神经网络的供电企业客户信用风险识别.pdfVIP

■杨尚东乞建勋李星梅 ● 目前，电力客户的电费回收仍旧是 赫： 。，，f1有且仅有r∈k 以先用电后缴费的模式为主。同时，电费 ””10如果r隹k 的欠缴在很多地方并没有与欠缴者自身 w2一旦定义好就不再改变，神经网 的综合信用联系起来换，尤其是大客户， 络的学习是通过改进了的Kohonen规则 以企业用户为主的欠费，数量往往较为 使w1变来进行的，即在每次迭代过程 巨额，动辄数于万元，然而对其自身的信 中，将一个输入向量x提供给网络，并 用几无损害。电力客户之所以欠费，有多 且通过竞争层计算每个原型向量与x 种原因，不排除有故意拖欠电费的少数 之间的距离，与X距离最近的神经元i+ 客户，但主要是客户自身的财务状况不 获得竞争胜利，输出V的第i+格元素值 佳，陷入财务困境甚至濒临破产所导致 设定为1，通过下式可计算得到输出向 的。 量Y的值： 在金融信用风险评估里，较多的研 y=W2V 究集中于企业财务失败分析，这些有益 图1LVQ网络结构图 显而易见，Y中的每个分量也只有 的结论和方法可以借鉴来研究电力客户 即输入层、旅藏层和输出层。 一个非零元素。假定其序号为k+，这样一 财务失败引起的欠费风险。尤其是基于 2．LVQ网络的学习规则 来，就表明x是指定给k+类的。 神经网络的企业破产预测方法逐渐显示 LVQ神经网络的学习规则结合了竞 接着对分类的结果进行分析。首先， 出它的优越性，已经开始成为新的研究 争学习和有教师学习的规则，即需要一 假如分类正确，即若Y，=tp=l，则获胜的 热点，应用的模型也从主要以BP网络组正确的网络行为的例子来训练该网 隐含神经元将沿着x的方向移动，按照 为主逐渐扩展到其他类型的网络，本文 络。假定有以下的训练模式： 下式修正竞争层权值向量： 尝试采用竞争神经网络为基础的学习矢 (Xl，tlJ，(X2，。J，……{xQ,tQ}， 十。l _～l ●“，I i”(t+1)=i”(t)州(p(t+1)-i1(t)) 量量化LVQl网络，基于某市供电局历史 其中，每个目标输出向量tj(j=1，2， 第二，如果分类不正确，即若yk芦1， 的太客户资料进行预测。 …，Q)有且只有一个分量为1，其他分量而tp=0时，表示错误的隐含层神经元竞 一、LVQ神经网络模型描述 全部都为0，为了使得学习过程可以进 争获胜，则移动该神经元的权值远离x， 1．网络结构 行下去，通常把第一层的每个神经元指 修改竞争层权值向量： LVQ}算法是在有教师状态下，对竞 }…1 $．。l }～l 定给一个输出神经元，这样就可以定义 争层进行训练的一种算法，是从Koho— i“(￡+1)=i”(t)一q(p(t+1)一i1(t))