径向基函数神经网络优化及其在企业财务预警中的应用

《径向基函数神经网络优化及其在企业财务预警中的应用》由会员分享，可在线阅读，更多相关《径向基函数神经网络优化及其在企业财务预警中的应用（66页珍藏版）》请在金锄头文库上搜索。

1、 代号 分 类 号 学号 密级 代号 分 类 号 学号 密级 10701 10701 TP3 TP3 公开 公开 0877960213 0877960213 题题（中、英文）（中、英文）目目 径向基函数神经网络优化及其在企业财务预警中的应用径向基函数神经网络优化及其在企业财务预警中的应用 Radial Basis Function Neural Network Radial Basis Function Neural Network Optimizating and Its Application Optimizating and Its Application in Corporate Fi

2、nancial Distress Prediction 作者姓名 in Corporate Financial Distress Prediction 作者姓名皎 涛 指导教师姓名、 职务皎 涛 指导教师姓名、 职务刘志镜 教授 学科门类 刘志镜 教授 学科门类工 学 提交论文日期 工 学 提交论文日期二一一年九月 学科、专业 二一一年九月 学科、专业计算机技术 计算机技术 摘 要 近年来，随着人工智能理论和数据挖掘技术的发展成熟，其在信号处理、模 式识别和金融时间序列预测分析等方面都取得了巨大的成功，已逐渐超越传统的 基于统计分析的方法和 BP 神经网络。径向基函数神经网络是一种基于正则化理

3、 论的三层前向传播的神经网络，具有良好的泛化能力、较快的收敛速度、避免陷 入局部极小等优点，在近几年来其研究和应用得到了迅速的发展。 相比于传统的神经网络模型，径向基函数神经网络采用了对参数的分阶段训 练的方法，避免了像 BP 网络那样冗长和繁琐的计算过程，从而提高了网络训练 的效率，但是当输入节点的数目过多的时候，径向基函数神经网络的中心节点和 线性参数的训练过程将会变长，从而降低网络训练的效率。本研究提出了基于主 成分分析的径向基函数神经网络的优化，使用主成分分析方法首先对于训练样本 集进行初步的特征选择，从而减少了径向基函数神经网络的输入节点的数目，通 过此方法来提高网络训练和预测的效率

4、。 通过前文的详细总结和研究，笔者将经过出成分分析方法优化的径向基函数 神经网络应用于财务预警领域，使用反映上市公司财务指标的真实数据，通过在 MATLAB 仿真平台上进行的实验来验证本研究所提出的优化方法的有效性。 通过 实验证实了经过主成分分析方法优化的径向基函数神经网络对于财务状况分类预 测准确率的提高和改善具有良好的效果。此外，本文还分析了企业财务预警系统 的功能及要求，财务预警系统的总体框架，详细介绍了各个子系统的设计，构建 了包括模型预警及关键变量分析的财务预警原型系统，同时将平衡计分卡、BP 企业绩效评价模型纳入该系统，作为多企业财务预警的补充，为企业利益相关者 服务。 关键词关

5、键词：径向基函数：径向基函数 神经网络神经网络 主成分分析主成分分析 财务预警财务预警 MATLAB Abstract In recent years, artificial intelligence theory and data mining technologies have made tremendous success in pattern recognition and prediction along with their development and maturity. Applications in the financial area with data mining t

6、echnologies have been researched widely. Radial-basis function neural network (RBFN) based on regularization theory is a feedforward network with three layers. It has developed rapidly in these years because of the merits of strong generalization ability, fast convergence and without local minimum.

7、Compared with traditional neural network models, radial basis function neural network employed the parameters training approach by stages, thus avoiding the complicated calculation process such as the BP network, eventually improving the training efficiency of the network models, radial basis functi

8、on neural networks may perform poorly when given too much input to it, because of the extension of the center and the linear parameter training process, thus reducing the efficiency of network training. In this study, principle component analysis based radial basis function network was proposed, in

9、which principle component analysis is used firstly to initial training set for feature selection, thereby enhanced the training and predicting efficiency of the model through reducing the number of input nodes. A detailed review and study indicated, here radial basis function neural network which wa

10、s optimized by principle component analysis was proposed in the field of corporate financial distress prediction, the middle-sized companys financial indicator of actual data was applied in this article. We make experiment through the software matlab to test the effectiveness of the proposed improvi

11、ng method. The final results have corroborated that radial basis function neural network which was optimized by principle component analysis do good to improve the accuracy of financial status classification prediction. Thus in theory and practice of financial distress prediction model for our devel

12、opment and further improve the provision of a strong reference. Keywords: radial basis function neural network matlab principle component analysis financial distress prediction 目 录 第一章 绪论 1 1.1 概述 1 1.1.1 选题背景 1 1.1.2 选题意义 2 1.2 径向基函数神经网络概述 3 1.3 本文的主要研究思路和结构安排 5 1.3.1 本文研究思路 5 1.3.2 本文篇章结构 6 第二章 径向

13、基函数神经网络理论 7 2.1 人工神经网络概述 7 2.1.1 人工神经网路发展历程回顾 7 2.1.2 人工神经网络基本原理 9 2.1.3 人工神经网络学习方式 11 2.2 径向基函数神经网络理论 12 2.2.1 径向基函数神经网络结构 12 2.2.2 径向基函数神经网络数学模型 13 2.2.3 径向基函数神经网络学习算法 19 2.2.4 径向基函数神经网络设计 23 2.3 小结 24 第三章 基于主成分分析的径向基函数神经网络模型 . 25 3.1 主成分分析理论概述 25 3.2 主成分分析的特点和数学模型 26 3.2.1 主成分分析的几何意义 26 3.2.2 主成分

14、分析的性质 28 3.2.3 主成分的计算 29 3.3 基于主成分分析优化的 RBFN 模型 . 32 3.4 小结 34 第四章 PCA-RBFN 模型在企业财务预警中的应用 35 4.1 财务预警概述 35 4.1.1 财务危机概念的界定 35 4.1.2 财务预警综述 38 4.2 实验分析 41 4.2.1 样本和指标的选取 41 4.2.2 实验分析步骤 42 4.2.3 实验结果分析 45 4.5 小结 46 第五章 企业财务预警系统的设计和实现 . 47 5.1 系统功能及总体构架 47 5.2 数据管理子系统 49 5.2.1 数据类型 . 49 5.2.2 数据管理子系统功

15、能 . 50 5.3 预警应用子系统 50 5.4 小结 52 第六章 总结与展望 . 53 致 谢 . 55 参考文献 57 第一章 绪论 1 第一章 绪论 1.1 概述 1.1.1 选题背景 人工神经网络 （artificial neural networks， 简写为 ANN） 源于生物学、 心理学、 神经心理学和电子计算机等的跨学科研究，它以对人类大脑的生理研究为基础， 模拟大脑的某些机理与机制，用电子线路来实现对人类大脑系统的一阶特性的一 种描述。从 1943 年美国芝加哥大学生理学家 McCulloch W. S 和 Pitts W. A 提出 M-P 神经元模型开始， 半个世纪以

16、来， 人工神经网络几经高潮与低谷的曲折发展， 现在正逐步走向成熟与完善，逐渐形成较为完善和系统的理论体系，其应用的领 域也从最初的非线性控制领域逐步拓展。1 虽然大量的研究己经证明， 只要有足够多隐层， BP 网络可以逼近任意的非线 性映射关系，但是由于本身固有的缺陷，BP 网络仍然存在很多问题和不足。主要 有： （1）BP 算法学习收敛速度慢，这是由于采用梯度下降算法本身固有的缺陷造 成的，例如，对于非线性优化问题和分类问题，由于目标函数的结构复杂必然造 成“锯齿现象”出现，从而导致算法效率低下，此外，当神经元输出接近于 0 或 者 1 的情况下，会出现一些所谓的“平坦区” ，在这些区域内，权值改变很小，使 得训练过程近乎停滞，从而导致算法效率不高； （2）网络的逼近、推广能力同学 习样本的典型性密切相关，而从问题中选取典型样本实例组成训练集是一个很困 难的问题，难以解决应用问题实例规模和网络规模之间的矛盾； （3）BP 算法本质 上为一种局部搜索的优化算法，当面对复杂的非线性问题时，算法有可能陷入局 部极值，而不能达到全局最优，同时，不能使用传统的一维搜索法求解每