49725

Оценка кредитоспособности физического лица

Курсовая

Информатика, кибернетика и программирование

Целью данной курсовой работы является оценка кредитоспособности клиента от различных параметров. Основными задачами настоящей курсовой работы являются: Изучение факторов, влияющих кредитоспособность; Изучение принципов работы нейросети с использованием программы «Нейросимулятор»;

Русский

2014-01-07

346 KB

24 чел.

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«ПЕРМСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ»

Факультет информатики и экономики

Кафедра прикладной информатики

КУРСОВАЯ РАБОТА

Оценка кредитоспособности физического лица

ИСПОЛНИТЕЛЬ: студентка гр. 1243

Мальцева И.Ф.

НАУЧНЫЙ РУКОВОДИТЕЛЬ:

Профессор Ясницкий Л.Н.

Пермь 2007


Содержание

Глава 1 Потребительские кредиты_______________________________________________4

  1.  Понятие потребительского кредита_____________________________________4
    1.  Роль потребительского кредита в экономике_____________________________4
    2.  Условия предоставления потребительского кредита_______________________6
    3.  Основные виды потребительского кредита_______________________________6
    4.  Оценка кредитоспособности физ. Лица__________________________________7

Глава 2 Основы искусственных нейронных сетей _________________________________10

2.1. Биологические и искусственные нейроны______________________________10

2.2. Построение нейронных сетей_________________________________________11

2.3. Обучение нейронных сетей___________________________________________11

2.4. Подготовка входных и выходных параметров___________________________12

Глава 3 Применение нейронных сетей в оценке кредитоспособности физ. лица________14


ВВЕДЕНИЕ

После двух десятилетий почти полного забвения интерес к искусственным нейронным сетям быстро вырос за последние несколько лет. Специалисты из таких далеких областей, как техническое конструирование, философия, физиология и психология, заинтригованы возможностями, предоставляемыми этой технологией, и ищут приложения им внутри своих дисциплин.

Это возрождение интереса было вызвано как теоретическими, так и прикладными достижениями. Неожиданно открылись возможности использования вычислений в сферах, до этого относящихся лишь к области человеческого интеллекта, возможности создания машин, способность которых учиться и запоминать удивительным образом напоминает мыслительные процессы человека, и наполнения новым значительным содержанием критиковавшегося термина «искусственный интеллект». Нейронные сети дают дополнительные возможности в моделировании нелинейных явлений и распознавании их хаотического поведения. Благодаря своей гибкости они могут «ухватить» самые разные структуры. Способность обобщения и определения скрытых закономерностей является уникальным свойством нейросетей и позволяет их использовать в трудноформализуемых финансовых задачах.

В своей работе я бы хотела оценить кредитоспособность физического лица.

Целью данной курсовой работы является оценка кредитоспособности клиента от различных параметров.

Основными задачами настоящей курсовой работы являются:

  •  Изучение факторов, влияющих кредитоспособность;
  •  Изучение принципов работы нейросети с использованием программы «Нейросимулятор»;
  •  Создание оптимально работающей нейросети для анализа кредитоспособности.

Предметом изучения выступает обученная нейронная сеть. В процессе написания данной курсовой работы были использованы учебные пособия по искусственному интеллекту, открытые публикации с различных Интернет – сайтов и другие источники.

  1.  
    Потребительский кредит

1.1. Понятие потребительского кредита

Потребительский кредит - это продажа торговыми предприятиями потребительских товаров с отсрочкой платежа или предоставление банками ссуд на покупку потребительских товаров, а также на оплату различного рода расходов личного характера (плата за обучение, медицинское обслуживание и т.п.)” 4, с.157.

В отличие от других кредитов, объектом потребительского кредита могут быть и товары, и деньги. Товарами, продаваемыми в кредит, как и оплачиваемыми за счёт банковских ссуд, являются предметы потребления длительного пользования. Субъектами кредита, с одной стороны, выступают кредиторы, в данном случае – это коммерческие банки, специальные учреждения потребительского кредита, магазины, сберкассы и другие предприятия, а с другой стороны – заемщики – люди

1.2. Роль потребительского кредита в экономике

Особое развитие потребительский кредит получил в условиях общего кризиса капитализма (главным образом после 2-ой мировой войны 1939-1945) в связи с резким усилением несоответствия между ростом производства и ограниченностью платёжеспособного спроса трудящихся. 

Кредит в экономике страны, выполняет определённые функции:

  1.  обличает перераспределение капиталов между отраслями хозяйства и тем самым способствует образованию средней нормы прибыли;

стимулирует эффективность труда;

расширяет рынок сбыта товаров;

ускоряет процесс реализации товаров и получения прибыли;

является мощным орудием централизации капитала;

ускоряет процесс накопления и концентрации капитала;

обеспечивает сокращение издержек обращения:

связанных с обращением денег;

связанных с обращением товаров.

Кредит играет большую роль в обеспечении сокращения издержек обращения, связанных с обращением товаров и металлических денег. Благодаря тому, что потребительский кредит ускоряет реализацию товаров, сокращаются издержки, связанные с их упаковкой и хранением. Экономия же на издержках обращения металлических денег достигается:

развитием системы безналичных расчётов. На основе развития кредитов и банков создаются возможности производства платежей без участия наличных денег путём перевода денежных средств со счёта должника на счёт кредитора;

увеличением скорости обращения денег. С помощью кредита свободные денежные капиталы и сбережения помещаются их владельцами в банки, а последние путём предоставления ссуд пускают их в оборот. Оборот денег ускоряется также тем, что покупка товаров в кредит исключает необходимость предварительного накопления денег, а долг может оплачиваться немедленно после получения дохода. Таким образом, кредит и кредитная система сводят до минимума резерв денег как покупательного и платёжного средств у каждого отдельного физического и юридического лица;

заменой металлических денег кредитными – банкнотами. По мере того, как с развитием капитализма развивается кредит и банки, металлические деньги всё больше замещаются кредитными деньгами, обеспечивая всему классу капиталистов огромную экономию на издержках обращения денег. Начиная с первой мировой войны, в большинстве капиталистических стран, а с периода мирового экономического кризиса 1929-1933 г.г. во всех странах металлические деньги перестали выполнять функции средств обращения и платежа. С этого времени металлические деньги внутри страны полностью заменены кредитными деньгами и кредитными операциями.

Кредит, преодолевая границы обращения полноценных наличных денег, расширяет тем самым границы развития производства. 4, с.157

Потребительский кредит очень хорошо стимулирует эффективность труда. Получая заработную плату, недостаточную для покупки за наличный расчёт ряда товаров, в частности предметов длительного пользования, люди имеют возможность покупать эти товары в кредит или брать кредит под их покупку. Впоследствии, деньги за эти товары должны быть выплачены, поэтому каждый, взявший в кредит, старается продержаться на своём рабочем месте, как можно дольше, т.е. на более долгий промежуток времени. Только так он может быть уверенным в своих силах выплатить кредит и зарекомендовать себя перед кредиторами, как честное и добросовестное лицо, для дальнейших связей.

Но, как говорится в одной пословице: “Тот, кто берёт взаймы, продаёт свою свободу”. И ведь действительно, потребительский кредит может оказаться “долговой ямой” так как, лишаясь заработка в результате безработицы или по ещё какой-либо причине, может возникнуть такая ситуация, что люди не смогут погашать свою задолженность. Важно так же заметить, что потребительский кредит уменьшает текучесть кадров посредством того, что вынуждает людей, как можно крепче держаться за своё рабочее место. Уменьшение текучести кадров  благоприятно влияет на экономику страны. В итоге, нужно сказать, что потребительский кредит является очень сильным фактором подъёма народного благосостояния.

Но,  не бывает плохого без хорошего, а хорошего без плохого, так и здесь. Следует учесть, что “потребительский кредит, временно форсируя рост производства, и создавая видимость высокой конъюнктуры, в конечном счёте, может способствовать выходу производства за рамки платёжеспособного спроса населения, нарастания перепроизводства и обострению экономических кризисов”.

1.3. Условия предоставления потребительского кредита

Не каждый может получить потребительский кредит, для финансового учреждения, предоставляющего кредит, важно знать, что его деньги будут возвращены вместе с процентами и остальными выплатами. Для этого им нужно выяснить “кредитную историю”, а она должна представлять собой: Вы честный человек и у вас есть желание выплачивать долги, т.е. вы вовремя платили долги в прошлом, что может навести на мысль, что вы будете делать это впредь. Несомненно, вы должны быть в состоянии выплатить долг, т.е. у вас должны быть стабильные и не слишком маленькие доходы – чем большими средствами вы обладаете, тем больше у вас возможностей выплатить долг. Если же у вас есть ещё и собственность, то она может стать залогом того, что займ будет возвращён.

У молодых людей часто возникают трудности с получением займов или покупками в кредит, т.к. у них ещё нет “кредитной истории”. Но не отчаивайтесь, чтобы получить кредит, вы должны доказать, что хотите и можете расплатиться по взятым финансовым обязательствам. Вы можете, например, открыть кредитный счёт в универмаге или завести кредитную карточку для оплаты бензина. Своевременные платежи по этим счетам помогут обзавестись положительной “кредитной историей”. Имея сбережения в банке, вы можете взять заём под обеспечение суммой вашего вклада. В этом случае своевременные платежи также поднимут вашу репутацию. Если вам необходимо занять деньги до того, как вы успели создать хорошую “кредитную историю”, вы можете найти поручителя. Это должен быть человек с подходящей кредитоспособностью, который гарантирует выплату займа (например, родители), если вы не сможете это сделать. “Важно то, что хорошая репутация в области кредитов сама является ценным финансовым приобретением, чтобы её получить и поддерживать, надо затратить немало времени, но это увеличит ваши финансовые возможности”.[4, с.52]

1.4. Основные виды потребительского кредита

- Овердрафт – это форма краткосрочного кредитования, дающая клиенту банка право проводить платежи с текущего счета сверх кредитовых поступлений на этот счет, в результате чего образуется дебетовое сальдо.

- Кредитная линия. Кредитная линия – это соглашение между банком и заемщиком, заключаемое, как правило, в письменной форме, о кредитовании в пределах заранее определенного лимита в течение установленного срока (обычно до 1 года). Каждая ссуда может подтверждаться векселем, выписываемым на срок 30, 60, 90  дней. Проценты уплачиваются только за пользование реально полученной ссуды.

- Потребительские ссуды. Данные ссуды предоставляются частным лицам для приобретения различных дорогостоящих товаров (автомашин, мебели, драгоценностей и так далее).

- Ипотечные ссуды. За счет этих ссуд финансируется, в первую очередь, покупка клиентами домов, земельных участков и частных квартир. Ипотечный кредит предоставляется клиенту под обеспечение недвижимым имуществом.

- Целевые ссуды с индивидуальными условиями. Они предоставляются клиентам, в основном, для приобретения крупных покупок, (например, покупка яхты, строительство бассейна, теннисного корта и так далее).

- Ссуды на образование детей. Ссуды на образование детей представляют собой долгосрочные ссуды с низким уровнем банковского процента. Обычно они используются для оплаты обучения детей в школе, колледже и так далее.

- Персональные кредиты. Персональные кредиты частным лицам представляют собой банковские ссуды в денежной форме, не привязанные к какой-либо конкретной коммерческой сделке, что существенно повышает гибкость ссуды по сравнению с обычной рассрочкой платежа.  Важным условием здесь является то, что ссуда  в рамках заключенной сделки обязательно должна пойти на приобретение товаров или оплату услуг, а не на погашение существующей задолженности.

-  Учетный кредит.  Это краткосрочный кредит, предоставляемый предъявителю векселя путем покупки векселя до наступления срока его оплаты, за минусом процента (дисконта). Сумма и срок учетного кредита определяются предъявленным векселем.

- Ломбардный кредит. Для получения такого кредита частное лицо передает банку в залог часть своего  высоколиквидного имущества (например, ценные бумаги). В случае не возврата кредита в срок залог переходит в собственность банка.

- Авальный (гарантийный) кредит. Предметом договора является готовность банка подтвердить кредитоспособность своего клиента перед третьей стороной. Если клиент не в состоянии выполнить свои обязательства в рамках условий, то банк принимает их выполнение на себя.

1.5. Оценка кредитоспособности клиентов

Одной из основ кредитного процесса зарубежных коммерческих банков (например, в США) при работе с индивидуальными заемщиками является оценка кредитоспособности клиентов с помощью балльной системы оценки их принадлежности (Таблица 1). Банками рассматриваются самые разнообразные критерии. В зависимости от набранных заемщиком баллов может быть решен вопрос о выдаче кредита или об отказе.

Положительной стороной данного рода  методик является их открытость и достаточная простота в адаптации к существующим условиям.

Методика оценки кредитоспособности индивидуального заемщика

Критерии

Баллы

Критерии

Баллы

1. Род занятий

4.Длительность проживания в данном месте

Бизнесмен

7

Более 5 лет

3

Врач-дантист

7

2-5 лет

2

Преподаватель колледжа

7

Менее 2-х лет

1

Ученый

6

5. Семейное положение

Клерк

6

Женат

5

Фермер

6

Вдов

5

Медицинская сестра

5

Одинокая женщина

4

Квалифицированный рабочий

5

Одинокий мужчина

3

Работник редакции

5

Разведенная женщина

2

Водопроводчик

4

Разведенный мужчина

0

Солдат (матрос)

4

6. Недельный заработок (доллары)

Лица свободные профессий

3

Более 200

5

Уборщик мусора

3

101 – 200

4

Парикмахер

3

91 – 100

3

Портовый грузчик

2

76 – 90

2

Буфетчик

2

61 – 75

1

Работник гаража

2

60 и менее

0

Музыкант

1

7. Банковский счет

Работник сферы услуг

1

Текущий и накопительный

6

Художник

1

Накопительный

3

Коммивояжер

0

Текущий

2

Сельскохозяйственный рабочий

0

8. Кредитные рекомендации

Таксист

0

Две кредитные карточки на бензин

4

2.Стаж работы

Две кредитные карточки универсама

2

Настоящая работа –менее 2-х лет, прошлая – менее 10 лет

2

Рекомендации финансовой компании

2

Настоящая работа – 7 лет и более, прошлая – более 10 лет

5

Рекомендации магазина украшений

2

3. Жилищные условия

Рекомендации  2-х финансовых компаний

4

Имеет собственный дом

5

Рекомендации 2-х магазинов украшений

4

Снимает дом или квартиру

3

Проживает с родителями или родственниками

3

Арендует трейлер

0

Согласно данной методики, если заемщик, обратившийся за кредитом, набрал по критериям меньше 30 баллов, то положительной ответ ему рассматривается как большой риск. При наборе им менее 13 баллов в кредите автоматически отказывается.

Для определения кредитоспособности клиента, также можно прибегнуть к помощи нейронных сетей.


ГЛАВА 2. Основы искусственных нейронных сетей

2.1. Биологический и искусственный нейроны

Нейронные сети и нейрокомпьютеры – это одно из направлений компьютерной индустрии, в основе которого лежит идея создания искусственных интеллектуальных устройств по образу и подобию человеческого мозга

Мозг человека состоят из нейронов (рис. 1.), соединенных между собой нервными волокнами. Нервные волокна способны передавать электрические импульсы между нейронами. Все процессы передачи раздражений от нашей кожи, ушей и глаз к мозгу, процессы мышления и управления действиями - все это реализовано в живом организме как передача электрических импульсов между нейронами. Рассмотрим строение биологического нейрона. Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие – воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее большинство искусственных нейронных сетей моделируют лишь эти простые свойства.

Рис.2 Искусственный нейрон

Рис. 1. Строение биологического нейрона

Искусственный нейрон имитирует в первом приближении свойства биологического нейрона (рис.2). На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синоптической силе, и все произведения суммируются, определяя уровень активации нейрона.

Искусственная нейронная сеть (ИНС, нейронная сеть) - это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы - как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети.

2.2. Построение нейронных сетей.

Построение нейронных сетей проходит в два этапа:

  1.  Выбор типа (архитектуры) нейронной сети.
  2.  Подбор весов (обучение) нейронной сети.

На первом этапе следует выбрать следующее:

  •  какие нейроны мы хотим использовать (число входов, передаточные функции);
  •  каким образом следует соединить их между собой;
  •  что взять в качестве входов и выходов нейронной сети.

Эта задача на первый взгляд кажется необозримой, но, к счастью, нам необязательно придумывать нейронную сеть "с нуля" - существует несколько десятков различных нейросетевых архитектур, причем эффективность многих из них доказана математически. Наиболее популярные и изученные архитектуры - это многослойный перцептрон, нейронная сеть с общей регрессией, нейронные сети Кохонена и другие.

На втором этапе следует "обучить" выбранную нейронную сеть, то есть подобрать такие значения ее весов, чтобы она работала нужным образом. Необученная нейронная сеть подобна ребенку - ее можно научить чему угодно. В используемых на практике нейронных сетях количество весов может составлять несколько десятков тысяч, поэтому обучение - действительно сложный процесс. Для многих архитектур разработаны специальные алгоритмы обучения, которые позволяют настроить веса нейронной сети определенным образом. Наиболее популярный из этих алгоритмов - метод обратного распространения ошибки (Error Back Propagation), используемый, например, для обучения перцептрона.

2.3. Обучение нейронных сетей

Обучение нейронных сетей напоминает процесс интеллектуального развития человеческой личности. Но, к сожалению, возможности обучения искусственных нейронных сетей ограниченны, и нужно решить много сложных задач, чтобы определить, на правильном ли пути мы находимся.

Сеть обучается, чтобы для некоторого множества входов давать желаемое (или, по крайней мере, сообразное с ним) множество выходов. Каждое такое входное (или выходное) множество рассматривается как вектор. Обучение осуществляется путем последовательного предъявления входных векторов с одновременной подстройкой весов в соответствии с определенной процедурой. В процессе обучения веса сети постепенно становятся такими, чтобы каждый входной вектор вырабатывал выходной вектор.

Различают алгоритмы обучения с учителем и без учителя. Обучение с учителем предполагает, что для каждого входного вектора существует целевой вектор, представляющий собой требуемый выход. Вместе они называются обучающей парой. Обычно сеть обучается на некотором числе таких обучающих пар. Предъявляется выходной вектор, вычисляется выход сети и сравнивается с соответствующим целевым вектором, разность (ошибка) с помощью обратной связи подается в сеть и веса изменяются в соответствии с алгоритмом, стремящимся минимизировать ошибку. Векторы обучающего множества предъявляются последовательно, вычисляются ошибки и веса подстраиваются для каждого вектора до тех пор, пока ошибка по всему обучающему массиву не достигнет приемлемо низкого уровня.

Обучение без учителя. Обучающее множество состоит лишь из входных векторов. Обучающий алгоритм подстраивает веса сети так, чтобы получались согласованные выходные векторы, т.е. чтобы предъявление достаточно близких входных векторов давало одинаковые выходы. Процесс обучения, следовательно, выделяет статистические свойства обучающего множества и группирует сходные векторы в классы. Предъявление на вход вектора из данного класса даст определенный выходной вектор, но до обучения невозможно предсказать, какой выход будет производиться данным классом входных векторов. Следовательно, выходы подобной сети должны трансформироваться в некоторую понятную форму, обусловленную процессом обучения. Это не является серьезной проблемой. Обычно не сложно идентифицировать связь между входом и выходом, установленную сетью.

Существует великое множество различных алгоритмов обучения, которые однако делятся на два больших класса: детерминистские и стохастические. В первом из них подстройка весов представляет собой жесткую последовательность действий, во втором – она производится на основе действий, подчиняющихся некоторому случайному процессу.

2.4. Подготовка входных и выходных параметров

Подбор обучающих примеров

От удачного подбора обучающих примеров во многом зависит успех создания нейронной сети, адекватно моделирующей предметную область. Прежде всего необходимо понимать, что не все параметры предметной области влияют на выходной вектор Y.

Параметры, которые не оказывают влияния на вектор Y, называют незначимыми для этого выходного вектора. Естественно, что незначимые параметры не следует включать в список параметров входного вектора X.

Однако на практике часто бывает трудно и даже невозможно установить, какие из параметров предметной области являются значимыми, а какие нет. Поэтому на первом этапе в вектор X включают как можно больше параметров, избегая только те из них, незначимость которых представляется очевидной.

После первоначального создания и обучения нейронной сети, незначимые параметры могут быть выявлены двумя способами.

Путем анализа значений весовых коэффициентов входных нейронов. Если окажется, что у какого-либо входного нейрона синаптические веса значительно меньше, чем у других нейронов, то этот входной нейрон скорее всего соответствует незначимому параметру вектора X.

Путем возмущения значений входных параметров и анализа реакции сети на эти возмущения. Если сеть не реагирует или слабо реагирует на изменения значения какого-либо входного параметра, то этот параметр не является значимым.

После выявления и исключения входных нейронов, соответствующих незначимым параметрам, качество нейросети улучшается, так как снижается ее размерность. Однако надо понимать, что слишком малое число входных параметров может привести к тому, что нейросети не хватит данных для выявления требуемых от нее закономерностей предметной области.

Предобработка обучающих примеров и интерпретация ответов

Параметры, описывающие предметную область, могут иметь самый разнообразный характер. Но поскольку нейросеть в состоянии обрабатывать только числа, то вся нечисловая информация должна быть закодирована в числовом виде.

Числовую информацию, приготовленную для нейросетевой обработки, желательно масштабировать, т.е. выровнять диапазоны изменения величин.

Желаемые выходные сигналы персептрона должны быть также закодированы в приемлемой форме и масштабированы в приемлемом диапазоне.

В итоге персептрон дает нечеткий ответ, оценивая вероятность возможной ошибки.


Глава 3 Применение персептрона в оценке кредитоспособности клиента

Входные параметры

Х1 - Возраст

до 17 1

18-60 2

61-… 3

Х2 - Доход

до 3000  1

3000-10000  2

10001-25000 3

25001-50000 4

Х3 - сов.доход

до 9000  1

9001-15000  2

15001-25000 3

25000-…  4

Х4 - иждивенцы

нет   1

1    2

2    3

Х5 - кол-во чел.в семье

Х6 - недвижимость

нет   1

одна квартира  2

несколько объектов 3

Х7 - место работы

без работный  1

гос.учреждение 2

работа у частника 3

Х8 - место прописки

г.Пермь 1

Область 2

др.регион 3

Х9 - движимое имущество

нет  1

есть 2

Входные параметры

у

кредитоспособен 1

не кредитоспособен 2

Забьём обучающую выборку в Excel.

х1

x2

x3

x4

x5

x6

x7

x8

x9

y

Петрухин

2

2

1

0

2

3

2

1

1

1

Иванов

2

3

3

1

4

2

3

2

1

1

Ершова

1

2

2

0

2

1

3

1

1

0

Кузьмин

2

1

1

1

4

1

2

1

1

0

Попова

2

2

2

0

1

1

2

2

2

1

Гилёва

2

2

3

2

3

3

3

2

1

1

Наша нейронная сеть «Нейросимулятор» совместима с системой обработки электронных таблиц Excel, и подготовленную обучающей выборку загружаем из Excel. Теперь каждая строка таблицы представляет собой обучающий пример.

Нейросеть обучалась в течение 4000 эпох, в качестве функции активации скрытых слоев была выбрана сигмоида, а в качестве функции активации выходного слоя – линейная функция. Заданная скорость обучения нейросети – 0,01, для обучения был применен алгоритм обратного распространения, для масштабирования данных была выбрана линейная функция. После обучения сети производятся вычисления, для этого сначала копируются обучающие примеры, а затем добавляется тестирующая выборка. После этого нейросеть вычисляет выходные параметры.

После обучения вычисляем среднеквадратичную погрешность между прогнозом сети  и желаемым выходом сети обучающей или тестируемой. Среднеквадратичная погрешность персептрона, вычисленная на обучающей выборке E 

Кол-во нейронов

1

2

3

4

5

6

7

8

9

обучающая выборка

0,9681

0,9698

0,9196

0,3256

0,133

0,3514

0,3724

0,254

0,4457

тестирующие примеры

0,9065

0,9598

0,867

0,7531

0,5498

0,7465

0,4553

0,66

0,8196

Используется конструктивный метод оптимизации числа нейронов. Наш персептрон выдает наиболее достоверную информацию при 5 нейронах.

Наиболее значимыми параметрами являются:

  •  место работы
  •  совокупный доход
  •  недвижимость


Список литературы

  1.  Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. заведений – М: Издательский центр «Академия», 2005.
    1.  www.neuroproject.ru/what.php   Учебник «Нейросети».
    2.  Лаврушина, О.И. Организация и планирование кредита. Москва, Финансы и статистика, 1991 г.
    3.  Прикладная экономика. Пер. с англ./ Junior Achievement.- Москва, Просвещение, 1992г.


 

А также другие работы, которые могут Вас заинтересовать

4909. Клиент-серверные взаимодействия на основе сокетов 80 KB
  Клиент-серверные взаимодействия на основе сокетов Рассматривается методика построения Web-приложений на основе сокетных соединений. Приводятся примеры построения клиентских и серверных приложений, реализующих клиент-серверные взаимодействия. Техн...
4910. Основы программирования на языке турбо паскаль 2.87 MB
  Язык программирования Паскаль, разработанный в 1970 г. профессором Швейцарской высшей политехнической школы Никлаусом Виртом специально для целей обучения студентов, быстро завоевал широкую популярность благодаря своей простоте, логичности языковых ...
4911. Разработка программы-эмулятора для заданной гипотетической ЭВМ 2.3 MB
  В настоящее время получило широкое распространение использование микропроцессоров в качестве встроенных элементов систем автоматического управления,в том числе как управляющих блоков периферийных узлов вычислительных комплексов. Функции...
4912. Алгоритмы и основы программирования 651.5 KB
  Алгоритмы и основы программирования. Краткое содержание: Этапы создания компьютерной программы. Понятие алгоритма. Виды алгоритмов. Представление алгоритмов в виде блок-схем. Понятие о программировании. Системы и языки программирования. Запись алгор...
4913. Организация списочных и древовидных структур 16.05 KB
  Организация списочных и древовидных структур. В тех случаях, когда количество данных, обрабатываемых программой, заранее не известно или изменяется в процессе работы программы, использовать жестко определённые типы данных (массивы) не рационально ил...
4914. Конструкторы и деструкторы 17.73 KB
  Конструкторы и деструкторы Специальные методы объекта, которые предназначены для выполнения настроечных действий в момент создания каждого экземпляра объекта. В концепции ООП конструктор должен активизироваться автоматически, т.е....
4915. Работа с файлами в языке паскаль 17.24 KB
  Работа с файлами в языке паскаль. В языке паскаль с файлами можно работать несколькими способами. Все зависит от того, как этот файл открывается. Один и тот же файл можно открывать разными способами. Правда, если открыть нее тем способом, можно проч...
4916. BGI графика 15.2 KB
  BGI графика. В языках программирования специальных средств для создания графических приложений не было. Единственная возможность выводить графику на экран была только при помощи использования функции bios прямого обращения к видимой памяти. Задача д...
4917. Trubo Pascal. Программное управление работой компьютера 35 KB
  В XIX веке английским математиком и инженером Чарльзом Бэббиджем был разработан проект вычислительной машины, которая предназначалась для автоматического проведения длинных цепочек вычислений. Конструкция его аналитической машины включала 50 тысяч д...