基于优化BP神经网络的上市公司绩效评价研究——以B2B电子商务上市公司为例

声明

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 文献综述

1.2.1 国内外企业绩效评价理论与方法研究现状

1.2.2 电子商务上市公司绩效评价的研究现状

1.2.3 BP神经网络的研究现状

1.3 本文的研究方法和内容

1.3.1 本文的研究方法

1.3.2 本文的研究内容和框架

1.4 本文的创新之处

1.5 本章小结

2 相关理论

2.1 因子分析法的相关理论

2.1.1 因子分析法的含义

2.1.2 因子分析法的基本思想

2.1.3 因子分析法的数学模型

2.1.4 因子分析法的基本步骤

2.2 BP 神经网络的相关理论

2.2.1 人工神经网络的结构原理

2.2.2 人工神经网络的网络模型

2.2.3 BP网络拓扑结构

2.2.4 BP神经网络学习算法

2.2.5 BP神经网络的特点

2.3 遗传算法的相关理论

2.3.1 遗传算法基本要素

2.3.2 遗传算法的流程

2.3.3 遗传算法的特点

2.4 企业绩效评价相关理论

2.4.1 企业绩效评价的含义

2.4.2 企业绩效评价指标体系

2.4.3 企业绩效评价方法及特点

2.5 本章小结

3 构建 B2B 电子商务上市公司绩效评价指标体系

3.1 B2B 电子商务企业的概念及特征

3.1.1 B2B 电子商务企业的概念

3.1.2 B2B 电子商务企业的特征

3.2 B2B 电子商务上市公司绩效评价指标体系构建原则

3.3 B2B 电子商务上市公司绩效评价指标体系的构建

3.4 本章小结

4 B2B 电子商务上市公司绩效评价模型的建立

4.1 B2B 电子商务上市公司绩效评价模型分析

4.1.1 问题的提出

4.1.2 因子分析优化 BP神经网络

4.1.3 遗传算法优化 BP神经网络

4.1.4 GA-BP神经网络模型实现的关键

4.2 基于因子分析的 GA-BP神经网络模型设计

4.3 B2B 电子商务上市公司绩效评价模型的实施

4.3.1 样本数据的处理

4.3.2 BP 神经网络的设计

4.3.3 遗传算法参数的选取

4.4 GA-BP 神经网络模型程序设计

4.5 本章小结

5 因子分析的 GA-BP 神经网络模型的实验及实证过程

5.1 实验模型运行环境简介

5.2 构建并训练 GA-BP 神经网络

5.2.1 样本数据的来源

5.2.2 样本数据的因子分析

5.2.3 训练因子分析的 GA-BP神经网络

5.2.4 仿真测试

5.3 实验结果的对比分析

5.3.1 未用因子分析优化的 BP 神经网络仿真结果

5.3.2 未用 GA 优化的 BP 神经网络仿真结果

5.4 B2B 电子商务上市公司绩效评价的实证分析

5.4.1 评价数据的来源

5.4.2 数据因子分析

5.4.3 绩效评价结果

5.4.4 评价结果分析

5.4.5 相关建议

5.5 本章小结

6 总结与展望

6.1 结论

6.2 展望

参考文献

致谢

攻读硕士学位期间发表的论文及科研情况

附录