1、隨著經(jīng)濟的飛速發(fā)展，信用消費浮出水面，住房按揭、汽車貸款、信用卡等個人消費貸款都亟待信用作保，因此個人信用評估對于商業(yè)銀行控制信貸風險具有重要意義。人工神經(jīng)網(wǎng)絡作為一種旨在模仿人腦結構及其功能的腦式智能信息處理系統(tǒng)，其應用領域日益擴大，潛力日趨明顯，在個人信用評估領域也有非常好的應用前景。本文主題是關于神經(jīng)網(wǎng)絡方法的研究及其在個人信用評估中的應用，研究中心是BP神經(jīng)網(wǎng)絡在個人信用評估中的創(chuàng)新應用。針對中心問題，主要做了下面兩件事:一是采

2、用了四種不同算法的BP神經(jīng)網(wǎng)絡方法建立模型，并進行了對比研究;二是為了提高BP神經(jīng)網(wǎng)絡的泛化能力，根據(jù)BP神經(jīng)網(wǎng)絡的特點提出加權平均BP神經(jīng)網(wǎng)絡模型。
　　 人們對BP神經(jīng)網(wǎng)絡的研究比較多，因此其實現(xiàn)算法也比較多。對不同的算法我們不能簡單的評價孰優(yōu)孰劣，而是應該針對不同問題找到一種最適合的方法。在本文中采用了四種訓練方法，結果顯示，對本文所采用的數(shù)據(jù)，trainbfg函數(shù)和trainlm函數(shù)建立的網(wǎng)絡對樣本的分類結果比由trai

3、ngdx函數(shù)和traincgp函數(shù)建立的網(wǎng)絡對樣本的分類結果要稍勝一籌，尤其是在對測試樣本的分類表現(xiàn)中。綜合考慮各個方面，由trainlm訓練函數(shù)建立的BP網(wǎng)絡模擬結果相對而言比其他函數(shù)要好一些。
　　 為了提高BP神經(jīng)網(wǎng)絡的泛化能力，本文提出加權平均BP神經(jīng)網(wǎng)絡方法。這一方法主要基于兩方面的考慮:一是要提高網(wǎng)絡的泛化能力，就必須充分挖掘樣本資料所包含的信息，減少噪聲數(shù)據(jù)對網(wǎng)絡的影響;二是BP神經(jīng)網(wǎng)絡在訓練時有學習新樣本遺忘舊樣