پيش‌بيني ورشكستگي شركت‌ها با شبكه‌عصبي بهبوديافته با الگوريتم بهينه‌سازي وال (با رويكرد الگوريتم ژنتيك در انتخاب ورودي)

كارشناسي ارشد

ورشكستگي شركت‌ها در يك دورنماي كلي تأثيرات مخربي بر اقتصاد يك كشور دارد كه مي‌توان با پيش‌بيني آن از هدر رفتن ثروت ملي در قالب سرمايه‌هاي فيزيكي و انساني و آثار آن جلوگيري كرد. ارائه يك الگوريتم كارآمد براي آموزش شبكه‌هاي عصبي همواره يك بحث چالش‌برانگيز بوده است و همچنان ادامه دارد. هدف ما در اين تحقيق ارائه يك تركيب جديد از نقاط قوت الگوريتم بهينه‌سازي نهنگ(WOA) و جستجوي ممنوعه به‌منظور ارائه يك الگوريتم مؤثر و بهينه براي آموزش شبكه‌هاي عصبي پيشرو(FNN) و درنهايت تهيه يك مدل كارآمد براي پيش‌بيني ورشكستگي بوده است. WOA يك الگوريتم جمعيت محور است كه در سال‌هاي اخير ارائه‌شده است و رفتار شكار در نهنگ‌هاي كوهان‌دار را شبيه‌سازي مي‌كند. پياده‌سازي اين الگوريتم آسان و به خاطر استفاده از معادله لگاريتمي مارپيچي فضاي مسئله را به‌خوبي پوشش مي‌دهد. الگوريتم جستجوي ممنوعه كه مبتني بر يك جواب است براي افزايش قابليت بهره‌وري در WOA به كار مي‌رود. نمونه موردبررسي شامل 110 شركت است كه در سال‌هاي 1388-1396 عضو بورس اوراق بهادار تهران بوده‌اند. براي تائيد عملكرد الگوريتم پيشنهادي از 5 مجموعه‌داده‌ي استاندارد از مخزن UCI استفاده‌شده است. همچنين به‌منظور اثبات برتري روش پيشنهادي نتايج حاصل از اجرا با 5 الگوريتم ديگر مقايسه شده است و نتايج تجربي نشان مي‌دهند كه در مقايسه با ساير روش‌ها عملكرد بهتري در آموزش FNN ارائه مي¬دهد.

193264

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي