基于深度學(xué)習(xí)的智能風(fēng)控系統(tǒng)
發(fā)布時(shí)間:2021-07-27 23:48
近幾年,商業(yè)銀行發(fā)展迅猛,各種業(yè)務(wù)量增長(zhǎng)迅速,在過(guò)去的五年,中國(guó)銀行業(yè)已經(jīng)成長(zhǎng)為全世界最大的銀行體系,因此國(guó)家不斷的推出各種監(jiān)管的政策,強(qiáng)調(diào)要堅(jiān)決抵御和化解新形勢(shì)下的金融風(fēng)險(xiǎn)。金融風(fēng)險(xiǎn)不斷變化,因此建設(shè)一套智能風(fēng)控系統(tǒng)可以有效的幫助商業(yè)銀行控制風(fēng)險(xiǎn)。成功的風(fēng)控系統(tǒng)應(yīng)具備一定的靈活性,可以使我們的業(yè)務(wù)人員能夠集中精力將思路轉(zhuǎn)化為風(fēng)險(xiǎn)模型,從而幫助商業(yè)銀行挖掘出重要的風(fēng)險(xiǎn)。商業(yè)銀行在發(fā)展的過(guò)程中積累了海量的數(shù)據(jù),這些數(shù)據(jù)包括結(jié)構(gòu)化的數(shù)據(jù)和非結(jié)構(gòu)化的數(shù)據(jù),所有的風(fēng)控模型都是基于這些數(shù)據(jù)的基礎(chǔ)上建立的。由于數(shù)據(jù)量巨大,傳統(tǒng)的數(shù)據(jù)庫(kù)已經(jīng)很難處理這些海量的數(shù)據(jù)。銀行一直以來(lái)都希望建立自己的全面的智能風(fēng)控系統(tǒng)。而如果銀行的智能風(fēng)控系統(tǒng)只是關(guān)注的是銀行的內(nèi)部結(jié)構(gòu)化數(shù)據(jù),顯然是片面的,因?yàn)殂y行客戶的外部風(fēng)險(xiǎn)是無(wú)法知曉的,并且隱藏在非結(jié)構(gòu)化數(shù)據(jù)的風(fēng)險(xiǎn)是無(wú)法揭示的。因此非常有必要將外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)結(jié)合起來(lái)進(jìn)行分析,形成一個(gè)閉環(huán)。本文的智能風(fēng)控系統(tǒng)是專門(mén)為銀行的審計(jì)部門(mén)開(kāi)發(fā)的。本項(xiàng)目結(jié)合了大數(shù)據(jù)技術(shù)以及人工智能技術(shù),探索通過(guò)內(nèi)置分析工具與監(jiān)測(cè)模塊,幫助銀行監(jiān)控各種違規(guī)的事件。本文針對(duì)于智能風(fēng)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)...
【文章來(lái)源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
LSTM結(jié)構(gòu)圖
Figure?2-2?Function?Diagram?of?Sigmod??數(shù)優(yōu)點(diǎn):??函數(shù)的輸出映射在(0,?1)之間,單調(diào)連續(xù),輸出范出層。??易。??數(shù)缺點(diǎn):??的軟飽和性,使得深度神經(jīng)網(wǎng)絡(luò)在二三十年里一直絡(luò)發(fā)展的重要原因。具體來(lái)說(shuō),在后向傳遞過(guò)程導(dǎo)的梯度所包含的一個(gè)因子。如果輸入落入了飽和而會(huì)使向底層傳遞的梯度也會(huì)變得很小。此時(shí),神行訓(xùn)練。這種現(xiàn)象被稱為梯度消失。一般來(lái)說(shuō),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(diào)連續(xù),輸出范圍出層。??易。??數(shù)缺點(diǎn):??的軟飽和性,使得深度神經(jīng)網(wǎng)絡(luò)在二三十年里一直難絡(luò)發(fā)展的重要原因。具體來(lái)說(shuō),在后向傳遞過(guò)程中,導(dǎo)的梯度所包含的一個(gè)因子。如果輸入落入了飽和區(qū),而會(huì)使向底層傳遞的梯度也會(huì)變得很小。此時(shí),神經(jīng)行訓(xùn)練。這種現(xiàn)象被稱為梯度消失。一般來(lái)說(shuō),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(hào):3306781
【文章來(lái)源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
LSTM結(jié)構(gòu)圖
Figure?2-2?Function?Diagram?of?Sigmod??數(shù)優(yōu)點(diǎn):??函數(shù)的輸出映射在(0,?1)之間,單調(diào)連續(xù),輸出范出層。??易。??數(shù)缺點(diǎn):??的軟飽和性,使得深度神經(jīng)網(wǎng)絡(luò)在二三十年里一直絡(luò)發(fā)展的重要原因。具體來(lái)說(shuō),在后向傳遞過(guò)程導(dǎo)的梯度所包含的一個(gè)因子。如果輸入落入了飽和而會(huì)使向底層傳遞的梯度也會(huì)變得很小。此時(shí),神行訓(xùn)練。這種現(xiàn)象被稱為梯度消失。一般來(lái)說(shuō),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(diào)連續(xù),輸出范圍出層。??易。??數(shù)缺點(diǎn):??的軟飽和性,使得深度神經(jīng)網(wǎng)絡(luò)在二三十年里一直難絡(luò)發(fā)展的重要原因。具體來(lái)說(shuō),在后向傳遞過(guò)程中,導(dǎo)的梯度所包含的一個(gè)因子。如果輸入落入了飽和區(qū),而會(huì)使向底層傳遞的梯度也會(huì)變得很小。此時(shí),神經(jīng)行訓(xùn)練。這種現(xiàn)象被稱為梯度消失。一般來(lái)說(shuō),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(hào):3306781
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3306781.html
最近更新
教材專著