یک رویکرد ترکیبی جدید برای آموزش مدل ترکیب سلسله مراتبی شبکه های عصبی به منظور رتبه بندی اعتباری در صنعت بانکداری

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 348

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJIE-28-1_012

تاریخ نمایه سازی: 1 مرداد 1397

Abstract:

ریسک اعتباری در صنعت بانکداری به عنوان خطر ناشی از احتمال عدم بازپرداخت تعهدات توسط مشتریان در سررسید بوده و یکی از مهمترین ریسک ها در بانکها و موسسات مالی به حساب می آید. استقرار نظام رتبه بندی اعتباری با توجه به حجم انبوه مطالبات معوق بانک ها، یکی از مهمتر ین ابزارها ی کنترل این نوع ریسک است. این مقاله با استفاده از شبکه های عصبی توانمند در حوزه پیش بینی و ترکیب آنها قادر است مشتریان را در دو گروه خوش حساب و بد حساب دسته بندی کند. مدل پیشنهادی که دارای ساختار و آموزش ماژولار است، مدل ترکیب سلسله مراتبی شبکه های عصبی نام دارد. در مدل یادشده برای تجزیه مساله میان شبکه ها و ترکیب نتایج برای رسیدن به پیش بینی نهایی و همچنین شیوه آموزش آن از رویکردی جدید استفاده شده است. رویکرد پیشنهادی ابتدا، از الگوریتم گسسته بهینه سازی انبوه ذرات برای کاهش ابعادی و تجزیه مساله میان ماژول های مختلف استفاده می کند، سپس برای آموزش، از تلفیق قانون های مختص به هر ماژول و قانون آموزش کلی این شبکه استفاده می کند. نتایج در مقایسه با شبکه عصبی پرسپترون چندلایه و شبکه عصبی با اتصالات جانبی بدست آمده است. طبق نتایج بدست آمده مدل پیشنهادی توانسته با دقت بسیار بالا رفتار مشتریان را پیش بینی نماید

Keywords:

صنعت بانکداری , رتبه بندی اعتباری , الگوریتم گسسته بهینه سازی انبوه ذرات , شبکه عصبی ماژولار , مدل ترکیب سلسله مراتبی شبکه های عصبی

Authors

دانیال دادمحمدی

دانشکده مهندسی صنایع و مدیریت سیستم ها ، دانشگاه صنعتی امیرکبیر

عباس احمدی

دانشکده مهندسی صنایع و مدیریت سیستم ها ، دانشگاه صنعتی امیرکبیر