یکی از زمینه های کاربردی شبکه های عصبی در فعالیت های مالی، رتبه بندی مشتریان وارزیابی تقاضای وام است.به این طریق می توان تصمیم گرفت که به چه کسی و به چه مقداری وام می توان پرداخت کرد.ارزیابی ریسک نپرداختن ،یعنی ارزیابی احتمال اینکه وام گیرنده چقدر از پرداخت وام سرباززند. در این مورد از پرسپترون های چند لایه با موفقیت استفاده شده است.مزیت شبکه عصبی در این است که می تواند از هزاران نمونه قبلی در تاریخچه فعالیت های مالی شرکت استفاده کند، ویژگی های برجسته را فرا بگیرد و از طریق آنها پیامدها را پیش بینی کند.
در بیشتر بانک های ایران وام بر اساس نظر ارزیابان اعطا می شود که این روش به مدت زمان زیاد و نیروهای خبره نیاز داردوازطرفی هزینه بر نیز است.
تاریخچه:
بعضی از پیش زمینه های شبکه عصبی را می توان در اوایل قرن بیستم و اواخر قرن نوزدهم مشاهده کرد.در این دوره،کارهای اساسی در فیزیک ،روانشناسی و نوروفیزیولوژی توسط دانشمندانی چون `هرمان فون هلمهلتز` ، `ارنست ماخ` و `ایوان پاولف` انجام گرفت.این کارهای اولیه عموماً بر نظریه های کلی یادگیری تأکید داشته اند و به مدل های مشخص ریاضی عملکرد نورون ها اشاره نداشته اند.
دیدگاه جدید شبکه های عصبی در دهه ۴۰ قرن بیستم درست زمانی مطرح شد، که `وارن مک کلوث` و `والتر پیتس` نشان دادند که شبکه های عصبی در اصل می توانند هر تابع حسابی و منطقی را محاسبه کنند. کاراین افرادرا می توان نقطه شروع حوزه علمی شبکه های عصبی مصنوعی نامید.این موضوع از سوی دونالدهب شخصی که عمل شرط گذاری را برای یادگیری نورون های بیولوژیکی ارائه داده ،ادامه یافت.
نخستین کاربرد عملی شبکه های عصبی در اواخر دهه ۵۰ قرن ۲۰ در، زمانی که `فرانک روزنبلانت` در سال۱۹۵۸ شبکه پرسپترون را معرفی کرد، مطرح شد. روزنبلات و همکارانش شبکه ای ساختند که قادر بود الگوها را از هم شناسایی کند.در همین زمان بود که برنارد ویدرو در سال ۱۹۶۰شبکه عصبی تطبیقی خطی آدلاین را با قانون یادگیری جدید مطرح کرد که از لحاظ ساختار شبیه پرسپترون است.
امتیاز: 0.00
وزارت آموزش و پرورش > سازمان پژوهش و برنامه‌ريزی آموزشی
شبکه ملی مدارس ایران رشد
ارسال ها: 1679
شما باید یک عنوان و متن وارد کنید!