首页|QGA-BP神经网络在农业信贷风险评估中的应用

QGA-BP神经网络在农业信贷风险评估中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高风险评估的准确度和效率,有效降低农业信贷风险,提出一种基于优化反向传播(Back-Propagation,BP)神经网络的风险评估方法.首先,该方法利用量子遗传算法(Quantum Genetic Algorithm,QGA)调整和确定BP神经网络的初始权重和阈值,实现了BP神经网络模型参数设置优化.然后,将QGA-BP神经网络模型应用于农业信贷风险评估中,并基于案例分析法进行验证.最后,通过对比QGA-BP神经网络与GA-BP神经网络的性能验证所提方法的有效性.结果表明:QGA-BP神经网络可以加快神经网络的收敛速度,改善BP神经网络容易陷入局部最小值的缺点.QGA-BP神经网络模型在农业供应链金融信用风险预测中表现良好,其预测精度和预测速度都有所提高.
Application of QGA-BP Neural Network in Risk Assessment of Agricultural Credit

郜佳蕾、吴迪、郜佳慧

展开 >

合肥财经职业学院 会计金融学院,安徽 合肥 230000

齐齐哈尔大学 计算机与控制工程学院,黑龙江 齐齐哈尔 161006

济南大学 教育与心理科学学院,山东 济南 250022

QGA-BP神经网络 农业信贷 风险评估

安徽省教育厅2019年高校科学研究项目

KJ2019A1231

2022

10.13853/j.cnki.issn.1672-3708.2022.03.002

台州学院学报
台州学院

台州学院学报

CHSSCD
影响因子：0.283
ISSN：1672-3708
年,卷(期)：2022.44(3)
  • 5