6 / 9
Т.И. Кузнецова, Е.Н. Лобачёва, Н.Ю. Цельсов
6
Гуманитарный вестник
# 2
⋅
2016
Рис. 4.
Линейный нейрон:
w
p
+
b
= 0 — равенство нулю функции активации для
x
1
и
x
2
Число нейронов в каждом слое данной сети определяется количе-
ством классов, на которое необходимо распределить заемщиков.
Следовательно, каждый из слоев имеет по три нейрона, а суммарное
количество нейронов равняется шести (рис. 5).
Рис. 5.
Структура нейронной сети
Для того чтобы нейронная сеть распределяла заемщиков в соот-
ветствии с их финансовыми показателями, ее необходимо обучить.
Алгоритм обучения состоит в последовательной отработке векторов,
класс кредитоспособности которых заранее известен. Нейронной се-
ти сообщается, к какому именно классу она должна отнести того или
иного заемщика, с помощью чего нейронная сеть адаптирует пара-
метры своих нейронов таким образом, чтобы после прохождения
обучающего алгоритма ее поведение соответствовало решению уста-
новленной задачи.
Статистические данные (см. таблицу) для обучения берутся из
истории ссудных сделок, заключенных кредитными организациями.
Для бывших заемщиков измеряются требуемые семь параметров, по-
сле чего их относят к соответствующему классу кредитоспособности,
в зависимости от того, удалось ли заемщикам вовремя рассчитаться с
полученной ссудой, или нет. Чем большее количество бывших за-
емщиков было рассмотрено, тем точнее прогнозирует искусственная
нейронная сеть.