Kreditų rizikos analizės vertinimas yra labai sunki ir svarbi finansų analizės valdymo problema. Šią problemą paliečia daugybė klasifikacinių metodų. Ypač neuroniniams tinklams skirta daug dėmesio dėl jų universalios apytikslės derinimo savybės. Tačiau didžiausias trūkumas sprendimų priėmime naudojantis neuroniniais tinklais yra jų mažos aiškumo galimybės. Kol kas jie negali paaiškinti kaip jie pasiekia aukštą numatymo teisingumo rodiklį. Neuroninių tinklų sprendimų aiškinimas, pagal aiškinimo taisykles, kurios apima išmoktas žinias įtvirtintas tinkluose, gali padėti kreditų rizikos valdytojui aiškinant kodėl konkretus kandidatas yra klasifikuojamas i blogų arba gerų kandidatų klases. Išvadoje galima pasakyti, jog neuroninių tinklu gavybos taisyklė ir sprendimų lentelė yra galingi valdymo įrankiai kurie leidžia mums sukonstruoti pažangias ir patogias vartotojui sprendimo priėmimo sistemas kreditų rizikos įvertinime. Tema: kreditų vertinimo tyrimai neuroniniais tinklais. Problema: kokią įtaką kreditų vertinimui turi neuroniniai tinklai? Objektas: kreditų vertinimo modelis. Dalykas: vidiniai kreditų vertinimai bankų sistemoje Tikslas: ištirti kreditų vertinimą naudojant neuroninius tinklų pagalba Uždaviniai: • Išanalizuoti kreditų vertinimo neuroniniais tinklais modelius, nustatyti esmines detales. Metodai: Duomenų rinkimo metodai: Mokslinės literatūros kaupimas ir išsami analizė. Duomenų analizės metodas: Surinktų duomenų analizė bus atliekama Matlab programinės įrangos... [toliau žr. visą tekstą] / None.