基于BP神经网络的企业信用评价研究

简单介绍了企业信用评价的一般模型以及BP神经网络的基本结构，在此基础上给出了一个具体的基于BP神经网络的企业信用评价模型。它把用来描述某类企业信用评价对象特征的信息作为神经网络的输入向量。而把代表相应综合评价结果的值即信用等级作为神经网络的输出，并用足够的样本训练这个网络，使不同的输入向量得到不同的输出量值。最后分析了使用BP神经网络技术评价企业信用等级的优越性。     

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。     

基于支持向量机的企业信用评估模型

一、简介 企业在经济活动中,信用是至关重要的.在当今的市场经济环境中,信用主要分为企业信用和个人信用两种,其中以企业信用为核心.但目前我国的企业信用体系还没有建立起来,企业信用体系的缺位,成为企业做大做强的一大障碍,也成为中国经济发展的巨大阻力.因此建立企业信用评估体系是一项非常迫切的任务.     

基于PSO-BP神经网络的企业信用风险评估模型研究

企业信用风险评估是金融领域的重要课题.本文针对单独运用BP神经网络评估信用风险时存在的不足,提出了一种基于PSO-BP神经网络的企业信用风险评估模型.该模型首先应用主成分分析方法降低输入BP网络的信用评估指标维数,并且采用粒子群优化算法优化BP神经网络的权值.实验表明,新模型采用的算法具有收敛速度快,预测精度高的优点,是一种有效可靠的企业信用风险评估模型.     

优化前馈神经网络模型结构的统计分析方法

利用统计分析学的方法对神经网络结构的优化问题进行研究,在神经网络模型输出节点的输出误差具有正态分析的假设下,推导出网络结构信息准则ＮＳＩＣ,并利用主成分分析方法确定了网络的初始结构。仿真结果表明了这一算法的有效性。     

基于构件的Web系统前馈神经网络可靠性模型

对基于构件结构复杂度较高的Web系统进行可靠性评估时,基于状态或基于路径的软件可靠性评估模型计算复杂度较高,鲁棒性不足。为此,提出了一种计算复杂度低、鲁棒性强的基于构件的前馈神经网络可靠性模型CBPRM。CBPRM将Web系统中各构件的可靠性作为前馈神经网络输入,并基于构件可靠性敏感度对神经元进行动态优化,Web系统可靠性评估由前馈神经网络输出实现。理论分析和实验结果表明,在基于构件结构复杂度较高的Web系统可靠性评估中,CBPRM的计算复杂度低于对比模型,并可确保可靠性评估精度。     

基于RBF神经网络模型的信用评估

采用神经网络模型研究信用风险评估问题,鉴于RBF神经网络计算量小、学习速度快,不易陷入局部极小而且具有很强的分类能力等优点,提出基于RBF神经网络的信用评估模型,通过试验该模型展现了良好的性能.     

神经网络在企业信用评估中的应用研究

本文提出了应用BP神经网络建立企业信用评估过程的模型,用Matlab工具对系统进行了仿真,给出了用VB6.0对系统进行开发的思路,讨论了程序运行的结果。     

基于前馈神经网络的增量学习研究

增量学习是一种在巩固原有学习成果和不需要用到原有数据的情况下快速有效地获取新知识的学习模式.本文阐述了基于前馈神经网络的增量学习原理,在此基础上对主要的增量学习算法进行了详细的介绍和分析,最后对增量学习研究进行了总结和展望.     

基于改进型遗传算法的前馈神经网络优化设计

阐明了遗传算法和神经网络结合的可行性，提出了一种改进的面向神经网络权值学习的遗传算法。通过对XOR问题的实验，显示出其快速学习网络权值的能力，且能摆脱局部极值的困扰和初始权值的限制，从各方面都表现出优于标准遗传算法和BP算法的性能。     

基于神经网络的高校学生信用模糊评价研究

本文为更有效地对高校学生信用进行综合评价,建立了高校学生信用评价多级指标体系,提出了一种基于神经网络的评价模型。模型将模糊理论引入神经网络,通过神经网络的学习训练来调整模糊数学中的相应参数,以有效地模拟模糊综合评价的过程,对信用评价的定性过程而言,具有一定的合理性。     

基于径向基函数神经网络的信用评分模型研究

对信用风险、信用评分进行了分析,在综合分析国内外企业信用评分指标体系的基础上,结合我国企业信用评分的特点,建立了适合我国企业信用评价的指标体系。结合国内外相关研究的现状与进展,及信用评分本身所具有的特点,建立了基于径向基函数神经网络的信用评分模型,利用现有数据分别进行判别和分析,研究其计算结果与实际情况的差距,然后使用改进的RBFNN学习算法,对径向基函数神经网络进行了学习训练,得到了令人满意的评价结果。利用该模型建立的评分系统具有进一步研究和推广应用的价值。     

基于径向基函数神经网络的信用评分模型研究

对信用风险、信用评分进行了分析，在综合分析国内外企业信用评分指标体系的基础上，结合我国企业信用评分的特点，建立了适合我国企业信用评价的指标体系。结合国内外相关研究的现状与进展，及信用评分本身所具有的特点，建立了基于径向基函数神经网络的信用评分模型，利用现有数据分别进行判别和分析，研究其计算结果与实际情况的差距，然后使用改进的RBFNN学习算法，对径向基函数神经网络进行了学习训练，得到了令人满意的评价结果。利用该模型建立的评分系统具有进一步研究和推广应用的价值。     

基于神经网络的入侵识别方法

分析了正常和异常的网络行为模式所带来的网络传核数据包的不同特征，提出了基于神经网络的入侵识别方法。采用带偏差单元的回归BP算法使神经网络收敛性能良好，并对端口扫描类型的攻击进行了仿真识别。     

后验概率支持向量机在企业信用评级中的应用

在支持向量机(Support Vector Machine)的分类问题中,训练样本的分类信息总是确定的,由此得到的分类指示函数也总是对新样本给出确定的分类信息,但是这种情况对一些不确定性问题并不恰当.利用贝叶斯规则,将样本的后验概率与传统支持向量机结合,得到了基于后验概率的支持向量机.在具体的算法上,引入了一个经验性的方法得到样本的后验概率.以某评级机构提供的企业信用评估数据库为研究对象.     

基于多进化神经网络的信用评估模型研究

客户信用评佑对于银行的经营管理有着重要的意义,为此提出了一种基于多进化神经网络的信用评估模型(MNN-CREDIT)。该模型基于客户信货数据,利用基于聚类的小生境遗传算法并行地训练出多个精度高、差异性大的三层前馈神经网络,然后将待识别的客户数据分别输入,最后根据动态投票法集成最终信用预测结果。利用德国信用数据库真实数据集进行了实证分析,结果表明,基于多进化神经网络的信用评估模型具有较高的预测精度。     

基于神经网络的热电偶传感器的智能信号处理

在先进的控制系统中,智能化热电偶温度传感器已被广泛采用,但由于其非线性校正和冷端温度补偿依然采用硬件或软件查表的方法而存在一定的误差,限制了智能温度传感器精度的进一步提高。该文采用多个神经网络组成一个新结构,同时完成高精度非线性校正和冷端补偿。     

基于神经网络的单相有源滤波器

有源滤渡器的控制是一个典型的非线性控制过程．非常适合用神经网络来实现．本文提出了一种应用于有源滤波器系统的神经网络控制器,神经网络控制器的输入是负载电流和补偿电流。输出是开关控制信号甩于控制有源滤波器产生补偿电流来抵消非线性负载的畸变电流。基于MATLAB/SIMULINK平台．建立了单相有源滤波器仿真模型．仿真结果表明所提出的神经网络控制器的有效性。