شبکه های عصبی و کاربرد در بانکداری

یکی از زمینه‌های کاربردی شبکه‌های عصبی در فعالیت‌های مالی، رتبه‌بندی مشتریان وارزیابی تقاضای وام است.

یکی از زمینه‌های کاربردی شبکه‌های عصبی در فعالیت‌های مالی، رتبه‌بندی مشتریان وارزیابی تقاضای وام است.به این طریق می‌توان تصمیم گرفت که به چه کسی و به چه مقداری وام می‌توان پرداخت کرد.ارزیابی ریسک نپرداختن ،یعنی ارزیابی احتمال اینکه وام گیرنده چقدر از پرداخت وام سرباززند. در این مورد از پرسپترون‌های چند لایه با موفقیت استفاده شده است.مزیت شبکه عصبی در این است که می‌تواند از هزاران نمونه قبلی در تاریخچه فعالیت‌های مالی شرکت استفاده کند، ویژگی‌های برجسته را فرا بگیرد و از طریق آنها پیامدها را پیش بینی کند.
در بیشتر بانک‌های ایران وام بر اساس نظر ارزیابان اعطا می‌شود که این روش به مدت زمان زیاد و نیروهای خبره نیاز داردوازطرفی هزینه بر نیز است.
تاریخچه:
بعضی از پیش زمینه‌های شبکه عصبی را می‌توان در اوایل قرن بیستم و اواخر قرن نوزدهم مشاهده کرد.در این دوره،کارهای اساسی در فیزیک ،روانشناسی و نوروفیزیولوژی توسط دانشمندانی چون "هرمان فون هلمهلتز" ، "ارنست ماخ" و "ایوان پاولف" انجام گرفت.این کارهای اولیه عموماً بر نظریه‌های کلی یادگیری تأکید داشته‌اند و به مدل‌های مشخص ریاضی عملکرد نورون‌ها اشاره نداشته اند.
دیدگاه جدید شبکه‌های عصبی در دهه ۴۰ قرن بیستم درست زمانی مطرح شد، که "وارن مک کلوث" و "والتر پیتس" نشان دادند که شبکه‌های عصبی در اصل می‌توانند هر تابع حسابی و منطقی را محاسبه کنند. کاراین افرادرا می‌توان نقطه شروع حوزه علمی شبکه‌های عصبی مصنوعی نامید.این موضوع از سوی دونالدهب شخصی که عمل شرط گذاری را برای یادگیری نورون‌های بیولوژیکی ارائه داده ،ادامه یافت.
نخستین کاربرد عملی شبکه‌های عصبی در اواخر دهه ۵۰ قرن ۲۰ در، زمانی که "فرانک روزنبلانت" در سال۱۹۵۸ شبکه پرسپترون را معرفی کرد، مطرح شد. روزنبلات و همکارانش شبکه ای ساختند که قادر بود الگوها را از هم شناسایی کند.در همین زمان بود که برنارد ویدرو در سال ۱۹۶۰شبکه عصبی تطبیقی خطی آدلاین را با قانون یادگیری جدید مطرح کرد که از لحاظ ساختار شبیه پرسپترون است.