Mākslīgais neironu tīkls kredītreitinga noteikšanai

Abstract

Darbā “Mākslīgais neironu tīkls kredītreitinga noteikšanai” tiek pētīts par dažādiem neironu tīklu arhitektūras uzbūves principiem, apskatītas lielākās problēmas saistībā ar šīm arhitektūrām un iespējamajām metodēm, kas spētu labot konkrētos problēmgadījumus. Darba mērķis ir izveidot vairākus neironu tīklus balstoties uz apskatītajām arhitektūrām, tādā veidā izveidojot darbojošos neironu tīklu, kas kalpotu kā instruments fiziskas personas kredītreitinga noteikšanai. Neirona tīkla mērķis ir klasificēt fiziskas personas aizdevumu pieprasījumu apstiprinošā vai noraidošā grupā atkarībā no ievades datiem. Papildus darbā tiek pētīti dažādo neirona tīkla arhitektūru rezultāti atkarībā no izvēlētās neirona tīkla arhitektūras.

In the work “Artificial neural network for determining credit score” we study about different neural network arhitectures and common problems in them. The purpose of this work is to create multiple neural networks based on studied architectures so that we can create a neural networks which would be a feasible option for credit scoring tasks. Neural network's main task is to classify loan requests into acceptable and deniable classes based on input data. Furthermore, we study different neural network architecture results based on the chosen neural network architectures.