本文選題：小微企業(yè) + 信用風(fēng)險(xiǎn)評(píng)估　； 參考：《運(yùn)籌與管理》2017年04期

【摘要】：針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估實(shí)際應(yīng)用中,隨機(jī)初始權(quán)值和閾值導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)速度慢、易陷入局部解以及運(yùn)算結(jié)果誤差較大等缺陷,借助群智能螢火蟲(chóng)(GSO)算法,提出一種基于改進(jìn)離散型螢火蟲(chóng)(IDGSO)算法的BP神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)算法的小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估IDGSO-BP模型。該模型以BP神經(jīng)網(wǎng)絡(luò)為基本框架,在學(xué)習(xí)過(guò)程中引入離散型螢火蟲(chóng)算法,優(yōu)化設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)與連接權(quán)值,得到一組相對(duì)合適的權(quán)值與閾值,再進(jìn)行新一輪網(wǎng)絡(luò)訓(xùn)練,以"均平方誤差最小"為評(píng)價(jià)準(zhǔn)則,產(chǎn)生網(wǎng)絡(luò)的輸出結(jié)果,以此建立小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型。其仿真實(shí)驗(yàn)結(jié)果表明,該模型在收斂速度及運(yùn)算精度方面較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型、遺傳GABP模型及連續(xù)GSO-BP模型有較明顯優(yōu)勢(shì)。因此,IDGSO-BP模型可以有效提高小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性。
[Abstract]:In the practical application of traditional BP neural network in the credit risk assessment of small and micro enterprises, the random initial weights and thresholds lead to slow learning speed, easy to fall into local solution and large error of operation results, so the GSO algorithm is used to solve the problem. A BP neural network integrated learning algorithm based on improved discrete Firefly (IDGSO) algorithm is proposed to evaluate the credit risk of small and micro enterprises (IDGSO-BP). This model takes BP neural network as the basic frame, introduces the discrete firefly algorithm in the learning process, optimizes the network structure and the connection weight value of the neural network, obtains a group of relatively appropriate weights and thresholds, and then carries on a new round of network training. Taking the least square error as the evaluation criterion, the output results of the network are generated, and the credit risk assessment model of small and micro enterprises is established. The simulation results show that the proposed model has obvious advantages over the traditional BP neural network model, genetic GABP model and continuous GSO-BP model in terms of convergence speed and operation accuracy. Therefore, IDGSO-BP model can effectively improve the accuracy of credit risk assessment of small and micro enterprises.
【作者單位】： 安徽新華學(xué)院信息工程學(xué)院;合肥工業(yè)大學(xué)管理學(xué)院;合肥工業(yè)大學(xué)人事部;安徽財(cái)經(jīng)大學(xué)商學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(71403001) 安徽省教育廳自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2016A308,KJ2015A300)
【分類(lèi)號(hào)】：F276.3;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 費(fèi)文穎;于繼科;楊揚(yáng);;信用風(fēng)險(xiǎn)評(píng)估的一類(lèi)改進(jìn)模糊ISODATA算法[J];信息系統(tǒng)工程;2014年03期

2 孫丹,張秀艷;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估混合軟計(jì)算系統(tǒng)[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2002年03期

3 王春峰,萬(wàn)海暉,張維;基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J];系統(tǒng)工程理論與實(shí)踐;1999年09期

4 陳云;石松;;基于PSO-BP集成的國(guó)內(nèi)外企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

5 夏光虎;賈宇波;范紅丹;;分類(lèi)與預(yù)測(cè)挖掘在信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J];工業(yè)控制計(jì)算機(jī);2012年07期

6 朱金華;;組合模型在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的研究[J];計(jì)算機(jī)仿真;2011年09期

7 李君藝;張宇華;;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估實(shí)證分析及方法比較[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2013年03期

8 ;[J];;年期

相關(guān)會(huì)議論文 前4條

1 周綺鳳;林成德;;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中多分類(lèi)方法的比較[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

2 劉睿;周宗放;;云理論在企業(yè)集團(tuán)信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[A];“中國(guó)視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專(zhuān)業(yè)委員會(huì)第四屆年會(huì)論文集[C];2010年

3 鄧宇翔;魯煒;黃敏;;運(yùn)用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)估[A];2003年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

4 陳林;周宗放;肖珉;;企業(yè)集團(tuán)信用風(fēng)險(xiǎn)評(píng)估研究綜述[A];第五屆（2010）中國(guó)管理學(xué)年會(huì)——管理科學(xué)與工程分會(huì)場(chǎng)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前7條

1 記者 衛(wèi)容之;中國(guó)信用風(fēng)險(xiǎn)評(píng)估仍高居“A類(lèi)”[N];國(guó)際金融報(bào);2003年

2 記者　陳小三;日本信用風(fēng)險(xiǎn)評(píng)估工具登陸中國(guó)[N];國(guó)際商報(bào);2006年

3 海 燕;AMS信用風(fēng)險(xiǎn)評(píng)估引入中國(guó)[N];中國(guó)商報(bào);2006年

4 程汲;地區(qū)信用風(fēng)險(xiǎn)評(píng)估應(yīng)該推行[N];金融時(shí)報(bào);2004年

5 李良;緊縮政策下債券買(mǎi)點(diǎn)漸現(xiàn)[N];中國(guó)證券報(bào);2008年

6 證券時(shí)報(bào)記者　 徐濤;今年保險(xiǎn)資金投資需求超過(guò)6000億[N];證券時(shí)報(bào);2006年

7 本報(bào)駐比利時(shí)記者 張亮;美三大評(píng)級(jí)機(jī)構(gòu)惹惱歐盟[N];人民日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前4條

1 郭英見(jiàn);基于信息融合的國(guó)有商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D];哈爾濱工業(yè)大學(xué);2010年

2 趙靜嫻;基于決策樹(shù)的信用風(fēng)險(xiǎn)評(píng)估方法研究[D];天津大學(xué);2009年

3 肖珉;我國(guó)企業(yè)集團(tuán)上市公司財(cái)務(wù)預(yù)警與信用風(fēng)險(xiǎn)評(píng)估研究[D];電子科技大學(xué);2012年

4 羅圣雅;臺(tái)灣上市柜公司信用風(fēng)險(xiǎn)評(píng)估[D];蘇州大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 鄭文龍;商業(yè)銀行個(gè)人住房貸款業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)估研究[D];長(zhǎng)安大學(xué);2015年

2 朱金金;基于灰色系統(tǒng)理論的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D];蘭州大學(xué);2015年

3 田冰冰;農(nóng)業(yè)價(jià)值鏈融資中農(nóng)戶(hù)信用風(fēng)險(xiǎn)評(píng)估研究[D];安徽財(cái)經(jīng)大學(xué);2015年

4 楊琴棋;我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

5 樸文慧;基于模糊動(dòng)態(tài)支持向量機(jī)集成方法的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[D];哈爾濱工業(yè)大學(xué);2015年

6 唐雪婷;信用風(fēng)險(xiǎn)研究[D];電子科技大學(xué);2015年

7 李正基;神經(jīng)網(wǎng)絡(luò)在中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估問(wèn)題中的應(yīng)用比較[D];復(fù)旦大學(xué);2014年

8 伍永祥;利率市場(chǎng)化下商業(yè)銀行信貸客戶(hù)信用風(fēng)險(xiǎn)評(píng)估方法研究[D];南京大學(xué);2014年

9 顏文超;雙邊信用風(fēng)險(xiǎn)評(píng)估調(diào)整的動(dòng)態(tài)衍化的密度模型[D];上海交通大學(xué);2015年

10 鄧大鵬;P2P網(wǎng)絡(luò)借貸動(dòng)態(tài)信用風(fēng)險(xiǎn)評(píng)估方法研究[D];上海交通大學(xué);2014年

，

本文編號(hào)：1838931