|
89 3. МОДЕЛИРОВАНИЕ И АЛГОРИТМИЗАЦИЯ СКОРИНГ-АНАЛИЗА КРЕДИТОСПОСОБНОСТИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ И ИНСТРУМЕНТАЛЬНОЙ СИСТЕМЫ 3.1. Нейронные сети как основа моделирования процесса скоринганализа При построении модели нейронная сеть используется для классификации клиентов. Нейронная сеть (НС) позволяет классифицировать клиентов по нескольким классам исходя из их параметров, которые подаются на входы НС, а на выходе можно получить вероятность попадания данного клиента в какойлибо класс. Это можно использовать для того чтобы определить вероятность попадания клиента в группу благонадежных с кредитной точки зрения клиентов, т.е. вероятность полученная на выходе НС и есть искомая величина score. 3.1.1. Анализ возможностей нейронных сетей при построении модели клиента банка Искусственные нейронные сети —совокупность моделей биологических нейронных сетей. Представляют собой сеть элементов искусственных нейронов связанных между собой синаптическими соединениями. Сеть обрабатывает входную информацию и в процессе изменения своего состояния во времени формирует совокупность выходных сигналов. Работа сети состоит в преобразовании входных сигналов во времени, в результате чего меняется внутреннее состояние сети и формируются выходные воздействия. Обычно НС оперирует цифровыми, а не символьными величинами. Искусственные нейронные сети набор математических и алгоритмических методов для решения широкого круга задач. Нейронная Сеть это универсальное средство обработки информации: |
3 Введение Теория нейронных сетей включают широкий круг вопросов из разных областей науки: биофизи ки, математики, информатики, схемотехники и технологии. Поэтому понятие "нейронные сети" де тально определить сложно. Искусственные нейронные сети (НС) — совокупность моделей биологических нейронных сетей. Представляют собой сеть элементов — искусственных нейронов — связанных между собой синап тическими соединениями. Сеть обрабатывает входную информацию и в процессе изменения своего состояния во времени формирует совокупность выходных сигналов. Работа сети состоит в преобразовании входных сигналов во времени, в результате чего меняется внутреннее состояние сети и формируются выходные воздействия. Обычно НС оперирует цифро выми, а не символьными величинами. Большинство моделей НС требуют обучения. В общем случае, обучение — такой выбор парамет ров сети, при котором сеть лучше всего справляется с поставленной проблемой. Обучение — это задача многомерной оптимизации, и для ее решения существует множество алгоритмов. Искусственные нейронные сети — набор математических и алгоритмических методов для реше ния широкого круга задач. Выделим характерные черты искусственных нейросетей как универсаль ного инструмента для решения задач: 1. НС дают возможность лучше понять организацию нервной системы человека и животных на средних уровнях: память, обработка сенсорной информации, моторика. 2. НС — средство обработки информации: а) гибкая модель для нелинейной аппроксимации многомерных функций; б) средство прогнозирования во времени для процессов, зависящих от многих переменных; в) классификатор по многим признакам, дающий разбиение входного пространства на области; г) средство распознавания образов; д) инструмент для поиска по ассоциациям; г) модель для поиска закономерностей в массивах данных. 3. НС свободны от ограничений обычных компьютеров благодаря параллельной обработке и сильной связанности нейронов. 4. В перспективе НС должны помочь понять принципы, на которых построены высшие функции нервной системы: сознание, эмоции, мышление. Существенную часть в теории нейронных сетей занимают биофизические проблемы. Для постро ения адекватной математической модели необходимо детально изучить работу биологических нерв ных клеток и сетей с точки зрения химии, физики, теории информации и синергетики. Должны быть известны ответы на основные вопросы, касающиеся 1. Как работает нервная клетка — биологический нейрон? Необходимо иметь математическую модель, адекватно описывающую информационные процессы в нейроне. Какие свойства нейрона важны при моделировании, а какие — нет? 2. Как передается информация через соединения между нейронами синапсы? Как меняется проводимость синапса в зависимости от проходящих по нему сигналов? 3. По каким законам нейроны связаны друг с другом в сеть? Откуда нервная клетка знает, с каки ми соседями должно быть установлено соединение? |