Search academic texts

Information × Registration Number 2121U007562, Article popup.category Бакалаврська робота Title Methods of forecasting credit risks using neural networks (AI translated) popup.author Павловський Євген АндрійовичPavlovskyi Yevhen Andriiovych popup.publication 01-01-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/45332 popup.publisher Київ Description Дипломна робота: 99 с., 7 табл., 31 рис., 2 додатки, 10 джерел. Мета дослідження – проаналізувати існуючі методи прогнозування та розробити програмне забезпечення для прискорення та підвищенні точності цього процесу. Предмет дослідження – модель нейронної мережі з використанням навчання з учителем, для вирішення задачі мінімізації ризиків. Об’єкт дослідження – вибірка даних із базовою інформацією про людей, що беруть кредит. Методи дослідження – методи нейронних мереж та машинного навчання. Актуальність – задача прогнозування кредитного ризику. Розробка програмного продукту, що допоможе спрогнозувати ризик та вбереже від додаткових витрат. Результати роботи – створено програмний продукт, який порівнює методи нейронних мереж, які можуть бути використані для прогнозування. Проаналізовані вхідні дані на вплив один на одного. Шляхи подальшого розвитку предмету дослідження – використання більшого набору даних, а також побудова більш складної моделі для точніших результатів Thesis: 99 pages, 7 tables, 31 figures, 2 appendices, 10 sources. The purpose of the study is to analyze existing forecasting methods and develop software to accelerate and improve the accuracy of this process. The subject of research is a model of a convolutional neural network to solve the problem of risk minimization. The object of research is a sample of data with basic information about people taking a loan. Research methods - methods of neural networks and machine learning. Relevance - the task of forecasting credit risk. Develop a software product that will help predict risk and save on additional costs. Results - a software product is created that compares the methods of neural networks that can be used for forecasting. The input data on the influence on each other are analyzed. Ways to further develop the subject of research - the use of a larger set of data, as well as building a more complex model for more accurate results. popup.nrat_date 2025-11-05 Close