| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文的研究内容与章节安排 | 第13-16页 |
| 第二章 相关理论基础 | 第16-29页 |
| 2.1 信用卡风险相关知识 | 第16-19页 |
| 2.1.1 信用卡风险 | 第16-17页 |
| 2.1.2 信用卡信用风险 | 第17-19页 |
| 2.2 深度学习理论基础 | 第19-24页 |
| 2.2.1 深度学习背景 | 第19-21页 |
| 2.2.2 深度学习模型 | 第21-24页 |
| 2.3 深度学习的过拟合问题 | 第24-26页 |
| 2.3.1 过拟合概念 | 第24-25页 |
| 2.3.2 Dropout | 第25-26页 |
| 2.3.3 Batch Normalization | 第26页 |
| 2.4 提高类不平衡数据的分类准确率 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 深度学习模型构建 | 第29-39页 |
| 3.1 输入层设计 | 第29-34页 |
| 3.1.1 数据抽取 | 第29-30页 |
| 3.1.2 数据探索分析 | 第30-32页 |
| 3.1.3 数据变换 | 第32-34页 |
| 3.1.4 过抽样 | 第34页 |
| 3.2 输出层设计 | 第34-35页 |
| 3.3 构建专家样本库 | 第35-36页 |
| 3.4 深度神经网络设计 | 第36-37页 |
| 3.4.1 模型构建 | 第36-37页 |
| 3.4.2 设计编译模型 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 深度学习实验与分析 | 第39-51页 |
| 4.1 训练结果分析 | 第39-40页 |
| 4.2 模型调优 | 第40-49页 |
| 4.2.1 增加递归次数 | 第40-41页 |
| 4.2.2 增加Dropout层 | 第41-43页 |
| 4.2.3 增加Batch Normalization层 | 第43-45页 |
| 4.2.4 更换激活函数 | 第45-49页 |
| 4.3 与传统方法性能比较 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-54页 |
| 5.1 研究工作总结 | 第51-52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |