發(fā)布時間：2020-06-14 01:36

【摘要】：隨著我國經(jīng)濟不斷發(fā)展,信用貸款市場不斷擴大,大量信用貸款平臺應(yīng)運而生,越來越多的小微企業(yè)及個體商戶需要通過互聯(lián)網(wǎng)信用貸款平臺申請貸款滿足其資金需求。由此信用貸款風(fēng)險控制成為信用貸款行業(yè)的熱門研究領(lǐng)域,信用貸款風(fēng)險控制領(lǐng)域的主要研究問題之一是信用風(fēng)險分類問題。隨著機器學(xué)習(xí)方法在信用貸款風(fēng)險控制領(lǐng)域應(yīng)用日漸成熟,大量的信貸風(fēng)控問題已經(jīng)從原來的人工審核或者統(tǒng)計學(xué)習(xí)解決方式轉(zhuǎn)由計算智能解決方式。使用計算智能方式實現(xiàn)信用貸款風(fēng)險控制并進(jìn)行準(zhǔn)確分類的核心在于根據(jù)貸款人提供的信息實現(xiàn)信息數(shù)據(jù)化并整理成為數(shù)據(jù)集;對數(shù)據(jù)集使用有效的特征提取方式發(fā)現(xiàn)影響分類結(jié)果的重要信息;針對數(shù)據(jù)集使用適合的分類模型;通過與其他較為成熟的分類模型進(jìn)行對比實驗以檢驗分類模型的實際分類效果。本文通過改進(jìn)分類模型、數(shù)據(jù)信息統(tǒng)計整理、數(shù)據(jù)集特征提取、數(shù)據(jù)維度優(yōu)化組合及核驗四個方面對原有的信用貸款風(fēng)險控制方式進(jìn)行改進(jìn),提出了基于改進(jìn)型長短周期記憶神經(jīng)網(wǎng)絡(luò)的信用貸款風(fēng)險分類方法。在分類模型方面,本文首先對長短周期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究,總結(jié)了該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)使用梯度下降法作為學(xué)習(xí)方式的優(yōu)缺點,然后使用共軛梯度法對其學(xué)習(xí)方式進(jìn)行了改進(jìn)。在實驗數(shù)據(jù)方面,首先通過對大量實際貸款人提供的信息設(shè)計量化統(tǒng)計方式,進(jìn)行初步的維度篩選,將信息統(tǒng)計并整理成數(shù)據(jù)集,隨后使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集進(jìn)行特征提取,獲得各維度影響分類結(jié)果的重要程度,然后通過對數(shù)據(jù)維度的相關(guān)性及偽信息分析,對數(shù)據(jù)維度進(jìn)行了優(yōu)化組合并且對數(shù)據(jù)集信息進(jìn)行了修訂,最后對本文提出的信用貸款風(fēng)險分類方法進(jìn)行了多組對比及評價實驗。本文創(chuàng)新性的使用共軛梯度法改進(jìn)長短周期記憶神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式,有效克服了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程局部收斂速度慢的缺點,減少了學(xué)習(xí)訓(xùn)練的迭代次數(shù),降低了程序運行時間,降低了訓(xùn)練誤差,在一定程度上提升了分類準(zhǔn)確率。利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集進(jìn)行特征提取以及利用數(shù)據(jù)集維度優(yōu)化組合方式,有效降低了冗余信息,加強了數(shù)據(jù)信息的準(zhǔn)確性,最后通過評價實驗與對比實驗有效驗證了信用貸款風(fēng)險分類方法在信用貸款風(fēng)險分類方面的效果。 【學(xué)位授予單位】：濟南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP183;F832.4

【圖文】：

圖 2.1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖可以看出，輸入層節(jié)點神經(jīng)元本身沒有計算功的各元素值。隱含層節(jié)點是具有計算功能的神經(jīng)元，也稱為計算以有任意個輸入，也就是可以連接多個輸入層節(jié)點，但是只有下一層的多個節(jié)點作為輸入。若稱輸入節(jié)點層為第 1 層，那么隱稱為第 2 至第 N+1 層，由此構(gòu)成 N+1 層人工神經(jīng)網(wǎng)絡(luò)。輸入節(jié)見層，，而其他中間層則稱為隱含層(hidden layer)，其中的神經(jīng)元工神經(jīng)網(wǎng)絡(luò)是以人工神經(jīng)元為節(jié)點，使用有向加權(quán)連接組成有向圖是對如圖 2.2 所示的生物神經(jīng)元的模擬，而有向加權(quán)連接則是“的模擬。有向連接的權(quán)值表示連通的兩個人工神經(jīng)元連接作用的如圖 2.3 所示。

圖 2.1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖通過人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖可以看出，輸入層節(jié)點神經(jīng)元本身沒有計算功能，其是輸入向量的各元素值。隱含層節(jié)點是具有計算功能的神經(jīng)元，也稱為計算單元。計算單元可以有任意個輸入，也就是可以連接多個輸入層節(jié)點，但是只有一個輸出出值將送往下一層的多個節(jié)點作為輸入。若稱輸入節(jié)點層為第 1 層，那么隱含層各下至上依次稱為第 2 至第 N+1 層，由此構(gòu)成 N+1 層人工神經(jīng)網(wǎng)絡(luò)。輸入節(jié)點與輸點統(tǒng)稱為可見層，而其他中間層則稱為隱含層(hidden layer)，其中的神經(jīng)元稱為隱。此外，人工神經(jīng)網(wǎng)絡(luò)是以人工神經(jīng)元為節(jié)點，使用有向加權(quán)連接組成有向圖，其中工神經(jīng)元就是對如圖 2.2 所示的生物神經(jīng)元的模擬，而有向加權(quán)連接則是“軸突——樹突對”的模擬。有向連接的權(quán)值表示連通的兩個人工神經(jīng)元連接作用的強弱。神經(jīng)元結(jié)構(gòu)如圖 2.3 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王磊;;人工神經(jīng)網(wǎng)絡(luò)原理、分類及應(yīng)用[J];科技資訊;2014年03期

2 張琦;于和平;;探析城市土地價格與房產(chǎn)價格關(guān)系[J];科技與企業(yè);2012年08期

3 王煒,吳耿鋒,張博鋒,王媛;徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];地震;2005年02期

4 郭戰(zhàn)琴,周宗放;基于VaR約束的商業(yè)銀行貸款組合多目標(biāo)決策[J];系統(tǒng)工程理論方法應(yīng)用;2005年02期

5 曹清山,鄒玉霞,王勁松;商業(yè)銀行貸款定價策略和模型設(shè)計[J];金融論壇;2005年02期

6 胡寧,陳志恒,吳訓(xùn)成,羅素云;二手車價格評估中的車型分類方法研究[J];上海工程技術(shù)大學(xué)學(xué)報;2004年03期

7 畢明強;基于貢獻(xiàn)度分析和客戶關(guān)系的商業(yè)銀行貸款定價方法研究[J];金融論壇;2004年07期

8 王俊壽;商業(yè)銀行貸款定價模型的比較研究[J];南開經(jīng)濟研究;2004年02期

9 王守覺,王柏南;人工神經(jīng)網(wǎng)絡(luò)的多維空間幾何分析及其理論[J];電子學(xué)報;2002年01期

10 董軍,胡上序;混沌神經(jīng)網(wǎng)絡(luò)研究進(jìn)展與展望[J];信息與控制;1997年05期

相關(guān)博士學(xué)位論文 前1條

1 覃光華;人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D];四川大學(xué);2003年

相關(guān)碩士學(xué)位論文 前2條

1 張遠(yuǎn);基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用評價研究[D];貴州財經(jīng)大學(xué);2017年

2 王鐸;小微企業(yè)信用貸款風(fēng)險控制問題研究[D];吉林財經(jīng)大學(xué);2017年

本文編號：2712064