企业资信的BP神经网络评估模型研究

在现代信用经济社会中,提高资信评估的准确度和科学性极其重要.企业资信评估是一个多因素的非线性问题,传统的统计学方法无法抓住资信评估的复杂本质,而神经网络可实现非线性关系的隐式表达.因此,该文提出将BP神经网络用于企业资信评估,建立了企业资信的BP神经网络评估模型,并通过MATLAB软件及其神经网络工具对其进行仿真计算.实验结果表明,该方法稳定、快捷,评价结果有效、可靠,对企业资信评估有着良好的性能.     

制造业中小企业的资信评估研究

本文针对制造业中小企业的特点,建立了一套适合该类型企业的资信评估指标体系,并且基于改进型BP神经网络算法对该评估体系的各项资信指标权值进行训练,使网络输出达到理想精度。经实验数据证明,该算法应用于资信评估具有较高的预测精度。     

基于贝叶斯正则化神经网络的企业资信评估

在市场经济系统研究中,资信评估作为市场经济中的监督力量,是投资者的重要参考依据.科学准确的资信评估可以辅助决策,降低投资者风险.针对当前企业资信评估方法的不足,为了准确评估资信效果,提出将基于贝叶斯正则化的前向多层神经网络用于企业资信评估,通过新的误差函数可以减少网络的有效权值和阈值,并使网络训练输出更加平滑,从而增强网络的泛化性能.并通过MATLAB软件及其神经网络工具进行仿真计算.结果表明,贝叶斯正则化神经网络稳定、快捷、评价结果可靠准确,可作为于企业资信评估依据.     

多目标多人决策模型及在资信评估中的应用

文章提出了一种多目标多人决策结合一致性度量的企业资信评估模型,它集成了模糊数学和遗传算法,采用ASP.NET+C#和MSSQLServer2000数据库实现,为企业资信评估提供了一个新的方案。     

基于蚁群算法的神经网络在企业资信评估中的应用

BP算法在资信评估中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。提出一种新的企业资信评估模型，该模型将蚁群算法和神经网络结合起来，使其既具有神经网络的广泛映射能力，又有蚁群算法带来的高效率，全局收敛，分布式计算等特点。实验表明,基于蚁群算法的神经网络对企业资信评估有着良好的性能。     

基于GA-BP神经网络的环境质量评估方法

应用神经网络技术进行环境质量评估,为了提高评估的准确度和科学性,涉及多目标的复杂系统,因此对环境保护和正确决策制定具有重要意义.利用一种基于遗传算法优化BP神经网络进行环境质量评估的新方法.利用遗传算法优化BP神经网络初始权值,充分发挥GA全局寻优的能力和BP算法局部细致搜索优势.并通过MATLAB工具进行仿真模拟计算.结果表明,基于GA-BP算法的神经网络系统对环境质量评估有着良好的性能,与标准BP网络相比,收敛速度快,具有更好的全局收敛性,并提高了评估准确率对保护环境提供依据.     

基于遗传算法的BP神经网络在高职教学质量评估中的应用

提出一种新的高职院校教学质量评估方法。通过把神经网络和遗传算法有机结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率。该模型运用MATLAB进行了实证研究,实验结果表明,基于遗传算法的BP神经网络系统对高职院校教学质量评估有着良好的应用前景。     

基于LM算法的企业资信网络评估模型研究

针对当前企业资信评估方法的不足,提出将基于Levenberg-Marquard(LM)算法的前向多层神经网络用于企业资信评估,并通过MATLAB神经网络工具对其进行模拟计算。实验结果表明,该方法稳定、快捷、预测准确,对企业资信评估有着良好的性能。     

基于Levenberg-Marquardt神经网络的企业资信评估方法研究

企业资信评估问题是一个复杂的非线性问题,而神经网络技术可实现非线性关系的隐式表达。文章提出将基于Levenberg-Marquardt算法的多层前馈型神经网络用于资信评估,并通过MATLAB软件及其神经网络工具对其进行仿真计算。实验结果表明,企业资信神经网络评估模型收敛速度快,准确率较高,具有一定的实用价值。     

基于马氏距离判别法的企业资信评估

针对基于传统统计学的企业资信评估方法的不足,提出基于距离判别法的企业资信评估方法,并用实例通过Matlab软件及其相应工具对其进行了计算判别.结果表明,基于距离判别法的企业资信评估方案,可快捷、准确、有效地评价企业是否处于破产状态,为企业资信评估提供可靠的依据.     

A study of Taiwan's issuer credit rating systems using support vector machines

By providing credit risk information, credit rating systems benefit most participants in financial markets, including issuers, investors, market regulators and intermediaries. In this paper, we propose an automatic classification model for issuer credit ratings, a type of fundamental credit rating information, by applying the support vector machine (SVM) method. This is a novel classification algorithm that is famous for dealing with high dimension classifications. We also use three new variables: stock market information, financial support by the government, and financial support by major shareholders to enhance the effectiveness of the classification. Previous research has seldom considered these variables. The data period of the input variables used in this study covers three years, while most previous research has only considered one year. We compare our SVM model with the back propagation neural network (BP), a well-known credit rating classification method. Our experiment results show that the SVM classification model performs better than the BP model. The accuracy rate (84.62%) is also higher than previous research.     

一般模糊极大-极小神经网络的研究与应用

分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。将一般模糊极大-极小神经网络应用于企业资信评估中,实现模糊区间的输入,缩小企业评估指标定量化中的误差范围。资信评估结果表明,该算法能快速、有效地对企业进行分类,为资信评估提供了解决方案。     

信用评级的简约神经网络算法

运用经济资源的“边际效用递减”原理,分析了信用评级知识的非线性特点,着眼于神经网络算法的结构、函数和收敛算法三部件逻辑独立性,分析了经典神经网络算法拓扑结构的复杂性引致的算法参数调整过度复杂问题,提出了简约神经网络的拓扑结构,证明了在全部结点函数线性且全部隐层结点函数过原点的条件下经典神经网络与简约神经网络具有等价性,设计了基于简约网络的算法,算法结果获得了较高的拟合精度。     

信用评级的简约神经网络算法研究

针对经典神经网络算法中参数调整过度复杂的问题，分析银行信用评级知识非线性的特点，提出简约神经网络的拓朴结构，证明了在全部节点函数线性且全部隐层节点函数过原点的条件下,经典神经网络与简约神经网络具有等价性。在此基础上，设计了基于简约网络的算法，简化了参数调整过程，算法结果获得了满意的拟合精度。     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

基于Kohonen和BP神经网络的文本学习算法

介绍了基于Ｋｏｈｏｎｅｎ和ＢＰ神经网络结合的Ｉｎｔｅｒｎｅｔ网上文本学习算法。它采用向量空间模型对文本进行编码,利用 Ｋｏｈｏｎｅｎ网络的自组织特性和ＢＰ网络的非线性特性进行学习。经过训练,算法能够有效地对输入文本进行判断,给出一个评价等级,标识出文本和用户兴趣的相关程度,从而为基于Ｉｎｔｅｒｎｅｔ的信息过滤、智能浏览等处理提供基础。     

基于图神经网络的金融征信研究

金融机构对申请借贷的用户进行信用评价是互联网金融领域的前沿方向之一。首先,基于互联网金融借贷网络历史数据,通过用户间借贷关系的网络化建模来反映融合用户节点与周边关系节点相互作用的借贷关联作用的复杂网络。其次,通过引入基于节点中心性结构特征指标的图神经网络模型,提出了具有邻接圈层信息与借贷信用信息耦合的个人征信评估模型。最后,模型在包含756100条交易记录的历史数据集上运行实现,并与BP神经网络算法和RF-Logistic模型进行了对比,结果显示所提模型具有更高的评估准确率。