跳到主要內容

臺灣博碩士論文加值系統

(100.28.231.85) 您好!臺灣時間:2024/11/06 15:28
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:李恩瑋
研究生(外文):Lee, en wei
論文名稱:多重代理人與類神經網路技術應用於銀行業經營績效評估
論文名稱(外文):A Study of Multi-Agent and Neural Network Technology for Evaluating Banking Performance
指導教授:文武文武引用關係
指導教授(外文):Wen, Wu
學位類別:碩士
校院名稱:龍華科技大學
系所名稱:商學與管理研究所碩士班
學門:商業及管理學門
學類:一般商業學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:101
中文關鍵詞:多重代理人類神經網路經營績效評估物件導向分析與設計基因演算法
外文關鍵詞:Multiple agentsNeural networkPerformance evaluationObject-orientated analysis and designGene algorithm
相關次數:
  • 被引用被引用:2
  • 點閱點閱:321
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
本研究提出一個結合多重代理人與類神經網路技術的銀行業經營績效評估系統架構。系統包含類神經網路推理引擎、多重代理人、資料庫、知識庫、使用者介面等元件。系統開發以物件導向分析與設計的概念,並以Java語言開發元件,使用Servlet、JSP等技術開發。而類神經網路採三層式架構,以倒傳遞演算法訓練,輸入銀行8項財務比率進行績效評比,並將企業經營績效區分為5個等級,在輸入層神經元數固定為8、輸出層神經元數固定為1,學習率固定為0.3的情況下,測試隱藏層1~20個神經元數時的收斂狀況及誤差值,結果以4個隱藏層神經元時收斂最快、誤差值最小。最後將類神經網路與基因演算法在企業經營績效分類做一比較,結果仍以類神經網路評比較為準確。
In this paper, we build a banking performance evaluation system that uses multi-agent and neural network techniques. The system is composed of multiple agents, a database, a knowledge base and a user interface. It is developed by using Java with the object-orientated analysis and design. We adopt a three-layer neural network model to train and test the proposed model. With the back-propagation algorithm, 8 financial ratios are considered to compute and find the final results for evaluating banking performance. In the ANN model, the number of neurons for the input layer is 8 and the number of neurons for the hidden layer is selected from 1 to 20. Furthermore, the learning rate is 0.3. Then, we find when the number of the hidden layer is 4, the process of training is the fastest and the MSE is the smallest. Finally, we compare the neural network model with the Gene algorithm and conclude the ANN model is better than the Gene algorithm for evaluating banking performance.
摘 要 i
ABSTRACT ii
誌 謝 iii
目 錄 iv
表目錄 vii
圖目錄 ix
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究架構 3
1.4 研究方法 4
第二章 文獻探討 6
2.1 多重代理人 6
2.2 代理人導向分析與設計方法論 7
2.2.1 AAII方法論 7
2.2.2 Gaia方法論 8
2.2.3 Agent UML方法論 9
2.3 多重代理人的應用 10
2.4 類神經網路 13
2.4.1 類神經網路之類型 14
2.4.2 類神經網路之應用 16
2.4.3 類神經網路理論技術 17
2.5 企業經營績效評估 20
第三章 系統建構理論與技術 24
3.1 財務比率分析 24
3.2 商業周刊評比企業使用之財務比率 31
3.3 證券交易所提供之財務比率 34
3.4 財務比率評分規則 41
3.5 多重代理人類神經網路應用在績效評估決策支援系統架構 43
3.5.1 MANN-DSS系統內部架構 44
3.5.2 MANN-DSS系統外部架構 68
第四章 系統建置與評估測試 70
4.1 系統分析與設計 70
4.2 類神經網路子系統設計 75
4.2.1 資料正規化 76
4.2.2 類神經網路架構及訓練演算法 76
4.3 類神經網路訓練與測試 77
4.3.1 隱藏層神經元測試 77
4.3.2 類神經網路訓練 78
4.3.3 類神經網路測試 79
4.3.4 類神經網路實作方法 85
4.4 進化式類神經網路 86
4.4.1 一般類神經網路訓練及測試 86
4.4.2 基因演算法訓練測試 89
4.5 類神經網路與基因演算法之比較 92
第五章 結論與建議 95
參考文獻 96
中文文獻:
1.吳參賢,建構知識管理架構下存貨決策支援系統-以百貨零售型物流業為例,碩士論文,中原大學資訊管理學系統碩士論文。(2004)
2.李筱君,決策支援系統之建立與應用-以醫療與醫管為例,碩士論文,中國醫藥學醫務管理研究所碩士論文。(2002)
3.季延平譯,資訊管理-聯繫於策略優勢,台北:智勝文化(2003)
4.周夢柏,應用財務比率分析我國商業銀行獲利能力之實證研究,碩士論文,朝陽科技大學財務金融系碩士論文。(2002)
5.林裕貴,投資決策型網站之個人化偏好投資資訊擷取與資金供需配對最佳化,碩士學位論文,華梵大學資訊管理學系碩士學位論文。(2004)
6.林坤正,智慧型多重代理人建構電子市集中之自動協商機制,碩士論文,朝陽科技大學工業工程與管理系碩士論文。(2003)
7.林孟郁,建構一個整合案例式推理和知識圖的模式顧專家系統內以診斷個人電腦問題,碩士論文,國立彰化師範大學資訊管理學系碩士論文。(2002)
8.林政緯,台灣地區金融控股公司績效評估之研究,碩士論文,真理大學管理科學研究所碩士論文。(2004)
9.侯信任,以資料挖掘建構視窗作業為基礎之網頁瀏覽行為模式,碩士論文,逢甲大學工業工程研究所碩士論文。(2003)
10.徐俊明,企業盈餘操縱與公司治理,http://www.fin.nchu.edu.tw/12_topic/doc/JunmingHsu_03.pdf,(2002)
11.徐俊明,財務管理原理,二版,台北:雙葉書廊。(2005)
12.莊順斌,模糊積分應用於電子化企業績效評估之研究,碩士論文,資訊管理學系碩士論文。(2002)
13.張文淵,以延伸性企業語言建構政府特種基金財務決策支援系統之研究,碩士論文,國防管理學院/資源管理研究所碩士論文。(2003)
14.張孟儒,應用PersonalOntology於會議排程決策支援系統之研究,碩士論文,長榮大學經營管理研究所碩士論文。(2004)
15.張賜福,運用類神經網路於台電服務品質滿意度之探討--以宜蘭縣住宅用戶,碩士論文,國立東華大學企業管理學系碩士論文。(2003)
16.梁定澎,決策支援系統,台北:松崗出版社(1994)。
17.許志恆,Internet智慧型企業績效評估代理人,碩士論文,國立暨南國際大學資訊管理研究所碩士論文。(2002)
18.許家偉,產品環境化設計策略與決策支援系統之研究,碩士論文,南華大學環境管理研究所碩士論文。(2004)
19.陳佩君,多重代理人知識蒐集架構設計-以門牌號碼查詢系統為例,碩士論文,國防大學國防管理學院國防資訊研究所碩士學位論文。(2003)
20.陳怡君,決策支援系統應用於企業經營績效評估之研究,碩士論文,龍華科技大學商學與管理研究所,台北(2005)。
21.陳淑宜,運用類神經網路探討行動電話系統業者之顧客滿意度--以北台灣為例,碩士論文,國立東華大學企業管理學系碩士論文。(2000)
22.葉怡成,類神經網路模式應用與實作,儒林,(1999)。
23.劉俞青,智慧型多重代理人系統應用於網際網路採購及其作業模式之研究,碩士論文,朝陽科技大學資訊管理系碩士論文。(2001)
24.魯振華,人壽保險廣告類型有效性的預測模式 - 應用類神經網路 ,碩士論文,逢甲大學保險學系碩士學位論文。(2000)
25.盧靜怡,企業經營績效排名之預測-灰色關聯分析與類神經網路之應用,碩士論文,國立台灣科技大學資訊管理系碩士論文。(2001)
英文文獻:
26.Abeyratna, G., Lonie, A. A., Power, D. M. and Sinclair, C. D. “The Influence Of Company Financial Performance On The Interpretation Of Dividend And Earnings Signals: A Study Of Accounting and Market-base Data”, British Accounting Review ,28,pp.229-248(1996).
27.Al-Saba, T. and El-Amin, I. “Artificial neural networks as applied to long-term demand forecasting”, Artificial Intelligence in Engineering, 13, pp.189-197(1999).
28.Amandi, A., Campo, M. and Zunino, A. “JavaLog: a framework-based integration of Java an Prolog for agent-oriented programming” , Computer Languages, Systems And Structures, 31, pp.17-33(2005).
29.Antony, S. J., Zhou, C. H. and Wang, X. “An integrated mechanistic-neural network modeling for granular systems”, Applied Mathematical Modelling, (2005).
30.Bui, T. and Lee, J. “An agent-base framework for building decision support systems”, Decision Support Systems 25 , pp.225-237(1999).
31.Chen, J. and Adams, B. J. “Integration of artificial neural networks with conceptual models in rainfall-runoff modeling” , Journal of Hydrology, pp.1-18(2005).
32.Chua, C. E. H., Chiang, R. H. L. and Lim, E. P. “An intelligent middleware for linear correlation discovery” , Decision Support Systems ,32, pp.313-326(2002).
33.Davis-Friday, P. Y., Frecka, T. J. and Rivera, J. M., “The financial performance, capital constraints and information environment of cross-listed firms: Evidence from Mexico” , The International Journal of Accounting ,40,pp.1-30(2005).
34.Donatti, G. S., Software Development Effort Estimations Through Neural Networks: Computer Science Licentiate Special Work,(2005).
35.Fish, K. E., Barnes, J. H. and Aiken, M. W. “Artificial Neural Networks – A New Methodology for Industrial Market Segmentation” , Industrial Marketing Management, 24, pp.431-438 (1995).
36.Gamma, E., Helm, R., Johnson, R., and Vlissides, J., Design Patterns Reading, ADDISON WESLEY, US 1995.
37.Heinrichs, J. H. and Lim, J. S. “Integrating web-based data mining tools with business models for knowledge management”, Decision Support Systems ,35, pp.103-112(2003).
38.Kalogeras, N., Baourakis, G., Zopounidis, C. and Dijk, G. “Evaluating the financial performance of agri-food firms: a multicriteria decision-aid approach”, Journal of Food Engineering ,70,365-371(2005).
39.Katz, E. P. “A Multiple Rule Engine-Based Agent Control Architecture” , HP Laboratories Palo Alto HPL 2001-283(R.1), (2002).
40.Lam, M. “Neural network techniques for financial performance prediction: integrating fundamental and technical analysis”, Decision Support System ,37, pp.567-581(2003).
41.Lee, B. H., Park, M. S., Chung, Y. and Kwon, H. C. “Design And Implementation of Multi-Agent Environment For Internet Information Retrieval Service”, IEEE 0-7803-7090-2/01, pp.318-321(2001).
42.Lee, T. S. and Chen, I. F. “A two-stage hybrid credit scoring model using artificial neural networks and multivariate adaptive regression splines”, Expert Systems with Applications, 28, pp.743-752(2005).
43.Lin, S. L., Penm, J.H.W., Gong, S. C. and Chang, C. S. “Risk-based capital adequacy in assessing on insolvency-risk and financial performances in Taiwan’s banking industry”, Research in International Business and Finance, 19,pp.111-153(2005).
44.Marrone, P., The Complete Guide – All you need to know about Joone: http://www.joone.org ,(2005).
45.Menczer, F. “Complementing search engines with online web mining agents”, Decision Support Systems ,35, pp.195-212(2003).
46.Nassehi, A., Newman, S. T. and Allen, R. D. “The application of multi-agent systems for STEP-NC computer aided process planning of prismatic components”, International Journal of Machine Tools And Manufacture, pp.1-16(2005).
47.Negnevitsky,M.,Artificial Intelligence - A Guide to Intelligent Systems 2/e,UK:ADDISON WESLEY, 175-185, pp.259-268 (2005).
48.Ong, T. H., Chen H.,Sung and W.,Zhu,B. ”Newsmap: a knowledge map for online news”, Decision Support Systems, 39, pp.583-597(2004).
49.Park, S. and Sugumaran, V. “Designing multi-agent systems: a framework and application”, Expert Systems with Applications, 28, pp.259-271(2005).
50.Shakshuki, E., Ghenniwa, H. and Mohamed “A Multi-Agent System Architecture for Information Gathering”, IEEE 0-7695-0680-1/00, pp.732-736(2000).
51.Thuraisingham,B.,Data Mining – Technologies, Techniques, Tools, and Trends,Florida: CRC Press LLC ,(1999).
52.Whittington, M. “Problems in Comparing Financial Performance Across International Boundaries: A Case Study Approach”, The International Journal of Accounting ,35,pp.399-413(2000).
53.Wong, J. F. and Huang, S. M. “Continuous and incremental data mining association rules using frame”, Knowledge-Based Systems ,16, pp.91-100(2003).
54.Wooldridge,M.,An Introduction to MultiAgent Systems,UK: John Wiley and Sons,(2002).
55.Yang,J.B. “Hybrid AI system for retaining wall selection”, Construction Innovation2004 ,4, pp.33-52(2004).
56.Zhao, Z. “Steel columns under fire – a neural network based strength model”, Advances in Engineering Software, pp.1-9(2005).
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top