Традиционная нейроинформатика подходит к созданию

С.С. ЁЛКИН, В.И. СКРУГИН, Ю.А. ЕВТУХОВА
Научный руководитель – С.В. ЁЛКИН, к.ф.м.н.
Московский Инженерно-Физический Институт (государственный университет)
ОПРЕДЕЛЕНИЕ КРЕДИТОСПОСОБНОСТИ ПО
СКОРИНГУ С ПОМОЩЬЮ НЕОДНОРОДНОЙ
НЕЙРОННОЙ СЕТИ1
Традиционная нейроинформатика подходит к созданию нейросетей
основываясь на принципе, который говорит о том, что чем сложнее
задача, тем более крупные нейронные сети или их конгломераты нужно
использовать. Однако это не всегда верно. Использование в качестве
базового элемента современных искусственных нейросетей формального
нейрона приводит к тому, что за счёт полной абстракции от сложного
биологического нейрона возникают технические ограничения на
возможности таких нейросетей. Но и использование бионического
нейрона, сделанного максимально близко к биологическому, так же не
представляется
возможным
ввиду
его
многофакторной
и
полифункциональной
сложности.
Таким
образом,
возникает
необходимость поиска универсальной нейробионической парадигмы,
направленной на анализ механизмов, закономерностей и принципов,
предназначенных для создания и работы новой базовой основы
нейрокомпьютеров, сочетающей в себе простоту проектирования
классических нейросетей и базовую сложность и многофункциональность
бионических нейронов. Мы считаем, что для решения этой задачи
необходима разработка комплекса математических моделей бионических
нейронов одновременно отвечающих потребностям нейрофизиологии и
нейроинформатики
На данный момент наша группа имеет теоретический и практический
задел в рассматриваемой области [2,3,4]. Проведено предварительное
обобщение биологических экспериментальных данных по нейронам
головного мозга человека. Установлено, что оптимальное число
бионических нейронов требуемых для эффективной математической
модели минимальной нейронной сети колеблется от 5 до 7. Осуществлена
теоретическая проработка возможных математических моделей
выделенных классов нейронов [5]. Разработан прототип конструктора
неоднородных нейронных сетей на основе математической модели
1
Работа поддержана РФФИ, грант 08-01-00626
«интегрирующего» нейрона В.Б. Вальцева. Конструктор построен по
модульным принципам. Он позволяет легко и удобно отображать и
редактировать нейронные сети низкой и средней сложности. С помощью
данного конструктора создан набор учебных нейронных сетей.
В данной работе целью ставилось построение неоднородной
нейронной сети на основе модели В.Б Вальцева для решения задачи
скоринга потенциальных кредиторов. Была собрана небольшая база
скоринговых анкет (порядка 20) с результатами решения по выдаче
кредита и указанием о том был ли кредит своевременно выплачен. На её
основе была поставлена задача создания
системы по принятию
оперативного решения о выдаче кредита новому клиенту по результатам
его скоринга. Надо заметить, что подобного рода задачи обычно
решаются нейросетью на основе формальных нейронов. Однако, в нашем
случае база была недостаточно велика для получения хороших
результатов при обучении формальной нейросети. Построение же
неоднородной сети на основе бионического нейрона сильно упрощает
задачу. Было принято решение по обучению группы очень маленьких
формальных нейросетей по каждому пункту анкеты вместо обучения
одной большой нейросети по всей анкете. Для такой задачи большая база
не требуется. После чего бионическая нейросеть должна была,
основываясь на полученных результатах от формальных сетей, принять
решение о выдаче кредита. Такой подход позволил, основываясь на
небольшом количестве данных для обучения решить сложную задачу. В
дальнейшем планируется усовершенствовать полученную систему для
принятия более сложных решений по анкетам, включающим в себя также
взаимозависимые данные и частично ложные данные.
Список литературы
1. А. В. Савельев "На пути к общей теории нейросетей. К вопросу о сложности"
Нейрокомпьютеры: разработка, применение №4-5, 2006 г., с. 4.
2. Вальцев В.Б, Лавров В.В. Целесообразное фрагметирование информации на входе в
мозг // "Информационные технологии", №2, 2006, с.22-30.
3. Вальцев В.Б., Григорьев В.Р., Лавров В.В. Неоднородные сети и проблемы
моделирования высших функций мозга // VII Всероссийская конференция
"Нейрокомпьютеры и их применение", Москва, 2005, с.556-558.
4. Вальцев В.Б., Лавров В.В., Пух В.И. Концепции формирования нейробионических
технологий // Москва. Научная сессия МИФИ, 2005, Сб. научных трудов. Т.3,
Интеллектуальные системы и технологии. С.80-82.
5. Вальцев В.Б., Лавров В.В., Лаврова Н.М. Использование минимальной неоднородной
нейронной сети для моделирования процесса принятия решения // Россия, Калуга. 5-й
Международный симпозиум" Интеллектуальные системы", 2002 г., с.271-274.