基于BP神经网络改进算法的库存控制策略
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-27页 |
| 1．1 库存控制概述 | 第8-12页 |
| 1．1．1 库存控制的概念 | 第8页 |
| 1．1．2 库存管理系统的组成 | 第8-10页 |
| 1．1．3 传统库存控制存在的问题 | 第10-12页 |
| 1．2 数据挖掘及人工神经网络在库存控制中的应用 | 第12-19页 |
| 1．2．1 数据挖掘 | 第13-16页 |
| 1．2．2 人工神经网络 | 第16-19页 |
| 1．3 BP算法改进的研究现状 | 第19-24页 |
| 1．3．1 国外现状综述 | 第19-22页 |
| 1．3．2 国内现状综述 | 第22-24页 |
| 1．4 论文主要内容及研究过程 | 第24-27页 |
| 2 训练数据的准备 | 第27-44页 |
| 2．1 数据的收集 | 第27-37页 |
| 2．1．1 CQDP医院库存管理现状及存在的问题 | 第27-29页 |
| 2．1．2 CQDP医院库存ABC管理 | 第29-32页 |
| 2．1．3 影响库存订货量的因素 | 第32-34页 |
| 2．1．4 各参数值的计算 | 第34-37页 |
| 2．2 数据的预处理 | 第37-44页 |
| 2．2．1 数据清理 | 第37-38页 |
| 2．2．2 数据集成 | 第38-40页 |
| 2．2．3 数据变换 | 第40-44页 |
| 3 网络算法的改进 | 第44-65页 |
| 3．1 传统BP算法 | 第44-52页 |
| 3．1．1 网络的拓扑结构 | 第44-46页 |
| 3．1．2 网络的算法 | 第46-50页 |
| 3．1．3 网络的学习过程 | 第50-52页 |
| 3．2 改进算法的数学推导 | 第52-62页 |
| 3．2．1 传统BP算法的缺点 | 第52页 |
| 3．2．2 改进算法的思路 | 第52-54页 |
| 3．2．3 联接权值W的调整 | 第54-57页 |
| 3．2．4 缩放系数T的调整 | 第57-59页 |
| 3．2．5 位移参数θ的调整 | 第59-62页 |
| 3．3 算例 | 第62-64页 |
| 3．4 本章小结 | 第64-65页 |
| 4 网络结构的确定与库存模型的确定 | 第65-89页 |
| 4．1 优化网络结构 | 第65-71页 |
| 4．1．1 网络初训练 | 第65-69页 |
| 4．1．2 优化网络结构 | 第69-71页 |
| 4．2 网络正式训练和库存模型的确定 | 第71-74页 |
| 4．3 预测 | 第74-83页 |
| 4．3．1 传统方法的预测 | 第74-78页 |
| 4．3．2 基于BPNN的库存模型的预测 | 第78-83页 |
| 4．4 基于BPNN的库存模型灵敏度分析 | 第83-86页 |
| 4．5 本章小结 | 第86-89页 |
| 5 结论 | 第89-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 附录A．改进算法的C++语言程序 | 第96-113页 |
