| Número de páginas: |
XVII, 102 p. 59 ilustraciones |
| Resumen: |
Este libro propone arquitecturas jerárquicas profundas (HDA) complejas para predecir la quiebra, un tema de actualidad para las empresas y las instituciones corporativas que en el pasado se ha abordado utilizando modelos de predicción estadÃsticos, basados ​​en el mercado y con inteligencia artificial. Los HDA se forman a través de redes de replanteo profundo de tensor aproximado difuso (FRTDSN) con modelos bayesianos aproximados estructurados y jerárquicos (HRB). FRTDSN se formaliza mediante TDSN y conjuntos aproximados difusos, y HRB se forma incorporando conjuntos aproximados probabilÃsticos en un modelo bayesiano jerárquico estructurado. Luego, FRTDSN se integra con HRB para formar el modelo compuesto FRTDSN-HRB. HRB mejora la precisión de la predicción del modelo FRTDSN-HRB. Los conjuntos de datos experimentales se adoptaron de empresas constructoras coreanas y de empresas no financieras estadounidenses y europeas, y la investigación presentada se centra en el impacto de la elección de los puntos de corte, los procedimientos de muestreo y el ciclo económico en la precisión de los modelos de predicción de quiebras. El libro también destaca el hecho de que una clasificación errónea puede dar lugar a predicciones erróneas que generan costos prohibitivos para los inversores y la economÃa, y muestra que la elección del punto de corte y los procedimientos de muestreo afectan las clasificaciones de varios modelos. También sugiere que los puntos de corte empÃricos estimados a partir de muestras de entrenamiento dan como resultado los costos de clasificación errónea más bajos para todos los modelos. El libro confirma que FRTDSN-HRB logra un rendimiento superior en comparación con otros modelos estadÃsticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadÃsticos importantes que giran en diferentes ciclos y subciclos económicos para los conjuntos de datos considerados y son de inmenso beneficio para los investigadores que trabajan en esta área. |
Bankruptcy Prediction through Soft Computing based Deep Learning Technique
