دوره 37، شماره 2 - ( 12-1397 )                   جلد 37 شماره 2 صفحات 97-111 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khashei M, Torbat S. A Hybrid Intelligent Classification Model Based on Multilayer Perceptron Neural Networks and Fuzzy Regression for Credit Scoring Problems. JCME. 2019; 37 (2) :97-111
URL: http://jcme.iut.ac.ir/article-1-629-fa.html
خاشعی مهدی، تربت شیدا. ارائه یک مدل طبقه‌بندی ترکیبی هوشمند مبتنی بر شبکه‌های عصبی پرسپترون چندلایه و رگرسیون فازی به‌منظور تجزیه و تحلیل مسائل امتیازدهی اعتباری. روش‌هاي عددي در مهندسي. 1397; 37 (2) :97-111

URL: http://jcme.iut.ac.ir/article-1-629-fa.html


1- دانشکده مهندسی صنایع و برنامه‌ریزی سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان
2- دانشکده مهندسی صنایع و برنامه‌ریزی سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان ، S.Torbat@in.iut.ac.ir
چکیده:   (720 مشاهده)

بحران‌های مالی موجود در نظام‌های بانکی ناشی از عدم توانایی در مدیریت ریسک‌های اعتباری است. امتیازدهی اعتباری یکی از تکنیک‌های مدیریت ریسک است که ریسک وام‌گیرنده را تحلیل می‌کند. در این مقاله با استفاده از مزایای روش‌های هوش محاسباتی و محاسبات نرم یک روش ترکیبی جدید به‌منظور بهبود مدیریت ریسک‌های اعتباری ارائه شده ‌‌است. در روش پیشنهادی، به‌منظور مدل‌سازی در شرایط عدم‌ قطعیت، پارامترهای شبکه عصبی، شامل وزن‌ها و خطاها، بهصورت فازی در‌نظر گرفته شده‌اند. در این روش، ابتدا سیستم مورد مطالعه با استفاده از شبکه‌های عصبی متامدل‌بندی ‌شده و سپس با به‌کارگیری استنتاجات فازی تصمیم بهینه با بیشترین میزان برتری تعیین خواهد ‌شد. نتایج حاصل از به‌کارگیری روش پیشنهادی بیانگر کارامدی و دقت بالای این روش در تحلیل مسائل امتیازدهی اعتباری است.

متن کامل [PDF 527 kb]   (193 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۹/۲۹ | پذیرش: ۱۳۹۶/۴/۱۸

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به روشهای عددی در مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Computational Methods in Engineering

Designed & Developed by : Yektaweb

64579f77e436cd7