Вибір архітектури нейромережі для розв’язання задачі класифікації надійності позичальників-фізичних осіб
| dc.contributor.author | Савіна, Світлана Станіславівна | uk |
| dc.contributor.author | Savina, Svitlana | en |
| dc.contributor.author | Савина, Светлана Станиславовна | ru |
| dc.contributor.author | Бень, Владислав П. | uk |
| dc.contributor.author | Ben’, Vladyslav | en |
| dc.date.accessioned | 2016-12-14T12:04:04Z | |
| dc.date.available | 2016-12-14T12:04:04Z | |
| dc.date.issued | 2016 | |
| dc.description.abstract | Стаття присвячена пошуку архітектури нейромережі, здатної найбільш ефективно здійснювати оцінку кредитоспроможності позичальників-фізичних осіб. Досліджено такі види архітектур нейронних мереж, як тришаровий персептрон і радіально-базисна мережа, розглянуто питання вибору їх оптимальної конфігурації. Проведено порівняльний аналіз ефективності застосування окремих нейронних мереж різної архітектури і конфігурацій та утвореного з трьох найкращих нейромереж комітету експертів. Запропоновано підхід узагальнення результатів роботи окремих моделей у комітеті. Проведені розрахунки підтвердили, що поєднання кількох моделей у комітет дає змогу компенсувати можливі помилки результату роботи окремих моделей. Висновки з проведеного дослідження та побудовані нейромережеві моделі можуть бути використані банківськими структурами та іншими кредитними установами, зацікавленими в адекватній процедурі оцінки кредитоспроможності фізичних осіб. | uk |
| dc.description.abstract | The article is devoted to the search of the neural network architecture that demonstrates the highest accuracy of assessment of the creditworthiness of borrowers-individuals. The paper deals with such types of neural network architectures as three layer perception and radial basis function network, as well as the issues of optimal configuration choice. A comparative analysis of the effectiveness of individual neural networks of various architectures and configurations is carried out, as well as formed «the committee of experts» from three of the best neural networks. The approach of summarizing the results of individual models calculations in the committee is proposed in the article. Experimental research confirmes that the combination of several models in the committee allows compensating the possible errors of individual models evaluations. The findings from this study and constructed neural network models may be used by banking institutions and other credit organizations interested in an adequate procedure of assessing the creditworthiness of individuals. | en |
| dc.description.abstract | Статья посвящена поиску архитектуры нейросети, которая бы наиболее эффективным образом осуществляла оценку кредитоспособности заемщиков-физических лиц. Исследованы такие виды архитектур нейронных сетей, как трехслойный персептрон и радиально-базисная сеть, а также рассмотрены вопросы выбора их оптимальной конфигурации. Проведен сравнительный анализ эффективности применения отдельных нейронных сетей различной архитектуры и конфигураций, а также образованного из трех лучших нейросетей комитета экспертов. Предложен подход обобщения результатов работы отдельных моделей в комитете. Проведенные расчеты подтвердили, что сочетание нескольких моделей в комитете позволяет компенсировать возможные ошибки результата работы отдельных моделей. Выводы из проведенного исследования и построенные нейросетевые модели могут быть использованы банковскими учреждениями и прочими кредитными организациями, заинтересованными в адекватной процедуре оценки кредитоспособности физических лиц. | ru |
| dc.identifier.citation | Савіна С. С. Вибір архітектури нейромережі для розв’язання задачі класифікації надійності позичальників-фізичних осіб / С. С. Савіна, В. П. Бень // Нейро-нечіткі технології моделювання в економіці : наук.-анал. журн. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: А. В. Матвійчук (голов. ред.) [та ін.]. – Київ : КНЕУ, 2016. – № 5. – С. 123–151. | uk |
| dc.identifier.issn | 2306-3289 | |
| dc.identifier.uri | https://ir.kneu.edu.ua:443/handle/2010/20359 | |
| dc.language.iso | uk | uk |
| dc.publisher | ДВНЗ «Київський національний університет імені Вадима Гетьмана» | uk |
| dc.subject | оцінка кредитоспроможності | uk |
| dc.subject | нейромережа | uk |
| dc.subject | поверхня відгуку | uk |
| dc.subject | персептрон | uk |
| dc.subject | радіально-базисна мережа | uk |
| dc.subject | комітет експертів | uk |
| dc.subject | сreditworthiness assessment | en |
| dc.subject | neural network | en |
| dc.subject | response surface | en |
| dc.subject | perceptron | en |
| dc.subject | radial basis function network | en |
| dc.subject | committee of experts | en |
| dc.subject | оценка кредитоспособности | ru |
| dc.subject | нейросеть | ru |
| dc.subject | поверхность отклика | ru |
| dc.subject | персептрон | ru |
| dc.subject | радиально-базисная сеть | ru |
| dc.subject | комитет экспертов | ru |
| dc.subject.udc | 519.86:336.717 | uk |
| dc.title | Вибір архітектури нейромережі для розв’язання задачі класифікації надійності позичальників-фізичних осіб | uk |
| dc.title.alternative | Selection of neural network architecture for solving a problem of borrowers-individuals trustability classification | en |
| dc.title.alternative | Выбор архитектуры нейронной сети для решения задачи классификации надежности заемщиков-физических лиц | ru |
| dc.type | Article | uk |