1、“.....构建了基于方法的信用评估模型。由于传统的神经网络存在解释性差摒弃相征节约了大量时间。熊志斌将深度信念网络方法引入信用评估的实践中，构建了基于方法的信用评估模型。有学者认为将决策树和神经网络进行组合，用以增强神经网络的可解释性，同时改善模型的稳定性和精准度。赵静娴采用神经网络对贷款企业财务指标进行裁减，选择出对数据分类最有效的些属性建立决策树，对企业的信用风险进行评估。结果表明，模型能够显著提高预测精度，说明神经网络模型具有较好的特征抽取能力。杨胜刚则采用决策树方法筛选个人信用指标，再将筛选出的重要指标输入神经网络模型进行信用风险评估。回归是分类果，能够在定程度上解决神经网络完全黑箱的问题，可以由风险评估人员根据经验针对不同情况进行调节，说明模糊神经网络非常适合应用于信用风险的评估中。为了提高分类的准确性及收敛速度......”。

2、“.....如遗传算法群体智能等技术。王宪全利用改进的遗传算法对神经网络进行优化，对上市公司信用风险进行计量，取得了较神经网络更好的效果。群体智能算法是受生物进化规律的启迪，模拟自然界中的昆虫鸟群兽群等群体行为，通过群体智慧进行协同搜索，从而在解空间寻找到最优解。吴斌提出了基于混合果蝇神经网络的个人信用风险评估模型。金融信用风险评估中神经网络模型应用探究论文胜刚，朱琦，成程个人信用评估组合模型的构建基于决策树神经网络的研究金融论坛，石庆焱个基于神经网络回归的混合两阶段个人信用评分模型研究统计研究，仝凌云，曹泽阳，安利平网络借贷平台信用风险识别研究金融理论与实践，张婧婧基于模型的商业银行信用风险评价研究河海大学学报，曾玲玲，潘霄，叶曼基于模型的非上市公司信用风险度量财会月刊，姜明辉，谢行恒，王树林个人信用评估的组合模型哈尔滨工业大学学报，向晖......”。

3、“.....用预测，王春峰基于神经网络技术的商业银行信用风险评估系统工程理论与实践，杨淑娥，黄礼基于神经网络的上市公司财务预警模型系统工程理论与实践，胡海青，张琅，张道宏，等供应链金融视角下的中小企业信用风险评估研究基于与神经网络的比较研究管理评论，周驷华，汪素南基于多层感知器神经网络的小微企业信贷风险研究现代管理科学，方先明，熊鹏基于网络的商业银行信用风险控制研究金融论坛，龙天炜，彭泽文，张瑞敏信用风险评估方法与优化研究科技和产业，王重仁，韩冬梅基于卷积神经网络的互联网金融信用风险预异，主要通过采用不同的抽样方法从训练数据中抽取不同的训练样本集来体现，通常都是基于相同的学习算法生成基学习器，属于同质集成。根据抽样规则的不同主要有方法和方法。基于方法的集成技术，也是基于多数投票确定最终的结果......”。

4、“.....然后用这些不同的训练样本集训练出系列基分类器，代表性的算法为随机森林。陈云使用神经网络作为成员分类器，然后使用策略进行建模，对国内外企业信用风险做出评估。基于思想的集成算法方面的差异，可以通过采用不同学习算法生成不同的基学习器来体现，本质上属于异质集成。根据集成方法的不同可以分为以下几类第类是基于平均法的集成分类器，该类方法通常用于回归，有算术平均法和加权平均法。姜明辉等人用神经网络与回归进行预测，然后将得出的结果进行加权平均，对个人信用风险做出评估，结果表明，该集成模型在总体预测精度和第类误判率上具有优势。第类是基于投票法的多数票机制的集成分类器。向晖等把这种思想应用于个人信用评估，将多元判别分析神经网络支持向量机等种模型的预测结果采用加权投票的方法确定最终将神经网络用于贷款企业的财务风险评估，显示出神经网络是进行财务评估的种比较好的方法......”。

5、“.....是通过将神经网络同传统信用评估方法进行对比，验证神经网络的优越性。王春峰将神经网络与判别分析法进行了对比，认为前者具有更高的预测精度和更强的鲁棒性。杨淑娥采用神经网络和主成分分析方法分别对上市公司财务危机预警进行建模，实证研究得到了神经网络的预测精度较主成分分析方法高的结论。胡海青建立支持向量机和神经网络分别对企业信用风险进行评估，结果表明在小样本下基于支持向量机的信用风险评估模型更具有有效性，陈李刚基于遗传算法和神经网络的信用风险测量模型哈尔滨工业大学学报，吴斌，叶菁菁，董敏网贷个人信用风险评估模型研究基于混合果蝇神经网络的方法会计之友，胡贤德，曹蓉，李敬明，等小微企业信用风险评估的集成模型构建研究运筹与管理，赵静娴，杜子平基于神经网络和决策树相结合的信用风险评估模型研究北京理工大学学报，杨胜刚，朱琦......”。

6、“.....石庆焱个基于神经网络回归的混合两阶段个人信用评分模型研究统计研究，仝凌云，曹泽阳，安利平神经网络技术思想在信用评估领域的研究经历了多次突破性的优化改进。传统的神经网络虽然具有很多优异的特性，但已经很难满足现实社会对于信用评估的需求，针对传统神经网络的改进优化取得了较好的效果，但随着技术的进步，组合化集成化思想的出现为提高信用评估的精准性和稳定性带来了新的可能。参考文献杨保安，季海，徐晶神经网络在企业财务危机预警之应用预测，王春峰基于神经网络技术的商业银行信用风险评估系统工程理论与实践，杨淑娥，黄礼基于神经网络的上市公司财务预警模型系统工程理论与实践，胡海青，张琅，张道宏，等供应链金融视角下合神经网络分类的优势，同时利用证据理论易于处理不确定性问题的优点，建立了个新的信息融合评估模型......”。

7、“.....第类是基于群决策思想的集成分类器。姜雪莹提出了基于群决策思想将神经网络随机森林梯度提升树集成的借贷信用风险评估模型。训练数据方面的差异，主要通过采用不同的抽样方法从训练数据中抽取不同的训练样本集来体现，通常都是基于相同的学习算法生成基学习器，属于同质集成。根据抽样规则的不同主要有方法和方金融信用风险评估中神经网络模型应用探究论文和优越性。周驷华构建了多层感知器神经网络进行信用风险评估，并将其与决策向量机线性判别和逻辑回归等方法进行了比较，认为多层感知器神经网络更胜筹。可以看出，在信用风险评估领域，神经网络较传统的判别分析回归分析更有优势，但在小样本的情况下，神经网络略逊于支持向量机，主要是因为神经网络往往需要大量的训练数据来提高模型的准确性。集成型。集成学习由于可以集成多个基学习器且具有更高的适用性特征，得到越来越多的关注。在集成学习中......”。

8、“.....才能获得良好的分类效果，学者主要通过学习算法和学习数据两个方面来获得这种差度神经网络的个人信用评估方法计算机工程，文，雍华神经网络在金融信用风险评估中应用综述合作经济与科技，。集成型。集成学习由于可以集成多个基学习器且具有更高的适用性特征，得到越来越多的关注。在集成学习中，基学习器之间必须要有定的差异，才能获得良好的分类效果，学者主要通过学习算法和学习数据两个方面来获得这种差异。神经网络在信用评估中的应用类型验证型。为了验证神经网络在信用风险评估中应用的可行性及较传统方法的优越性，学者主要从以下两个方面展开研究是直接验证型，指通过实证研究，检验神经网络针对信用风险评估中的适用性。杨保安好的效果。群体智能算法是受生物进化规律的启迪，模拟自然界中的昆虫鸟群兽群等群体行为，通过群体智慧进行协同搜索，从而在解空间寻找到最优解......”。

9、“.....胡贤德提出种基于改进离散型萤火虫算法的神经网络集成学习算法的小微企业信用风险评估模型。金融信用风险评估中神经网络模型应用探究论文。算法方面的差异，可以通过采用不同学习算法生成不同的基学习器来体现，本质上属于异质集成。根据集成方法的不同可以分为以下几类第类是基于平均法的集成分类器，该类方法通常用于回归，有算术平均法网络借贷平台信用风险识别研究金融理论与实践，张婧婧基于模型的商业银行信用风险评价研究河海大学学报，曾玲玲，潘霄，叶曼基于模型的非上市公司信用风险度量财会月刊，姜明辉，谢行恒，王树林个人信用评估的组合模型哈尔滨工业大学学报，向晖，杨胜刚基于多分类器组合的个人信用评估模型湖南大学学报，曹再辉，余东先，施进发，等两层分类器模型应用于个人信用评估控制工程，郭英见，吴冲，于天军基于神经网络组和证据理论的信用风险评估算法合肥工业大学学报，王重仁，王雯，佘杰......”。