ILMBP神经网络模型及其在个人信用评估中的应用

摘要：

个人信用风险的度量在商业银行信用风险管理中有着极为重要的作用,本文针对BP神经网络在个人信用评估模型应用的缺陷,提出改进的LMBP算法,并将ILMBP模型应用于个人信用评估中,通过山分解对LMBP算法进行了改进,解决了LMBP算法中大型矩阵的求逆问题,减少了LMBP算法的计算量.实验表明,通过ILMBP模型与标准BP模型的应用结果对比,ILMBP模型克服了传统BP模型耗时且可能不收敛的问题,从而在个人信用评估的应用中有更高的分类精确度和更好的适用性.

关键词：个人信用评估、神经网络、BP算法、Leyenberg-Marquardt算法、ILMBP

分类号：TP183;F832.33;F275

资助基金：国家自然科学基金70671017、#70971015

在线出版日期：2011-03-08（万方平台首次上网日期，不代表论文的发表时间）

页码：1-3