Искусственные нейронные сети Т. Кохонена на службе коммерческого банка

Гуманитарный вестник

# 2

⋅

2016 1

УДК 519.86 DOI 10.18698/2306-8477-2016-02-340

Искусственные нейронные сети Т. Кохонена

на службе коммерческого банка

МГТУ им. Н.Э. Баумана, Москва, 105005, Россия

Приведено обоснование альтернативного применения искусственной нейронной

сети в качестве статистической модели для определения платежеспособности

клиентов коммерческого банка. На примере использования расширенной нейронной

сети Т. Кохонена показано, как нейронная сеть, обучившись на статистических

данных прежних кредитных сделок, решает задачу классификации заемщиков по

признаку платежеспособности.

Ключевые слова:

нейронная сеть Т. Кохонена, кластеризация входных векторов,

конкурирующий метод обработки информации, структура нейронной сети, оцен-

ка кредитоспособности.

В последние годы в мире бурно развивается новая прикладная об-

ласть математики, которая специализируется на искусственных нейрон-

ных сетях. Стремительно растущий интерес к нейронным сетям объяс-

няется их результативным применением в различных сферах деятельно-

сти при решении задач классификации и прогнозирования, лежащих в

основе поддержки принятия управленческих решений. Среди областей

практического применения нейронных сетей прежде всего следует

назвать прогнозирование аварийных ситуаций турбоагрегатов электро-

станций, оптимизацию управления судостроительными предприятиями,

нефтегазовыми компаниями, торговыми сетями, складскими комплек-

сами, финансовой и банковской сферой [1, 2, 3].

К достоинствам нейронных сетей следует отнести способность ре-

шать задачи, опираясь на неполную информацию, обрабатывать масси-

вы данных со значительным повышением быстродействия процесса по

сравнению с традиционными математическими методами, возможность

обучения нейронной сети по эталонным образцам, а также изменение

типологии сетей, исходя из требований решаемой задачи.

Искусственная нейронная сеть моделирует процесс таким обра-

зом, чтобы система постигала суть взаимосвязей между командами

ввода и вывода посредством периодического выбора данных. При

неточности или неполноте данных искусственная нейронная система

делает выбор на основании анализа подобно эксперту.

Все эти свойства нейронных систем активно использовались раз-

ными авторами при разработке моделей принятия управленческих