案例推理技术在企业资信评估中的应用

针对企业资信评估活动的特点,提出一套基于案例的资信评估方法及实现技术,为企业资信评估提供一个有效的支撑环境.基本方法是:以加权计分法为思想,定量部分运用规则计算,定性指标采用CBR进行分析,搜索出案例库中匹配的成功案例,辅助决策者快速准确地得出结论.首先阐述企业资信评估的内容和指标体系,接着提出基于CBR的资信评估系统的总体结构和工作流程,并对案例库子系统的实现技术进行了探讨.理论分析和实践表明,该系统可以克服传统评估方法的主观性和复杂性,是一种有效、可行的新方法.     

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.     

案例推理技术在企业资信评估中的应用

针对企业资信评估活动的特点，提出一套基于案例的资信评估方法及实现技术，为企业资信评估提供一个有效的支撑环境。基本方法是：以加权计分法为思想，定量部分运用规则计算，定性指标采用CBR进行分析，搜索出案例库中匹配的成功案例，辅助决策者快速准确地得出结论。首先阐述企业资信评估的内容和指标体系，接着提出基于CBR的资信评估系统的总体结构和工作流程，并对案例库子系统的实现技术进行了探讨。理论分析和实践表明，该系统可以克服传统评估方法的主观性和复杂性，是一种有效、可行的新方法。     

基于模糊识别模型的信用风险监测研究

企业资信是一个典型的模糊性问题,利用模糊数学中的多层次系统模糊综合评判法作为企业资信评估的主要方法,对企业的资信做出全面、综合、系统的评价。提出了基于隶属函数和贴近度的识别方法评估企业中长期贷款偿还能力,阐述了评估指标标准库的建立和隶属函数的构造。通过实例进行了验证,拓宽了模糊识别理论的应用范围。     

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。     

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.     

基于遗传算法的BP神经网络在企业资信评估中的应用

提出了一种新的企业资信评估方法.通过把神经网络和遗传算法有机地结合起来,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.该模型采用C#.NET SQL server 2000实现.实验结果表明,基于遗传算法的BP神经网络系统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。     

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。     

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。