尤其是在 2008-2009 年全球金融危机之后，对银行破产预测的兴趣Swift增加。 破产案件的相关后果确实凸显了管理者和监管者制定和采用适当的预警系统的必要性。 因此，本文的目的是通过分析三个基本方面：违约和财务困境的定义、统计和智能技术的应用、变量选择，对最近关于银行违约预测的实证贡献进行文献回顾。 审查还提出了一些可能的升级，以促进对该主题的未来研究，即指出非财务信息作为良好的违约预测指标的潜在作用。
2022-05-07 18:19:06
1.02MB
1
compare_run.m 是主文件。 此代码调用三个函数 - a) apsa.m 和 b)eff_apsa.mc)lms.m。 它计算函数在不同 N 上执行所花费的时间。 它绘制了两个函数在不同 N 上所用的时间。
这里 L 固定为 5。系统函数是预定义的。 绘图显示 Eff_apsa 算法如果比 apsa 算法有效。 随着 N 的增加，计算时间的差异也会增加
2022-05-07 15:49:24
1.21MB
1
单片机仿真软件有哪些及比较 Multisim有超强板级的模拟/数字电路板的设计工作。它包含了电路原理图的图形输入、电路硬件描述语言输入方式，具有丰富的仿真分析能力。高版本可以进行单片机等MCU的仿真。Multisim有实际元器件和虚拟元器件，它们之间根本差别在......
2022-05-07 13:04:44
79KB
1
Boosting 方法的主要⽬标是将弱分类器“提升” 为强分类器，根据前⼀个弱分类器的训练效果对样本分布进行调整，再根据新的样本分布训练下⼀个弱分类器，如此迭代，最后将⼀系列弱分类器组合成⼀个强分类器。
XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。
手写xgboost算法，几乎实现xgboost的所有算法，之中有与xgboost库进行比较xgboos的性能和方法，结果是差不多的，达到了预期的要求，简单的数据集也放在了上面。
并且这之中包括详细的注释，也包括了很多有关于xgboost的原理，是我手写xgboost算法之中做的一些记录和笔记，这里面也有对数据集的种种可视化，数据集也在文件里面。
2022-05-07 09:11:11
1.18MB
1.标准化gamma空间和颜色空间
为了减少光照因素的影响，首先需要将整个图像进行规范化。在图像的纹理强度中，局部的表层曝光贡献的比重较大，所以，这种压缩处理能够有效地降低图像局部的阴影和光照变化。因为颜色信息作用不大，通常先转化为灰度图
Gamma压缩公式：
比如可以取Gamma=1/2
2022-05-06 19:25:11
2.32MB
1