علی ماروسی - استادیار گروه کامپیوتر و فناوری اطلاعات، دانشگاه تربت حیدریه
ایمان ذباح - مربی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد تربت حیدریه
مرضیه اشتری - دانشجوی رشته کامپیوتر، دانشگاه تربت حیدریه

امروزه رتبه بندی اعتباری مشتریان و امتیازدهی به اعتبار آنها به عنوان یکی از موضوعات اساسی مخصوصا برای بانک ها، شرکت های بیمه، موسسات مالی و اعتباری مطرح می باشد و در این حوزه، مطالعات بسیاری به منظور ساختن مدل های امتیازدهی اعتباری از طریق هوش مصنوعی و شبکه های عصبی مصنوعی صورت گرفته است. اما همان طور که می دانیم این روش ها صد درصد قابل اطمینان نیستند و دارای خطا در محاسبات خود می باشند. ازآنجایی که کاهش نرخ خطا به منظور دستیابی به بهترین نتیجه ممکن و ساخت بهترین مدل از اهمیت بالایی برخوردار می باشد، الگوریتمی جدید برای کاهش خطای شبکه های عصبی مصنوعی در این تحقیق پیشنهاد می گردد. در داده های مورداستفاده ما، مشتریان به دو دسته خوش حساب و بدحساب تقسیم شده اند و ما در ابتدا به شناسایی متغیرهای تاثیرگذار بر رفتار اعتباری آنها پرداخته ایم. سپس داده های متناظر به دو مجموعه آموزشی و تست مورد آزمون قرار گرفته و درنهایت مدل شبکه عصبی برای ساخت بهترین مدل امتیازدهی اعتباری به کار گرفته شده است. با استفاده از این الگوریتم، خروجی های حاصل از شبکه عصبی در دو گروه مختلف تقسیم بندی می شوند و بر اساس نتایج به دست آمده، این الگوریتم، قابلیت کاهش دادن خطای حاصل از بهترین مدل ساخته شده از شبکه عصبی را به میزان 4/6% درصد دارا می باشد.

رتبه بندی اعتباری، هوش مصنوعی، شبکه های عصبی