Khashei M, Torbat S. A Hybrid Intelligent Classification Model Based on Multilayer Perceptron Neural Networks and Fuzzy Regression for Credit Scoring Problems. Computational Methods in Engineering 2019; 37 (2) :97-111
URL:
http://jcme.iut.ac.ir/article-1-629-fa.html
خاشعی مهدی، تربت شیدا. ارائه یک مدل طبقهبندی ترکیبی هوشمند مبتنی بر شبکههای عصبی پرسپترون چندلایه و رگرسیون فازی بهمنظور تجزیه و تحلیل مسائل امتیازدهی اعتباری. روشهای عددی در مهندسی. ۱۳۹۷; ۳۷ (۲) :۹۷-۱۱۱
URL: http://jcme.iut.ac.ir/article-۱-۶۲۹-fa.html
۱- دانشکده مهندسی صنایع و برنامهریزی سیستمها، دانشگاه صنعتی اصفهان، اصفهان
۲- دانشکده مهندسی صنایع و برنامهریزی سیستمها، دانشگاه صنعتی اصفهان، اصفهان ، S.Torbat@in.iut.ac.ir
چکیده: (۴۰۵۰ مشاهده)
بحرانهای مالی موجود در نظامهای بانکی ناشی از عدم توانایی در مدیریت ریسکهای اعتباری است. امتیازدهی اعتباری یکی از تکنیکهای مدیریت ریسک است که ریسک وامگیرنده را تحلیل میکند. در این مقاله با استفاده از مزایای روشهای هوش محاسباتی و محاسبات نرم یک روش ترکیبی جدید بهمنظور بهبود مدیریت ریسکهای اعتباری ارائه شده است. در روش پیشنهادی، بهمنظور مدلسازی در شرایط عدم قطعیت، پارامترهای شبکه عصبی، شامل وزنها و خطاها، بهصورت فازی درنظر گرفته شدهاند. در این روش، ابتدا سیستم مورد مطالعه با استفاده از شبکههای عصبی متامدلبندی شده و سپس با بهکارگیری استنتاجات فازی تصمیم بهینه با بیشترین میزان برتری تعیین خواهد شد. نتایج حاصل از بهکارگیری روش پیشنهادی بیانگر کارامدی و دقت بالای این روش در تحلیل مسائل امتیازدهی اعتباری است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1395/9/29 | پذیرش: 1396/4/18 | انتشار: 1397/12/24