文献类型：期刊文章

作　　者：胡贤德[1] 曹蓉[2,3] 李敬明[1,2] 阮素梅[4] 方贤[1]

机构地区：[1]安徽新华学院信息工程学院,安徽合肥230088 [2]合肥工业大学管理学院,安徽合肥230009 [3]合肥工业大学人事部,安徽合肥230009 [4]安徽财经大学商学院,安徽蚌埠230030

出　　处：《运筹与管理》

基　　金：国家自然科学基金项目(71403001);安徽省教育厅自然科学研究重点项目(KJ2016A308;KJ2015A300)

年　　份：2017

卷　　号：26

期　　号：4

起止页码：132-139

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、CSSCI、CSSCI_E2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以"均平方误差最小"为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GABP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。

关 键 词：小微企业  信用风险评估 离散型萤火虫算法  BP神经网络

分 类 号：TP391.4]