遗传神经网络在县域金融贷款风险分类评估中的应用
银行的信贷风险评价是一项复杂的非线性评价活动.人工神经网络模型作为一种非统计类方法,是解决非线性问题的有效工具.它具有自适应、自学习、高容错等一系列的优点,通过学习能够在杂乱无章的样本数据中概括出其中的规律,已经在模式识别、故障诊断和数据挖掘领域得到广泛应用.其中BP(Back Propagation)神经网络发展最为成熟,应用也最为广泛.但是BP神经网络模型也存在它自身的不足,主要表现在训练速度慢、易陷入局部极小点和全局搜索能力弱等.而遗传算法足一种全局优化算法,有较好的全局搜索性能,有效减少了陷入局部最优解的可能.遗传神经网络就是综合遗传算法和BP算法的各自优点,在全局范围内搜索最佳的连接权,从而最大程度提高网络的计算精度,两者的结合实现了优势互补.
遗传神经网络、县域金融、贷款风险、分类评估、人工神经网络模型、遗传算法、信贷风险评价、全局搜索能力、全局优化算法、非线性问题、局部最优解、局部极小点、优势互补、样本数据、训练速度、网络发展、搜索性能、数据挖掘、评价活动、模式识别
F832.4(金融、银行)
教育部人文社会科学研究规划项目09YJA790174
2012-07-04（万方平台首次上网日期，不代表论文的发表时间）
148-150
