O objetivo deste trabalho é a previsão de inadimplência. Foram
implementados dois modelos de previsão de inadimplência, de modo que o primeiro modelo fez uso de uma rede neural feedforward utilizando o algoritmo de retro propagação, e o segundo utilizou uma rede não supervisionada (rede Kohonen). As características relevantes de usuários de crédito foram apresentadas para as redes neurais, para o seu treinamento e teste. Os resultados obtidos demonstram que tanto as redes neurais supervisionadas quanto as redes neurais não supervisionadas mostraram-se instrumentos eficazes para o processo de previsão de inadimplência. / The objective of this work is the insolvency forecast. They were implemented two insolvency forecast models, so that the first model used a feed forward neural network utilizing the retro propagation algorithm, and the second utilized a non-supervised neural network (Kohonen networks). The prominent characteristics of credit users were presented for the neural networks, for their training and test. The results obtained showed that the supervised network as well the non-supervised neural network showed themselves efficient instruments for the insolvency forecast trial.
| Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:BDTD_UERJ:oai:www.bdtd.uerj.br:157 |
| Date | 02 August 2006 |
| Creators | Lourenço da Rocha Guimarães |
| Contributors | Carlos Alberto Fialho Thompson Leite, Joaquim Teixeira de Assis, Carlos Frederico Estrada Alves, Washington Braga Filho |
| Publisher | Universidade do Estado do Rio de Janeiro, Programa de Pós-Graduação em Modelagem Computacional, UERJ, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UERJ, instname:Universidade do Estado do Rio de Janeiro, instacron:UERJ |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds