, , ,

رتبه بندي اعتباري مشتريان بوسیله شبكه‌هاي عصبي

پایان نامه شبکه های عصبی (بانک سامان )

چكيده
بازار اعتبارات مصرفي در ايران با تشكيل بانكهاي خصوصي رونق يافته است. فعاليت اصلي در اين بازار اعطاي تسهيلات مصرفي به متقاضيان بوده و اين امر نياز به اعتبار سنجي متقاضيان تسهيلات جهت كاهش ريسك اعتباري دارد. امروزه سيستمهاي هوشمند كاربردهاي فراواني در امور مختلف بانكي و مالي پيدا كرده‌اند. بررسي و تصويب اعتبارات يكي از كاربردهاي شبكه عصبي است. پژوهش حاضر با هدف ارائه مدل مناسب بررسي رفتار اعتباري مشتريان تسهيلات مصرفي وام مضاربه با استفاده از شبكه هاي عصبي جهت رتبه بندي اعتباري شكل گرفته است. به دنبال اين هدف ابتدا عوامل مهم تاثير گذار بر رفتار اعتباري مشتريان شناسايي گرديد و سپس مشتريان به سه دسته خوش حساب، بد حساب وسر رسيد گذشته تقسيم شدند.در مرحله بعد مدلهاي شبكه عصبي پس از طراحي؛ با داده‌هاي آموزشي؛ آموزش داده شده و سپس با داده‌هاي آزمايشي مورد آزمايش قرار گرفتند.نتايج بدست آمده نشان مي‌دهد كه رفتار اعتباري مشتريان با استفاده از مدلهاي رتبه بندي شبكه‌هاي عصبي قابل پيش بيني است.امروزه صنعت اعتبار نقش مهمي در اقتصاد كشور ها ايفاء مي‌‌ نمايد. جهاني شدن اقتصاد و ورود كانال هاي جديد خدماتي نظير اينترنت، امكان جست وجوي اعتباردهنده بدون محدوديت زماني و مكاني را براي مشتريان اعتبار فراهم كرده است. به همين دليل، مؤسسات اعتباردهنده تمايل يافته اند تا فعاليت خود را به ديگر كشور هاي جهان گسترش دهند.از يك سو، افزايش تقاضاي اعتبار، افزايش رقابت و به وجود آمدن كانال هاي جديد در فضاي اقتصاد نوين، فرصت هاي جديدي براي مؤسسات اعتباردهنده به وجود آورده و از سوي ديگر، آنها را نيازمند ابزار ها و روش هاي جديدي نموده است. اين مسأله، مؤسسات مزبور را به سمت تجديدنظر، توانمندسازي و ورود فن آوري هاي جديد در فرآيند هاي مديريت اعتبار سوق داده است.
در اين ميان، مدل هاي رتبه بندي اعتباري، بخش عمده اي از اطلاعات مورد نياز مؤسسات اعتباردهنده در مديريت مؤثر اعتبارات را فراهم مي‌‌ كنند. اين مدل ها در پيش بيني اندازه ريسك يك متقاضي اعتبار به كار برده شده و طيف وسيعي از انواع روش هاي كيفي و كمي را در بر مي‌‌ گيرند. بانك ها و مؤسسات مالي به دو صورت مي‌‌ توانند از اين مدل ها استفاده كنند. روش اول كه در حال حاضر در بانك هاي غربي استفاده مي‌‌ شود، رتبه بندي هايي است كه توسط مؤسسات خارج از بانك انجام شده و به صورت درجه ريسك براي هر شركت اعلام مي‌‌ شود. سه مؤسسه اِس اَند پي ) S P(، فيچ ) Fitch( و موديز ) Moody s(، معتبرترين مؤسساتي هستند كه در سطح بين المللي، ريسك اعتباري شركت هاي مختلف را اندازه گيري و به صورت درجات مخصوص ارايه مي‌‌ دهند. به دليل سابقه طولاني و تيم كارشناسي مجّربي كه اين مؤسسات در اختيار دارند، رتبه بندي هاي آنها در سطح بين المللي پذيرفته شده و قابل اعتماد است. لذا اكثر مؤسسات اعتبار دهنده از آن استفاده مي‌‌ كنند.
كلمات كليدي
شبكه عصبي؛ رتبه بندي اعتباري؛ تسهيلات

شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایدهٔ اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کند.
با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

 

سابقه و ضرورت انجام تحقيق (پيشينه تحقيق)

مدلسازي نرون براي نخستين بار در سال 1943 توسط وارن مك كلوث  فيزيولوژيست اعصاب، والترپيتز   منطقدان صورت گرفت تمامي مكتب شبكه‌هاي عصبي از همين جا آغاز شد. بعضي از پيش زمينه‌هاي شبكه‌هاي عصبي را مي‌توان به اوايل قرن 20 و اواخر قرن 19 برگرداند. در اين دوره كارهاي اساسي توسط دانشمنداني چون هرمان فون هلمهالتز ، ارنست ماخ  و ايوان پاولوف  صورت پذيرفت. اين كارهاي اوليه عموماً بر تئوري‌هاي كلي يادگيري و شرطي تاكيد داشتند و اصلا به مدل‌هاي مشخص رياضي و عملكرد نورون‌هاي عصبي اشاره نداشتند.
ديدگاه جديد شبكه‌هاي عصبي در دهه قرن بيستم شروع شد زماني كه وارن مك كلوث و والتر پيتز نشان دادند كه شبكه‌هاي عصبي در اصل مي‌توانند هر تابع حسابي و منطقي را محاسبه نمايند. كار اين افراد را مي‌توان نقطه شروع حوزه علمي شبكه‌هاي عصبي مصنوعي ناميد.
نخستين كاربرد عملي شبكه‌هاي عصبي اواخر دهه 50 قرن 20 مطرح شد زماني كه روزنبلات و همكارانش شبكه‌اي ساختند كه قادر بود الگوها را از هم شناسايي نمايد در همين زمان بود كه برنارد ويدرو در سال 1960 شبكه عصبي تطبيقي آدلاين  را با قانون يادگيري جديد مطرح نمود. پيشرفت شبكه‌هاي عصبي تا دهه 70 قرن بيستم ادامه يافت كه در خلال دهه 80 رشد تكنولوژي ميكروپرسسورها روند صعودي يافت و تحقيقات روي شبكه‌هاي عصبي افزايش يافت و ايده‌هاي جديد مطرح شد .

فصل اول – معرفی JIT

    تاريخچه وتکامل توليد بهنگام

    تعريف نظام بهنگام

    نظام بهنگام دريک نگاه

    مبانی توليد بهنگام

    اجزای توليد بهنگام

    اهداف توليد بهنگام

    مزاياومحدوديتهای JIT

    منطق اجرایJIT

    پيش نيازهای يک برنامه JIT

    برنامه ريزی نظام توليد بهنگام

    فصل دوم – اجرای برنامه JIT

    مقدمه

    1- ايجاد يک استراتژی اجرايی

    2- يک برنامه عملياتی برای اجرا

     1-2-وقتی فعاليتهای اجرای JITتکمیل می شود

       2-2-چگونه فعاليتهای اجرايی JITانجام می شود

    3- سيستمهای جمع آوری وسنجش داده ها

    4- پروژه های آزمايشی(راهنما)

    5- بحث درمورد مقاومت کارکنان واتحاديه ها

          1-5- مقاومت کارکنان

          2-5- اتحاديه ها

    6- فرايند اجرای JIT

    فصل سوم – کنترل JIT

    کنترل تولیددرنظام بهنگام

    سیستم کانبان

    وظایف کانبان تولید یکنواخت

    کاهش زمان عملیات وزمان چرخه

    اجرای سیستم کانبان

    وظایف کانبان

    انواع جریان مواد

    گردش کانبان

    وسعت عمل کانبان

    فصل چهارم – ابداع کننده JIT / شرکت تویوتا

    شرکت تویوتا

    مقدمه

    تاریخچه

    سیستم تولیدتویوتا(TPS)

    تولیدبهنگام(JIT)

    کانبان

    JIDOKA

    فلسفه وچشم اندازتویوتا

    فرهنگ سازمانی وارزشها

    آینده

    تشریح مفاهیم

    واژه نامه انگلیسی- فارسی

    فهرست منابع

قیمت 10 هزار تومان- 180 صفحه

0 پاسخ

دیدگاه خود را ثبت کنید

آیا می خواهید به گفتگو بپیوندید؟
احساس رایگان برای کمک!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *