| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文目标研究与结构安排 | 第13-15页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 结构安排 | 第13-15页 |
| 第2章 信用评分模型概述 | 第15-17页 |
| 2.1 信用风险的基本概念 | 第15页 |
| 2.2 信用评分方法 | 第15-17页 |
| 第3章 神经网络概述 | 第17-24页 |
| 3.1 人工神经网络 | 第17页 |
| 3.2 深度神经网络 | 第17-18页 |
| 3.3 卷积神经网络 | 第18-21页 |
| 3.4 递归神经网络 | 第21-24页 |
| 3.4.1 递归神经网络 | 第21页 |
| 3.4.2 长期记忆网络 | 第21-24页 |
| 第4章 基于LeNet-5 和门卷积神经网络的信用评分模型 | 第24-35页 |
| 4.1 模型的建立 | 第24-31页 |
| 4.1.1 LeNet-5 模型 | 第24-26页 |
| 4.1.2 门卷积神经网络模型 | 第26-28页 |
| 4.1.3 基于LeNet-5 和门卷积网络的信用评分模型 | 第28-31页 |
| 4.2 模型的训练 | 第31-35页 |
| 4.2.1 梯度下降优化算法 | 第31-32页 |
| 4.2.2 反向传播算法 | 第32-34页 |
| 4.2.3 mini－batch梯度下降算法 | 第34-35页 |
| 第5章 实验与结果分析 | 第35-44页 |
| 5.1 实验设计 | 第35-39页 |
| 5.1.1 实验环境 | 第35-36页 |
| 5.1.2 实验数据 | 第36-39页 |
| 5.2 实验结果与分析 | 第39-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 附录 | 第51-56页 |
| 致谢 | 第56页 |