Minimizacija kreditnog rizika uporabom neuroevolucije u dubokom učenju

završni rad

• Naslov (engleski): Minimization of credit risk using neuroevolution in deep learning
• Autor: Luka Nestić
• Mentor: Domagoj Jakobović (mentor)
• Član povjerenstva: Domagoj Jakobović (predsjednik povjerenstva)
• Član povjerenstva: David Dukić (član povjerenstva)
• Član povjerenstva: Josip Jukić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Procjena kreditnog rizika jedan je od glavnih problema s kojima se susreću banke i kreditne kuće. U novije doba umjetne inteligencije nerijetko se za rješavanje ovakvih problema koriste duboke neuronske mreže, a jedan od postupaka optimizacije takvih mreža je uporaba biološki inspiriranih metaheurističkih algoritama, drugim nazivom neuroevolucija. U okviru ovog rada su ukratko opisane osnove konvencionalne neuroevolucije i dubokog učenja te evolucijskih algoritama potrebnih za rješavanje problema. Ispitani su i optimizirani algoritmi evolucijske strategije i diferencijske evolucije nad skupom podataka za smanjenje kreditnog rizika te je provedena njihova međusobna usporedba.

Sažetak (engleski)

Credit risk assessment is one of the main problems faced by banks and credit institutions. In recent times, artificial intelligence has often been used to solve such problems using deep neural networks. One of the optimization approaches for such networks is the use of biologically inspired metaheuristic algorithms, also known as neuroevolution. This paper briefly describes the fundamentals of conventional neuroevolution, deep learning, and evolutionary algorithms required for solving such problems. The algorithms of evolution strategies and differential evolution have been tested and optimized on a dataset for credit risk minimization, and their mutual comparison has been conducted.

• Ključne riječi: neuroevolucija; duboko učenje; predvid̄anje odobrenja kredita; umjetne neuronske mreže; evolucijski algoritmi
• Ključne riječi (engleski): neuroevolution; deep learning; loan approval prediction; artificial neural networks; evolutionary algorithms
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:532643
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-10-11 09:55:17