数据挖掘及其在银行业的应用

随着信息技术的飞速发展以及数据库管理技术的广泛应用,各大银行都在纷纷实施数据大集中,无数个数据库被用于办公、管理、开发等领域,大量的数据库信息如果不能合理使用和开发就会像垃圾一样成为银行业的包袱,如何提高信息的利用率,数据挖掘技术的应运而生给银行业带来无限生机,它将成为银行业发展过程中不可多得的新技术。     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

商业银行个人客户洗钱静态风险分类方法研究

构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型。实证研究表明该模型预测精度有所提高,性能表现也更加稳健,对于运用于实际洗钱识别工作具有一定的应用价值。     

时滞BAM神经网络稳定性分析

本文介绍了神经网络理论知识≯并重点分析了时滞BAM神经网络的稳定性,给出了平衡点、唯一的判据和全局渐近稳定判据。     

神经网络在我国电商企业客户流失风险预测中的应用研究

文章以C5.0、Neural Net和Logistic三种算法作为构建预测混合模型的基础算法。在实证研究过程中,分别采用品牌、地区、网龄和账单作为客户细分变量,构建了不同的客户流失预测混合模型,用命中率和接受者操作特性(ROC)曲线对预测结果比较评估,得到以地区为客户细分变量的混合模型预测效果最佳,以账单为客户细分变量的混合模型预测效果,其次以网龄和品牌为客户细分变量的混合模型预测效果较差的结论。省级电信公司在构建流失预测系统过程中,以客户账单(或客户消费层次)作为细分变量,对各地区客户单独构建流失预测模型;同时,要加强品牌管理,提高各品牌对客户的区隔效果。     

基于Elman神经网络的商业银行信贷风险识别及评估模型

建立了基于Elman神经网络的商业银行信贷风险识别及评估模型,并通过实例验证了模型的准确性和可靠性。研究过程及结果表明,基于Elman神经网络的商业银行信贷风险识别及评估模型能够很好地反映信贷过程中的非线性因素,准确地预测出完整的信贷风险评估指标和信用等级之间的映射关系,能快速评估和有效减低商业的信贷风险。一组实例结果显示该评估模型的准确率接近90％。     

我国上市公司信用风险预警研究

本文以我国上市公司作为研究样本,构建基于组合预测模型的我国商业银行信用风险管理预警系统。在结合目前国内外各商业银行信用风险预警指标体系的基础上,筛选构建较为合理并适合我国国情的信用风险预警指标体系;进而选择传统数理统计模型Logistic回归模型和人工智能模型RBF神经网络模型建立组合预测预警模型,以求能够组合不同单一模型的优点,解决信用风险预警模型的准确性和稳定性兼顾的问题,仿真结果表明:组合预测模型解决了单一模型应用中精确性和第二类问题处理能力不能同时兼得的问题,达到了预期的效果。     

基于BP神经网络的企业资源规划(ERP)应用绩效评价

以平衡计分卡理论为基础,建立企业ERP应用绩效评价指标体系.将BP神经网络应用于绩效评价中,以江苏某城市20家企业ERP应用数据作为BP神经网络的训练样本,用训练好的BP神经网络评价企业ERP应用的绩效,实证分析结果令人满意.     

高速铁路综合检测数据分析关键技术研究

自京津城际铁路开通运营以来,我国铁路采用综合检测列车进行基础设施安全检测。自主研制的高速综合检测列车采用先进的检测手段,具有轨道、接触网、通信、信号、轮轨动力学等测试功能。基于多体动力学仿真、神经网络分析、双指数函数方法,提出的仿真模型、轮轨力预测方法、轨道状态变化规律,经试验验证结果正确,为建立和完善我国高速铁路综合检测数据分析专家系统打下了基础。