神经网络在中小企业信用风险评估问题中的应用比较
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1. 研究背景 | 第8-9页 |
| 1.2. 本章小结 | 第9-10页 |
| 第2章 相关概念与文献综述 | 第10-15页 |
| 2.1. 信用风险评估的重要性 | 第10-11页 |
| 2.2. 基于人工智能的信用风险评估 | 第11-12页 |
| 2.3. 神经网络信用风险评估模型 | 第12-13页 |
| 2.4. 决策树信用风险评估模型 | 第13页 |
| 2.5. 信用风险评估的应用 | 第13-14页 |
| 2.6. 本章小结 | 第14-15页 |
| 第3章 相关概念与模型 | 第15-24页 |
| 3.1. 信用风险评估 | 第15页 |
| 3.2. 信用评级的基本概念 | 第15-16页 |
| 3.3. BP神经网络 | 第16-18页 |
| 3.4. 径向基神经网络 | 第18页 |
| 3.5. 广义回归神经网络 | 第18-19页 |
| 3.6. 概率神经网络 | 第19页 |
| 3.7. 决策树 | 第19页 |
| 3.8. 信用评分模型评价标准 | 第19-20页 |
| 3.9. 信用风险评估的关键所在 | 第20-23页 |
| 3.10. 本章小结 | 第23-24页 |
| 第4章 实验 | 第24-32页 |
| 4.1 实验数据集 | 第24页 |
| 4.2 产生训练集/测试集 | 第24页 |
| 4.3 评价指标 | 第24-26页 |
| 4.3.1 错分率 | 第24-25页 |
| 4.3.2 ROC曲线和AUC值 | 第25-26页 |
| 4.4. 几种神经网络模型参数的确定 | 第26-28页 |
| 4.4.1 BP神经网络参数的确定 | 第26页 |
| 4.4.2 RBF神经网络参数的确定 | 第26-27页 |
| 4.4.3 GRNN和PNN参数的确定 | 第27-28页 |
| 4.5. 不同模型的错分率比较 | 第28-29页 |
| 4.6. 不同模型的AUC值比较 | 第29-31页 |
| 4.7. 本章小结 | 第31-32页 |
| 第5章 总结 | 第32-33页 |
| 参考文献 | 第33-38页 |
| 附录1 | 第38-40页 |
| 致谢 | 第40-41页 |
