Modelo no lineal basado en redes neuronales de unidades producto para clasificación. Una aplicación a la determinación del riesgo en tarjetas de crédito = Non-linear model for classification based on product-unit neural networks. An application to determine credit card risk
Martínez Estudillo, Francisco José () (Departamento de Gestión y Métodos Cuantitativos, ETEA Córdoba (España)) Hervás Martínez, César () (Departamento de Informática y Análisis Numérico, Universidad de Córdoba) Torres Jiménez, Mariano () (Departamento de Gestión y Métodos Cuantitativos, ETEA Córdoba (España)) Martínez Estudillo, Andrés Carlos () (Departamento de Gestión y Métodos Cuantitativos, ETEA Córdoba (España))
Abstract
El principal objetivo de este trabajo es mostrar un tipo de redes neuronales denominadas redes neuronales basadas en unidades producto (RNUP) como un modelo no lineal que puede ser utilizado para la resolución de problemas de clasificación en aprendizaje. Proponemos un método evolutivo en el que simultáneamente se diseña la estructura de la red y se calculan los correspondientes pesos. La metodología que presentamos se basa, por tanto, en la combinación del modelo no lineal RNUP y del algoritmo evolutivo; se aplica a la resolución de un problema de clasificación de índole económica, surgido del mundo de las finanzas. Para evaluar el rendimiento de los modelos de clasificación obtenidos, comparamos nuestra propuesta con varias técnicas clásicas, como la regresión logística o el análisis discriminante, y con el clásico modelo de perceptrón multicapa de redes neuronales basado en unidades sigmoides y el algoritmo de aprendizaje de retropropagación (MLPBP) = The main aim of this work is to show a neural network model called product unit neural network (PUNN), which is a non-linear model to solve classification problems. We propose an evolutionary algorithm to simultaneously design the topology of the network and estimate its corresponding weights. The methodology proposed combines a non-linear model and an evolutionary algorithm and it is applied to solve a real economic problem that occurs in the financial management. To evaluate the performance of the classification models obtained, we compare our approach with several classic statistical techniques such us logistic regression and linear discriminat analysis, and with the multilayer perceptron neural network model based on sigmoidal units trained by means of Back-Propagation algorithm (MLPBP).
Download Info
To download:
If you experience problems downloading a file, check if you have the
proper application to
view it first. Information about this may be contained
in the File-Format links below. In case of further problems read
the IDEAS help
page. Note that these files are not on the IDEAS
site. Please be patient as the files may be large.
Find related papers by JEL classification: C45 - Mathematical and Quantitative Methods - - Econometric and Statistical Methods: Special Topics - - - Neural Networks and Related Topics C63 - Mathematical and Quantitative Methods - - Mathematical Methods and Programming - - - Computational Techniques