全文总字数：2627字
国内外研究概况
1. 神经网络相关研究情况：
人工神经网络是探索人类智能奥秘的一种巧妙方法，作为一个强大的工具，它实际上是对人脑最简单的抽象模拟，它具有良好的非线性逼近能力和处理杂乱无章的信息的能力。神经网络与神经科学、数理科学、认知科学计算科学、人工智能、信息科学、控制论、机器人学、微电子、心理学。光计算等学科有关，是一门新兴的交叉学科。
神经网络将近一个世纪的发展，经历了五个时期： (1)萌芽时期(40年至50年代初)，这个时期的代表人物McCulloch，他提出了神经元的阈值元件模型，简称MP 模型。另外，在这个时期还有Hebb提出了Hebb学习规则。 (2)第一次高潮时期(50年代初叫0年代中后期)，这个时期的代表人物是计算机科学家Rosenblatt，他再MP模型的基础上，增加了学习机制，推广了MP模型。 (3)坚持时期(70年代)，这个时期的代表人物比较多，Grossberg提出了自适应共振理论(agT)，Stein, Mangeron，Oguztoreli和Lenng提出了一种连续的神经元模型，Fukushima提出了视觉图象识别的Neocognitron模型，Werbos提出的BP理论，等等。 (4)第二次高潮时期(80年代)，这个时期中芬兰赫尔辛基大学教授Teuvo Kohonen提出了自组织映射网络模型，生物物理学家霍普菲尔德(Hopfield)提出了Hopfield神经网络模型，主要用于求解TSP问题，线性规划，联想记忆和用于辨识，有力地推动了神经网络的研究，Chua和Yang提出了细胞神经网络(CNN)模型。 (5)新发展时期(90年代)，这个时期，Edelman提出了的Darwinism I、II、III三种形式的Darwini sm模型对神经网络的发展产生了很大的影响。
综上所述，神经网络理论不但具有强大的数学特性它更具有生物学特性。90年代神经网络注重学科之间大的交叉作用，理论的研究更加开放，新的研究方法也不断涌现。神经网络模型的建立与研究是长期以来研究人员们所努力的方向。
截止到目前为止，人们已经建立过很多的模型，归纳起来大概有这么四种模型： (1)反馈(feed back)网络模型，代表模型为Hopfield网络，双向联想记忆 网络等； (2)前向(feed forward)网络模型，代表模型为单层感知器和多层感知器： (3)随机网络模型，代表模型为Boltzmann机： (4)自组织网络模型，代表模型为ART(自适应共振理论)。 在以上四种模型中，前向网络模型是应用最为广泛的一种模型。
建立了神经网络模型，其学习算法又是研究的另一个重要方向，与模型相对应又有许多神经网络学习算法。有导师学习算法和无导师学习算法是神经网络算法中最主要的两类。在这些算法中，比较完善的有以下三种：(1)模拟退火算法；(2)BP算法； (3)竞争学习与相互激励学习算法。 反向传播学习算法(简称BP算法)是到目前为止在理论和应用中最有影响力的算法之一，用它来训练多层前向神经网络。
2.股票预测相关研究情况：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
