Intuitionistic Fuzzy Neural Network: The Case of Credit Scoring Using Text Information

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F15%3A39899799" target="_blank" >RIV/00216275:25410/15:39899799 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-23983-5_31" target="_blank" >http://dx.doi.org/10.1007/978-3-319-23983-5_31</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-23983-5_31" target="_blank" >10.1007/978-3-319-23983-5_31</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Intuitionistic Fuzzy Neural Network: The Case of Credit Scoring Using Text Information

Popis výsledku v původním jazyce

Intuitionistic fuzzy inference systems (IFISs) incorporate imprecision in the construction of membership functions present in fuzzy inference systems. In this paper we design intuitionistic fuzzy neural networks to adapt the antecedent and consequent parameters of IFISs. We also propose a mean of maximum defuzzification method for a class of Takagi-Sugeno IFISs and this method is compared with the center of area and basic defuzzification distribution operator. On credit scoring data, we show that the intuitionistic fuzzy neural network trained with gradient descent and Kalman filter algorithms outperforms the traditional ANFIS method.

Název v anglickém jazyce

Intuitionistic Fuzzy Neural Network: The Case of Credit Scoring Using Text Information

Popis výsledku anglicky

Intuitionistic fuzzy inference systems (IFISs) incorporate imprecision in the construction of membership functions present in fuzzy inference systems. In this paper we design intuitionistic fuzzy neural networks to adapt the antecedent and consequent parameters of IFISs. We also propose a mean of maximum defuzzification method for a class of Takagi-Sugeno IFISs and this method is compared with the center of area and basic defuzzification distribution operator. On credit scoring data, we show that the intuitionistic fuzzy neural network trained with gradient descent and Kalman filter algorithms outperforms the traditional ANFIS method.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-10331S" target="_blank" >GA13-10331S: Úloha textové informace v modelech predikce finanční tísně podniků - přístupy specifické podle států a průmyslových odvětví</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Engineering Applications of Neural Networks: 16th International Conference, EANN 2015

ISBN

978-3-319-23981-1

ISSN

1865-0929

e-ISSN

—

Počet stran výsledku

10

Strana od-do

337-346

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Rhodes

Datum konání akce

25. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—