• بررسی تاثیر افزایش لایه های پنهان در دقت شبکه عصبی برای رتبه بندی اعتباری

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1615
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    ریسک اعتباری یکی از مهمترین ریسکهای نظام بانکی است و بانک ها و موسسات اعتباری به منظور کاهش این نوع ریسک و هزینه های ناشی از افزایش مطالبات معوق، در سالهای اخیر، توجه زیادی به رتبه بندی و اعتبارسنجی مشتریان خود معطوف داشته اند. روشهای آماری بر اساس متغیرها و اطلاعات موجود برای پیش بینی و طبقه بندی یک موضوع خاص به کار می روند. مدل های آماری متاثر از مفروضات و محدودیتهای زیادی هستند بدین لحاظ اخیرا شبکه های عصبی به عنوان شیوه ی نوین پیش بینی به دلیل عدم نیاز به فروض و محدودیتها در توزیع داده ها و کارایی بالاتر آن مورد توجه ویژه قرار گرفته است. در این مطالعه به مدلسازی ریسک اعتباری و اعتبار سنجی مشتریان در بانک صادرات با روش شبکه عصبی پرداخته شده است و همچنین بررسی تاثیر تعداد لایه های پنهان بر دقت شبکه عصبی پرداخته شده است. بدین منظور اطلاعات و داده های کمی و کیفی یک نمونه تصادفی 2000 تایی مشتری که تسهیلات دریافت نموده اند را جمع آوری کرده و با استفاده از تمام توابع آموزشی و یادگیری مختلف با استفاده از نرم افزار neurosolution به بررسی موضوع پرداخته شده است. نتایج حاکی از آن می باشد که با افزایش لایه پنهان دقت شبکه عصبی نیز بیشتر می شود.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم