|
|
|
|
ارزیابی ریسک اعتباری بانک‌ها با استفاده از شبکه عصبی حافظه کوتاه- بلند مدت بهبودیافته با الگوریتم بهینه‌سازی موش و گربه
|
|
|
|
|
|
|
|
نویسنده
|
جدیدی یلدا ,علیزاده سعید
|
|
منبع
|
اولين همايش ملي دستاوردهاي نوين در مهندسي برق، كامپيوتر و مهندسي پزشكي - 1401 - دوره : 1 - اولین همایش ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و مهندسی پزشکی - کد همایش: 01221-53023 - صفحه:0 -0
|
|
چکیده
|
زمانی که بانک‌ها قصد دارند به مشتریان تسهیلاتی پرداخت کنند، وضع اعتبار دارایی‌ها و خوش‌حسابی یا بدحسابی مشتری مورد نظر را می‌سنجند. در حال حاضر ریسک اعتباری را می‌توان به طور گسترده تحت عوامل کمی و کیفی طبقه‌بندی کرد. در این تحقیق سعی بر آن است که با استفاده از شبکههای عصبی به تشخیص ریسک اعتباری بانک‌ها بپردازیم. در این مقاله با استفاده از شبکههای عصبی عمیق بهبودیافته با الگوریتم بهینه‌سازی موش و گربه عمل طبقه‌بندی ریسک اعتباری بانک‌ها انجام شد. نتایج استفاده از شبکه عصبی حافظه کوتاه- بلندمدت بهبودیافته با الگوریتم بهینه‌سازی موش و گربه حاکی از عملکرد بهتر آن است.
|
|
کلیدواژه
|
ریسک اعتباری بانک‌ها، شبکه عصبی عمیق، الگوریتم بهینه سازی موش و گربه.
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
osalizadeh@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
credit risk assessment of banks using improved long-short term memory neural network with cat and mouse optimization algorithm
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|