文摘
英文文摘
第一章绪论
1.1冯.诺伊曼计算机体系的不足
1.2本系统的工作原理
1.3本人完成的主要工作
第二章神经网络概述
2.1生物神经网络概述
2.2人工神经网络
2.3人工神经网络的学习算法
第三章径向基函数(RBF)神经网络理论
3.1径向基函数网络的基本原理
3.1.1用于插值的径向基函数
3.1.2径向基函数网络
3.1.3径向基函数网络的函数逼近理论
3.2径向基函数网络的算法综述
3.2.1学习算法分类
3.2.2 RBF神经网络的学习算法
3.2.3 RBF神经网络的优点及问题
3.3本文所采用的学习算法
3.3.1聚类分析
3.3.2动态聚类法
3.3.3无导师学习算法
3.3.4有导师学习算法
第四章证券市场可预测性及技术指标
4.1证券市场可预测性
4.1.1证券市场波动原理
4.1.2经济系统是混沌系统还是随机系统
4.1.3技术分析的假设条件
4.2.常用技术指标
第五章基于径向基函数神经网络的股票预测实证研究
5.1神经网络输入数据选取
5.2输入数据的预处理
5.3输入数据的时序性
5.4输入原始数据
5.5实证研究结果
5.6与经典BP神经网络比较研究
5.7结果分析
第六章研究展望
研究生期间工作成果
致谢
参考文献
附录
