基于SOM自組織神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評(píng)估模型.pdf

1、在實(shí)際的經(jīng)濟(jì)生活中，影響企業(yè)和個(gè)人信用的因素很多，這些因素和信用之間多為一種非線性的關(guān)系，而且信用風(fēng)險(xiǎn)存在著諸如分布不對(duì)稱，數(shù)據(jù)匱乏等理論和實(shí)際問題，各界對(duì)信用風(fēng)險(xiǎn)量化度量方法也未達(dá)成共識(shí)。對(duì)于傳統(tǒng)的信用評(píng)估模型，很難識(shí)別其中存在的對(duì)信用影響的模式，特別是在我們國內(nèi)，信用的評(píng)估多為專家方式，對(duì)于信用的評(píng)估結(jié)果人為的因素很多，科學(xué)性和準(zhǔn)確性較差。從未來的發(fā)展趨勢(shì)看，隨著科技的進(jìn)步，特別是計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展，將對(duì)信用風(fēng)險(xiǎn)量化評(píng)估的發(fā)

2、展產(chǎn)生巨大的推動(dòng)作用，評(píng)估和管理的標(biāo)準(zhǔn)也將趨于統(tǒng)一。 隨著信息技術(shù)的發(fā)展，近年來人工智能(AI)模型被引入信用評(píng)估中。常用的AI模型主要包括神經(jīng)網(wǎng)絡(luò)技術(shù)(ANN)、決策樹等。ANN可以看成是從輸入空間到輸出空間的一個(gè)非線性映射，它通過調(diào)整權(quán)重和閾值來“學(xué)習(xí)”或發(fā)現(xiàn)變量間的關(guān)系，實(shí)現(xiàn)對(duì)事物的分類，有效解決非正態(tài)分布、非線性的信用評(píng)估問題。 人工神經(jīng)網(wǎng)絡(luò)由大量簡(jiǎn)單的基本元件-神經(jīng)元相互聯(lián)結(jié)，模擬人的大腦神經(jīng)處理信息的方式，進(jìn)

3、行信息并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)處理信息是通過信息樣本對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使其具有人的大腦的記憶和辨識(shí)能力，完成各種信息處理功能。人工神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí)、自適應(yīng)、聯(lián)想記憶、并行處理和非線性轉(zhuǎn)換的能力，避免了復(fù)雜數(shù)學(xué)推導(dǎo)，在樣本缺損和參數(shù)漂移的情況下，仍能保證穩(wěn)定的輸出。人工神經(jīng)網(wǎng)絡(luò)這種模擬人腦智力的特性，受到學(xué)術(shù)界的高度重視和廣泛研究，已經(jīng)成功地應(yīng)用于眾多領(lǐng)域，如模式識(shí)別、圖像處理、語音識(shí)別、智能控制、虛擬實(shí)現(xiàn)