• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on modeling and simulation in engineering, economics, and management >Evolving Improved Neural Network Classifiers for Bankruptcy Prediction by Hybridization of Nature Inspired Algorithms
【24h】

Evolving Improved Neural Network Classifiers for Bankruptcy Prediction by Hybridization of Nature Inspired Algorithms

机译：进化改进的神经网络分类器，通过自然启发算法的混合进行破产预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Bankruptcy prediction is a hard classification problem, as data are high-dimensional, non-Gaussian, and exceptions are common. Nature inspired algorithms have proven successful in evolving better classifiers due to their fine balance between exploration and exploitation of a search space. This balance can be further refined by hybridization, which may provide a good interplay of exploration (identifying new promising regions in the search space to escape being trapped in local solutions) and exploitation (using the promising regions locally, to search for eventually reaching the global optimum). The aim of this paper is to compare the performance of two search heuristics - Particle Swarm Optimization (PSO) and Gravitational Search Algorithm (GSA) - when using alone, or synergically, as a hybrid method, for evolving Neural Network (NN) classifiers for bankruptcy prediction.
机译：破产预测是一个很难分类的问题，因为数据是高维的，非高斯的，并且例外情况很常见。由于自然搜索算法在搜索空间的探索和利用之间达到了良好的平衡，因此已被证明可以成功地发展出更好的分类器。可以通过杂交进一步完善这种平衡，杂交可以提供良好的探索关系（确定搜索空间中新的有希望的区域以逃避被困在本地解决方案中）和开发（在本地使用有希望的区域来寻找最终到达全球的相互作用）最佳）。本文的目的是比较两种搜索启发式算法的性能-粒子群优化（PSO）和引力搜索算法（GSA）-单独使用或协同使用作为混合方法时，用于进化神经网络（NN）分类器的性能破产预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号