基于深度學習的智能風控系統(tǒng)
發(fā)布時間:2021-07-27 23:48
近幾年,商業(yè)銀行發(fā)展迅猛,各種業(yè)務量增長迅速,在過去的五年,中國銀行業(yè)已經成長為全世界最大的銀行體系,因此國家不斷的推出各種監(jiān)管的政策,強調要堅決抵御和化解新形勢下的金融風險。金融風險不斷變化,因此建設一套智能風控系統(tǒng)可以有效的幫助商業(yè)銀行控制風險。成功的風控系統(tǒng)應具備一定的靈活性,可以使我們的業(yè)務人員能夠集中精力將思路轉化為風險模型,從而幫助商業(yè)銀行挖掘出重要的風險。商業(yè)銀行在發(fā)展的過程中積累了海量的數(shù)據,這些數(shù)據包括結構化的數(shù)據和非結構化的數(shù)據,所有的風控模型都是基于這些數(shù)據的基礎上建立的。由于數(shù)據量巨大,傳統(tǒng)的數(shù)據庫已經很難處理這些海量的數(shù)據。銀行一直以來都希望建立自己的全面的智能風控系統(tǒng)。而如果銀行的智能風控系統(tǒng)只是關注的是銀行的內部結構化數(shù)據,顯然是片面的,因為銀行客戶的外部風險是無法知曉的,并且隱藏在非結構化數(shù)據的風險是無法揭示的。因此非常有必要將外部數(shù)據和內部數(shù)據結合起來進行分析,形成一個閉環(huán)。本文的智能風控系統(tǒng)是專門為銀行的審計部門開發(fā)的。本項目結合了大數(shù)據技術以及人工智能技術,探索通過內置分析工具與監(jiān)測模塊,幫助銀行監(jiān)控各種違規(guī)的事件。本文針對于智能風控系統(tǒng)設計與實現(xiàn)...
【文章來源】:北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:89 頁
【學位級別】:碩士
【部分圖文】:
LSTM結構圖
Figure?2-2?Function?Diagram?of?Sigmod??數(shù)優(yōu)點:??函數(shù)的輸出映射在(0,?1)之間,單調連續(xù),輸出范出層。??易。??數(shù)缺點:??的軟飽和性,使得深度神經網絡在二三十年里一直絡發(fā)展的重要原因。具體來說,在后向傳遞過程導的梯度所包含的一個因子。如果輸入落入了飽和而會使向底層傳遞的梯度也會變得很小。此時,神行訓練。這種現(xiàn)象被稱為梯度消失。一般來說,sig梯度消失現(xiàn)象。??不是以0為中心的。??oid函數(shù)我們通常更傾向于tanh函數(shù)。tanh函數(shù)公
:??函數(shù)的輸出映射在(0,?1)之間,單調連續(xù),輸出范圍出層。??易。??數(shù)缺點:??的軟飽和性,使得深度神經網絡在二三十年里一直難絡發(fā)展的重要原因。具體來說,在后向傳遞過程中,導的梯度所包含的一個因子。如果輸入落入了飽和區(qū),而會使向底層傳遞的梯度也會變得很小。此時,神經行訓練。這種現(xiàn)象被稱為梯度消失。一般來說,sigm梯度消失現(xiàn)象。??并不是以0為中心的。??oid函數(shù)我們通常更傾向于tanh函數(shù)。tanh函數(shù)公式=^-^^'^
本文編號:3306781
【文章來源】:北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:89 頁
【學位級別】:碩士
【部分圖文】:
LSTM結構圖
Figure?2-2?Function?Diagram?of?Sigmod??數(shù)優(yōu)點:??函數(shù)的輸出映射在(0,?1)之間,單調連續(xù),輸出范出層。??易。??數(shù)缺點:??的軟飽和性,使得深度神經網絡在二三十年里一直絡發(fā)展的重要原因。具體來說,在后向傳遞過程導的梯度所包含的一個因子。如果輸入落入了飽和而會使向底層傳遞的梯度也會變得很小。此時,神行訓練。這種現(xiàn)象被稱為梯度消失。一般來說,sig梯度消失現(xiàn)象。??不是以0為中心的。??oid函數(shù)我們通常更傾向于tanh函數(shù)。tanh函數(shù)公
:??函數(shù)的輸出映射在(0,?1)之間,單調連續(xù),輸出范圍出層。??易。??數(shù)缺點:??的軟飽和性,使得深度神經網絡在二三十年里一直難絡發(fā)展的重要原因。具體來說,在后向傳遞過程中,導的梯度所包含的一個因子。如果輸入落入了飽和區(qū),而會使向底層傳遞的梯度也會變得很小。此時,神經行訓練。這種現(xiàn)象被稱為梯度消失。一般來說,sigm梯度消失現(xiàn)象。??并不是以0為中心的。??oid函數(shù)我們通常更傾向于tanh函數(shù)。tanh函數(shù)公式=^-^^'^
本文編號:3306781
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3306781.html
最近更新
教材專著