515

Мақолада  кредит  олувчининг  кредитга  лаёқатлилигини  баҳолаш  масалалари  кўриб 
чиқилган.  Бунда  асосий  эътибор  кредитга  лаёқатлиликни  баҳолашда  Хопфилд  нейрон  тўрларига 
асосланган  алгоритмини  ишлаб  чиқишга  қаратилган.  Бунинг  учун  нейрон  тўрини  ўқитиш 
танланмаси  шакллантирилиб, ушбу маълумотларга дастлабки ишлов берилди ва шу маълумотлар 
асосида  Хопфилд  нейрон  тўрини  ўқитиш  амалга  оширилди.  Ўқитилган  нейрон  тўри  ишлашини 
текшириш мақсадида тестлаш танланмаси асосида тажрибавий тадқиқотлар ўтказилди.

  • Internet havola
  • DOI
  • UzSCI tizimida yaratilgan sana 17-02-2020
  • O'qishlar soni 474
  • Nashr sanasi 09-07-2019
  • Asosiy tilO'zbek
  • Sahifalar44-54
Ўзбек

Мақолада  кредит  олувчининг  кредитга  лаёқатлилигини  баҳолаш  масалалари  кўриб 
чиқилган.  Бунда  асосий  эътибор  кредитга  лаёқатлиликни  баҳолашда  Хопфилд  нейрон  тўрларига 
асосланган  алгоритмини  ишлаб  чиқишга  қаратилган.  Бунинг  учун  нейрон  тўрини  ўқитиш 
танланмаси  шакллантирилиб, ушбу маълумотларга дастлабки ишлов берилди ва шу маълумотлар 
асосида  Хопфилд  нейрон  тўрини  ўқитиш  амалга  оширилди.  Ўқитилган  нейрон  тўри  ишлашини 
текшириш мақсадида тестлаш танланмаси асосида тажрибавий тадқиқотлар ўтказилди.

Русский

В статье рассмотрены вопросы оценки кредитоспособности получателя кредита. При этом 
основное  внимание  уделено  разрабатыванию  алгоритма,  основанного  на  нейронной  сети 
Хопфилда,  для  этой  оценки.  Для  этого  сформирована  обучающая  выборка,  выполнена  ее 
предварительная обработка и на этих данных осуществлено обучение нейронной сети Хопфилда. 
Для  оценки  работоспособности  обученной  нейронной  сети  проведены  экспериментальные 
исследования на основе тестовой выборки.

English

The article deals with  the assessment of the creditworthiness of the loan recipient. The focus is 
on developing an algorithm based on the Hopfield neural network for this evaluation. For this purpose, a 
training  sample  was  formed,  its  pre-processing  was  performed,  and  the  Hopfield  neural  network  was 
trained on these data. To assess the performance of a trained neural network, experimental studies based 
on a test sample were conducted.

№ Havola nomi
1 Ковалев П.П. Банковский риск-менеджмент. –М.: Финансы и статистика, 2014. — 304 с
2 Мирошниченко Ю. Collection-скоринг поможет эффективно работать в периоды кризиса //Аналитический банковский журнал. –М.: Финансы и кредит, 2009. – № 2– С. 43-47.
3 Погорлецкая Ю.И. Кредитный скоринг в системе банковского риск-менеджмента. –СПб.:Изд-во СПбГУ, 2009. – 124 с
4 Алёшин В.А., Рудаева О.О. Кредитный скоринг как инструмент повышения качества банковского рискменеджмента в современных условиях //Банковское дело. – Москва, 2014. – №2–3. – С. 27-30
5 Бондаренко С.В., Сапрунова Е.А. Сравнительный анализ методик оценки кредитоспособности заемщика //Финансы и кредит. – Москва, 2015. – №24. – С. 42-47
6 Ильясов С.М. Об оценке кредитоспособности банковского заемщика /Деньги и кредит. – Москва, 2015. – №9. – С. 28-34
7 Bruck J. On the convergence properties of the Hopfield model /In Proc. of the IEEE, 78(10), 1990, 1579-1585
8 Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities /In Proc. of the National academy of Sciences of the USA, 79, 2554-2558
9 Lendaris G.G., Mathia K., Saeks R. Linear Hopfield networks and constrained optimization /IEEE Transactions on Systems, Man, and Cybernetics Part B, 29(1), 1999, 114-118
10 Liu Y., You Z. Stability analysis for the generalized Hopfield neural networks with multi-level activation functions //Neurocomputing, 71, 2008, 3595-3601
11 Muezzinoglu M.K., Guzelis C., Zur ada J.M. A new design method for the complex-valued multistate Hopfield associative memory /IEEE Transactions on Neural Networks, 14(4), 2003, 891–899
12 Rose K. Deterministic annealing for clustering, compression, classification, regression, and related optimization problems /In Proc. of the IEEE, 86(11), 1998, 2210-2239
13 Sima J., Orponen P., Antti - Poika T. On the computational complexity of binary and analog symmetric Hopfield nets /Neural Computation, 12, 2000, 2965-2989
14 Wang, R. L., Tang, Z., & Cao, Q. P. (2002) . A learning method in Hopfield neural network for combinatorial optimization problem. Neurocomputation, 48, 1021-1024
15 Yan, H. Stability and relaxation time of Tank and Hopfield’s neural network for solving LSE problems /IEEE Transactions on Circuits and Systems, 38(9), 1991, 1108-1110.
16 Zurada J.M., Cloete I., van der Poel E. Generalized Hopfield networks for associative memories with multi-valued stable states //Neurocomputing, 13, 1996, 135-149
Kutilmoqda