基于V-foldCross-validation和Elman神经网络的信用评价研究

研究了关于公司信用评估问题的现状,指出一般神经网络应用于信用评估领域的不足.在此基础上,提出一套甄选原则以选择关键的信用评分指标;然后依据这些指标建立了基于Elman回归神经网络的我国企业的信用评估模型.采用V-foldCross-validation技巧对该模型的评分效果进行了实证研究.

基于ANFIS和Elman网络的信用评价研究

BP神经网络用作信用等级分类可取得较好的效果,但在过分要求输出信用分值时效果不佳。针对该缺陷,本文采用自适应神经网络(ANFIS)和Elman网络研究公司信用评分。文中提出了一套甄选方法准则,用于建立适合我国企业的信用评分指标体系;然后依据该指标体系建立了基于Elman网络和ANFIS的信用评估模型;采用V foldCross validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。

不同模型在信用评价中的比较研究

比较了不同模型应用于企业信用评价问题的优劣,针对信用评分问题特点,采用Elman回归神经网络和BP网络建模。在建立了适合于我国企业的信用评分指标体系之后,运用以上两种方法进行实证研究并比较两种网络的诊断行为;为克服小样本建模的缺点,引进V foldCross validation计算技巧。

软计算信用分析方法比较探讨

研究了信用分析中的软计算方法——BP网络与自适应神经模糊推理,并对软计算方法与DEA、TOPSIS的结合运用作了进一步探讨。采用V-foldCross-validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。