1绪 论
1.1 研究背景
1. 2. 1人工神经网络
1. 2. 2人工神经网络的优势
1. 3. 1机器学习发展历程
1. 3. 2机器学习到统计机器学习的过渡
1. 3. 3人工神经网络学习
1. 3. 4电商现状发展分析
1. 3. 5电商数据发展价值
1.4.1 本文框架
1. 4. 2本文研究方法
2 相关理论简述
2.1机器学习
2.1.1 国外研究现状
2.1.2 机器学习分类
2.2时间序列理论
2.3购买行为预测理论
2.4消费者行为理论
2.5遗忘曲线理论
3BP前馈神经网络模型研究及实证分析
3.1 BP前馈神经网络
3.1.1 BP前馈神经网络基本原理
3.1.2 BP前馈神经网络算法
3.1.3 BP前馈神经网络的特点和局限
3.2.1 问题阐述
3. 2. 2消费者行为指标选取
3.2.3 数据预处理
3.2.4 效用函数应用
3.2.5 模型训练步骤
3.2.6 模型训练过程
3. 2. 7结果及检验
4RNN循环神经网络模型研究及实证分析
4.1 RNN循环神经网络
4.1.2 RNN循环神经网络基本原理
4.1.2 RNN循环神经网络BPTT算法
4.1.3 RNN循环神经网络的特点和局限
4.1.4 RNN循环神经网络的优化算法 LSTM
4.2.1 问题阐述
4.2.2 商品信息指标选取
4.2.3 数据预处理
4.2.4 时间序列数据
4.2.5 模型训练步骤
4.2.6 模型训练过程
4.2.7 结果及检验
5 结 论
参考文献
附 录:A 学位论文数据集
致谢
声明
重庆大学;