فهرست مطالب
فصل اول
کلیات تحقیق     ۱
مقدمه     ۲
۱-۱    بیان مسأله     ۴
۱-۲    سوال‌های تحقیق     ۷
۱-۳    اهمیت و ضرورت موضوع تحقیق     ۷
۱-۴    اهداف تحقیق    ۸
۱-۵    فرضیات تحقیق    ۹
۱-۶    چارچوب نظری تحقیق    ۱۰
۱-۷    متغیرهای پژوهشی    ۱۲
۱-۸    سابقه و ضرورت انجام تحقیق (پیشینه تحقیق)     ۱۳
۱-۹    کاربردهای تحقیق    ۱۵
۱-۱۰    نوع روش تحقیق    ۱۶
۱-۱۱    محدوده تحقیق    ۱۶
۱-۱۲    روش نمونه گیری و تعیین حجم نمونه     ۱۷
۱-۱۳    ابزار گردآوری اطلاعات     ۱۸
۱-۱۴    محدودیت‌های تحقیق    ۱۸
۱-۱۵    روش تجزیه و تحلیل اطلاعات     ۱۹
۱-۱۶    برخی تعاریف، مفاهیم و اصطلاحات     ۱۹
فصل دوم     ۲۲
ادبیات تحقیق    ۲۳
مقدمه     ۲۴
بخش اول     ۲۵
آشنایی با بانک سامان و انواع تسهیلات     ۲۵
آشنایی با بانک سامان     ۲۶
چارت خدمات بانک سامان     ۲۹
انواع سپرده‌های سرمایه گذاری     ۲۹
سپرده کوتاه مدت     ۲۹
سپرده کوتاه مدت ویژه     ۳۰
سپرده بلند مدت     ۳۰
سپرده اندوخته     ۳۱
سپرده ارزی     ۳۲
تسهیلات حقوقی     ۳۲
ابزارهای اعتباری     ۳۳
انواع ابزارهای اعتباری     ۳۳
ضوابط و معیارهای اساسی اعطای تسهیلات     ۳۴
۱-    قابلیت اعتماد و اطمینان     ۳۷
۲-    قابلیت و صلاحیت فنی     ۳۹
۳-    ظرفیت مالی و کشش اعتباری     ۴۰
۴-    وثیقه (تامین)     ۴۲
بخش دوم     ۴۷
مبانی نظری رتبه بندی اعتبار     ۴۷
مقدمه     ۴۸
۲-۱ مروری بر تاریخچه رتبه بندی اعتبار     ۵۰
۲-۲ رتبه بندی اعتبار     ۵۲
فرآیند تصمیم گیری اعطای تسهیلات     ۵۳
۳-۲ سیستم‌های رتبه بندی اعتبار     ۵۸
۴-۲ مدل‌های رتبه بندی اعتباری     ۵۹
۵-۲ مزایا و محدودیت‌های مدل رتبه بندی اعتبار     ۶۰
– محدودیت‌ها     ۶۰
بخش سوم     ۶۲
مبانی نظری شبکه عصبی     ۶۲
مقدمه     ۶۳
۳-۱ هوش مصنوعی     ۶۵
۳-۲ مروری بر تاریخچه شبکه عصبی     ۶۷
۳-۳ شبکه‌های عصبی مصنوعی     ۷۰
۳-۴ اساس بیولوژیکی شبکه عصبی     ۷۵
۳-۵ مقایسه بین شبکه‌های عصبی مصنوعی و بیولوژیکی     ۷۹
۳-۶ مدل ریاضی نرون     ۸۰
۳-۷ ویژگی‌ها و خصوصیات شبکه‌های عصبی مصنوعی     ۸۲
۳-۷-۱ قابلیت یادگیری     ۸۲
۳-۷-۲ پردازش اطلاعات به صورت متنی     ۸۳
۳-۷-۳ قابلیت تعمیم     ۸۳
۳-۷-۴ پردازش موازی     ۸۴
۳-۷-۵ مقاوم بودن     ۸۴
۳-۸  مشخصه‌های یک شبکه عصبی     ۸۴
۳-۸-۱ مدل‌های محاسباتی     ۸۵
۳-۸-۲ قواعد یادگیری     ۸۸
۳-۸-۳ معماری شبکه     ۹۰
۳-۹ عملکرد شبکه‌های عصبی مصنوعی     ۱۰۱
۳-۱۰ محدودیت‌های شبکه عصبی     ۱۰۳
۳-۱۱ کاربرد شبکه‌های عصبی در مدیریت     ۱۰۴
بخش چهارم     ۱۱۰
خلاصه مقاله‌ها     ۱۱۰
بخش پنجم     ۱۲۴
نتیجه گیری     ۱۲۴
فصل سوم     ۱۲۹
روش شناسی تحقیق    ۱۲۹
۳-۱ مقدمه     ۱۳۰
۳-۲ روش تحقیق     ۱۳۱
۳-۳ جامعه آماری     ۱۳۲
۳-۴ نمونه آماری     ۱۳۲
۳-۵ فرضیات تحقیق     ۱۳۳
۳-۶ محدوده تحقیق     ۱۳۵
۳-۷ جمع آوری داده‌ها     ۱۳۶
۳-۸ تعیین حجم نمونه     ۱۳۷
۳-۹ ابزار گردآوری داده‌ها     ۱۳۸
۳-۱۰ روش تجزیه و تحلیل داده‌ها     ۱۳۸
۳-۱۱ فرآیند تحقیق     ۱۴۱
فصل چهارم     ۱۵۳
یافته‌های تحقیق     ۱۵۳
۴-۱ مقدمه     ۱۵۴
۴-۴-۱ آماده سازی داده‌های ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی داده‌ها     ۱۵۴
معماری شبکه‌     ۱۵۵
فصل پنجم     ۱۶۲
نتیجه گیری و پیشنهادها     ۱۶۲
نتیجه گیری     ۱۶۳
پیشنهادات     ۱۶۸

فهرست اشکال
شکل (۲-۱) : ساختار نورون     ۷۷
شکل (۲-۲) : اولین مدل دقیق سلول عصبی     ۸۱
شکل (۳-۳) : معماری شبکه     ۹۱
شکل (۳-۴) : پرسپترون چند لایه     ۹۲
شکل (۳-۵) : نحوه تشکیل محدوده‌های فضا توسط تعداد مختلف لایه‌های پرسپترون     ۹۵
شکل (۳-۶) : شبکه‌ هاپفیلد     ۱۰۱

فهرست جداول
جدول (۳-۱) : توابع محرک با علائم قرار دادی     ۸۷
جدول (۴-۱) : مقایسه نتایج میانگین خطا در مدل A    ۱۵۷
جدول (۴-۲) : نتایج اجرای آموزش مدل A     ۱۵۷
جدول (۴-۳) : مقایسه نتایج میانگین خطا  درمدل B     ۱۵۸
جدول (۴-۴) : نتایج اجرای آموزش مدل B     ۱۵۸
جدول (۴-۵) جدول مقایسه نتایج     ۱۵۹
جدول (۴-۶) نتایج اجرای مدلA     ۱۶۰
جدول (۴-۷) نتایج اجرای مدل B     ۱۶۰
پیوست :
پیوست الف : جداول و نمودارهای مربوط به مدل A     ۱۷۰
پیوست ب :‌جداول و نمودارهای مربوط به مدل B     ۱۷۳

چکیده
بازار اعتبارات مصرفی در ایران با تشکیل بانکهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کرده‌اند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با داده‌های آموزشی؛ آموزش داده شده و سپس با داده‌های آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان می‌دهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکه‌های عصبی قابل پیش بینی است.

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “پایان نامه طراحی و تبیین مدل رتبه بندی اعتباری مشتریان با استفاده از شبکه‌های عصبی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *