系 | 第38-39页 |
| ·区域产业技术评价指标的评分准则 | 第39-40页 |
| ·区域产业技术的结构 | 第40-42页 |
| ·模型算法训练样本的建立 | 第42-46页 |
| ·专家咨询表的设计 | 第42-43页 |
| ·指标权重的计算 | 第43-45页 |
| ·模型算法训练样本 | 第45-46页 |
| ·区域产业技术排序评价 | 第46-51页 |
| ·区域产业技术评价指标值的收集与标准化 | 第46-48页 |
| ·区域产业技术排序评价 BP 神经网络训练及泛化 | 第48-49页 |
| ·区域产业技术排序评价的结果 | 第49-51页 |
| 第5章 结论及展望 | 第51-53页 |
| ·本文结论 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士期间发表的论文及参与的项目 | 第55-56页 |
| 致谢 | 第56页 |
