基于混合型专家系统的资信评估系统模型设计与实现

文章探讨将人工神经网络与专家系统结合应用于商业银行企业信用评估，并以一个混合型专家系统ECAMES（Enterprise Credit Assessment Mixed Expert System)为例，阐述了混合型专家系统模型的设计与实现。     

基于BP模型的商业银行贷款风险预测

国有商业银行不良贷款严重束缚了商业银行的发展.防范金融风险,降低不良贷款,增强商业银行的风险识别能力,其关键是风险预测.商业银行贷款本身是一个复杂的非线性系统,用一般的线性理论难以客观反映其规律,为此,采用人工神经网络方法进行研究.在简述概念的基础上,通过反向传播网络(BP模型)对贷款企业的经营能力进行预测,从而对商业银行的贷款决策提供理论支持,使商业银行贷款风险能被控制在可控范围内.并对代表性的A股份有限公司进行预测,所得结果表明:建立的预测模型具有良好的风险预测能力.     

人工神经网络模型发展及应用综述

人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题。根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网络相关概念,其中主要涉及到多层感知器、反向传播神经网络、卷积神经网络以及递归神经网络,描述了卷积神经网络发展当中出现的部分卷积神经网络模型和递归神经网络中常用的相关网络结构,分别综述了各个人工神经网络算法在相关领域的应用情况,总结了人工神经网络的未来发展方向。     

基于BP人工神经网络的信息过滤技术研究

首先介绍了信息过滤中向量空间模型的基本工作原理。针对目前信息过滤技术过滤精度低、速度慢的缺点,利用BP人工神经网络网络稳定、学习能力强的特点,重点研究了BP人工神经网络特征输入数据的取得、网络拓扑结构的选择、BP人工神经网络的训练过程、神经网络产生结果数据的处理方式,在此基础上提出了一种基于BP人工神经网络的信息过滤模型,实验证明,此模型过滤效率有了显著提高。     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

基于神经网络的信用卡使用意愿分析

近年来,各商业银行积极拓展信用卡业务。拓展业务的渠道非常有限,在发放并收回大量调查问卷后,仅仅通过问卷得分来判断潜在的客户。利用人工神经网络来分析调查问卷,给出专家意见,得出的研究结论可有效地挖掘潜在信用卡客户。使用这种方法在增加业务拓展成功概率的同时,也相应地减少了商业银行工作人员的工作量。     

基于WWW的人工神经网络遗传算法系统的实现

用Matlab的Web技术构造了基于WWW的人工神经网络-遗传算法系统，该系统可以通过训练来获得数据间的人工神经网络模型，并用遗传算法求得人工神经网络模型的最优值，用一个实例对该系统进行了测试，结果是令人满意的。     

数控设备机械故障预测中的人工神经网络技术

通过对当前数控设备机械故障预测诊断技术现状的分析,提出了人工神经网络的模型机构,并结合实际生产中数控设备出现的机械故障,对人工神经网络模型在数控设备机械故障预测中的实际应用进行了研究探讨.     

基于人工神经网络控制的节能空调器的MATLAB仿真

整个系统仿真过程主要针对主流智能变频空调的控制系统分析,使用人工神经网络对控制系统进行建模,并使用人工神经网络中常用的Hopfield网络与BP网络模型对控制系统模型进行Matlab仿真编程,得出并对比两种网络对系统的仿真结果,其仿真结果表明两种网络从不同角度较好地反映了系统模型的功能特点.着重分析了人工神经网络理论对智能家用节能空调的控制系统仿真.     

基于人工神经网络的主机安全量化评估研究

基于人工神经网络的方法对主机安全性能进行量化评估。分析了BP人工神经网络模型的网络结构及学习算法,分析了影响目标主机安全性能的可能因素,并应用BP神经网络模型对目标主机的安全性能进行样本训练及实际测试。基于人工神经网络的主机安全量化评估为评价目标主机的安全性能提供了可行的方法。     

基于SOC网络的商业银行信用风险识别模型

针对自组织竞争(SOC)神经网络在解决模式分类问题上的优势,结合主成分分析法来构建商业银行信用风险识别模型.首先构造一套用于描述贷款企业信用状况的指标体系,然后使用主成分分析法提取特征指标,再采用SOC神经网络进行非监督分类.通过选取陕西省2007年度在沪、深两市交易的26家上市公司作为样本进行实证分析,实证结果表明:模型对信用风险具有较强的识别能力,同时对商业银行还有较好的预测功能.     

基于稀有事件仿真的商业银行个人信用风险评估研究

系统仿真是风险评价的一种重要手段,针对商业银行个人信用风险预警问题,提出一种基于稀有事件仿真的个人信用风险评估方法.采用商业银行个人未偿还贷款的概率作为衡量个人信用风险高低的标准,构造基于稀有事件的商业银行个人信用风险识别模型,利用交叉熵方法构建了一种稀有事件仿真的有效算法,并由此估计出发生损失的概率.实证分析结果表明,模型对商业银行个人信用风险具有很强的识别能力,从而提供了一个风险预警的新视角.     

商业银行信用风险评估实证分析及方法比较

数据挖掘技术为商业银行信用风险管理问题提供了新的思路和方法。本文运用三种常用的数据挖掘方法——多元判别分析、聚类分析及贝叶斯网络模型,以商业银行的客户信用风险评级指标数据为样本,对信用风险评估方法进行实证分析,对三种方法的验证结果进行比较。结论表明,在信用风险各项属性指标之间条件相互依赖的情况下,贝叶斯网络模型优于其它两种方法。     

Expert system design for credit risk evaluation using neuro‐fuzzy logic

Over the past few years, the credit risk evaluation of micro‐, small‐ and medium‐scale enterprises by banks and financial institutions has been an active area of research under the joint pressure of regulators and shareholders. The credit rating assessment forms an important part of credit risk assessment, involving risk parameters such as financial, business, industry and management areas. The mathematical models of evaluation are at the core of modern credit risk management systems. This paper focuses on the use of fuzzy logic and neural network techniques to design a methodology for evaluating the credit worthiness of the entrepreneur. The neuro‐fuzzy logic approach takes into account the minute details of credit rating expert's thought process to arrive at the final decision. A flexible credit rating framework (CRF) has been designed to organize all the facts of the client in a hierarchical fashion. The neural networks provide self‐learning capability to the CRF. The CRF can be customized to suit different business and industrial interests.     

Fuzzy ART研究及在银行信用风险评估中的应用

探讨了Fuzzy ART神经网络的聚类功能及其参数对网络的影响。提出了一种基于该聚类理论的银行信用风险评估聚类模型。采用ASP.NET+MS SQL Server 2000的B/S构架实现了银行信用风险评估系统。通过上市公司财务数据验证了聚类结果的有效性和合理性。     

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SOM-PNN的信贷风险预警模型研究

信贷对现代市场经济非常重要，同时又会带来风险．以人工智能的思想为指导，将SOM与PNN网络相结合．提出并建立了一种基于SOM-PNN的信贷风险预警模型；结合统计理论方法对输入样本进行预处理，解决了网络训练中样本选用的问题；并利用因素分析方法对预警结果进行了解释．实验表明，利用该模型在得到可视化预测结果的同时，还可得到较高的预警精度．     

基于BP神经网络的信用卡违约风险预测

利用BP(Back Propagation)神经网络模型实现信用卡申请人自然信息对违约风险的预测,确定了违约风险的指标体系,通过对小样本数据的训练和仿真,实现了模型输出与目标输出的高度吻合.     

信用风险数据集市的构建探讨

信用风险是商业银行所面临的基本风险,能否有效识别、计量、监测和控制信用风险,既体现了商业银行的核心竞争力,也是商业银行必须长期应对的主要课题。在此过程中,通过科技手段加强对信用风险管理过程中所产生的各类数据的合理运用,将是有效途径之一。