ISSN:
1436-6304
Keywords:
Schlüsselwörter Künstliche Neuronale Netze, Genetischer Algorithmus, Kreditwürdigkeitsprüfung, Konfigurationsproblem
;
Key words: Artificial neural nets, genetic algorithm, credit evaluation, configuration problem
Source:
Springer Online Journal Archives 1860-2000
Topics:
Mathematics
,
Economics
Description / Table of Contents:
Abstract. Artificial neural nets (ANN) have been applied successfully to various classification problems like credit evaluation etc. While the ANN-specific learning strategies and algorithms are independent from the application domain and the problem instance, the configuration of an ANN is a design and decision problem which should take into account the specific problem domain (i.e. credit evaluation) and the specific instantiation (i.e. given set of indicators). In this article we show how to app ly “Genetic modeling” to this configuration problem, i.e. we show how suitable ANN-configurations can be constructed in an evolutionary manner using a genetic algorithm. We report on empirical results for the application to the configuration of LVQ-ANN for credit evaluation.
Notes:
Zusammenfassung. Künstliche Neuronale Netze (KNN) haben sich für eine automatisierte Klassifikation, wie sie etwa bei der Kreditwürdigkeitsprüfung durchzuführen ist, als Alternative zu klassischen statistischen Methoden etabliert. Während die KNN-Typ-spezifischen Lernverfahren, wie etwa das Back-Propagation-Verfahren bei Multi-Layer-Perceptron-Netzen dabei anwendungsdomänenunabhängig und auch instanzunabhängig definiert sind, stellt die Konfiguration des spezifischen KNN für eine konkrete Anwendung ein Entscheidungsproblem dar, das jeweils in Abhängigkeit der Anwendungsdomäne (Kreditwürdigkeitsprüfung) und der konkreten Instanz (unternehmenspezifische Kennzahlensysteme) zu lösen ist. Für dieses Konfigurationsproblem, das in der Literatur noch nicht umfassend behandelt wurde, wird in dieser Arbeit mit dem “Genetic Modeling” ein Ansatz vorgestellt, bei dem eine passende Netzkonfiguration mittels eines Genetischen Algorithmus ebenfalls aus historischem Wissen “gelernt” wird. Wir berichten über erste empirische Ergebnisse beim Einsatz zur Kreditwürdigkeitsprüfung mittels LVQ-KNN.
Type of Medium:
Electronic Resource
URL:
http://dx.doi.org/10.1007/BF01539787
Permalink
