연구동향 분석

중소기업 신용보강을 위한 딥러닝 기업 건전성 분류

송민찬 류두진 2022년

논문상세정보
인용/피인용
' 중소기업 신용보강을 위한 딥러닝 기업 건전성 분류' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • Credit Complement
  • Feature Selection
  • deep neural network
  • esg
  • small and medium-sized enterprises
  • 변수선택법
  • 신용보강
  • 심층 신경망
  • 중소기업
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
2,022 0

0.0%

' 중소기업 신용보강을 위한 딥러닝 기업 건전성 분류' 의 참고문헌

  • 우리나라 중소기업 대출과정에서 관계금융의 영향분석
    김용덕 [2021]
  • 비재무적 정보가 기업성과에 미치는 영향: ESG 점수를 중심으로
    임욱빈 [2019]
  • 벤처기업 투자 심사를 위한 정성 평가 지표의 유효성 검증: 사례연구
    김병관 [2017]
  • 기업평가등급체계 공시
  • 기업평가등급체계 공시
  • 기업지배구조와 기업실패 : 생존분석을 응용한 지배구조의 영향 분석
    김동욱 [2020]
  • 기업의 사회적 책임활동이 이익조정과 기업가치에 미치는 영향에 관한 실증적 연구 -한국과 중국상장 기업을 중심으로-
    양합 [2020]
  • 기업신용평가체계 공시
  • 기업신용평가체계
  • 기업신용등급 산정기준
  • 기업부도예측과 기계학습
    김형준 [2019]
  • 기업 비재무정보(ESG) 공시가 재무성과와 기업가치에 미 치는 영향
    김윤경 [2020]
  • 기술신용평가기관(TCB)의 기술평가는 기업의 성장가능성을 예측할 수 있는가? : ‘양호 이상’ 기업들 사례 중심으로
    차우준 [2017]
  • 기술신용평가기관(TCB) 기술평가 모형의 금융기관 활용 적합성에 대한 연구: TCB 평가를 받은 기업들 사례 중심으로
    차우준 [2016]
  • 기계학습 기반 주택시장의 조기경보체계
    박대현 [2021]
  • 기계학습 기반 기업신용정보 분석을 통한 채무불이행 예측
    류두진 [2021]
  • The real-world-weight cross-entropy loss function : Modeling the costs of mislabeling
    Ho, Y. [2019]
  • Statistical normalization and back propagation for classification
  • Some studies in machine learning using the game of checkers
  • Recognition model for solar radiation time series based on random forest with feature selection approah
    Karasu, S. [2019]
  • Random forest based feature selection of macroeconomic variables for stock market prediction
    Nti, K. O. [2019]
  • Predicting corporate defaults using machine learning with geometric-lag variables
    Kim, H. [2021]
  • Nonparametric regression using deep neural networks with ReLU activation function
  • Machine learning in Python: Essential techniques for predictive analysis
    Bowles, M. [2015]
  • Logistic regression for feature selection and soft classification of remote sensing data
    Cheng, Q. [2006]
  • Increased rates of convergence through learning rate adaptation
  • Feature engineering for machine learning: principles and techniques for data scientists
    Zheng, A. [2018]
  • Feature engineering and selection: A practical approach for predictive models
    Kuhn, M. [2019]
  • Exploratory data analysis for complex models
    Gelman, A. [2004]
  • Exploratory Data Analysis
  • Dropout : a simple way to prevent neural networks from overfitting
  • Correlation-based Feature Selection for Machine Learning
    Hall, M. A. [1999]
  • Corporate default predictions using machine learning : Literature review
    Kim, H. [2020]
  • Corporate bankruptcy prediction using machine learning methodologies with a focus on sequential data
    Kim, H. [2022]
  • Building Auto-Encoder Intrusion Detection System based on random forest feature selection
    Li, X. [2020]
  • Artificial neural networks in bankruptcy prediction : General framework and cross-validation analysis
    Zhang, G. [1999]
  • An introduction to variable and feature selection
    Guyon, I. [2003]
  • An empirical analysis of feature engineering for predictive modeling
    Heaton, J. [2016]
  • A review of feature selection methods with applications
    Jović, A. [2015]
  • A machine learning-based early warning system for the housing and stock markets
    Park, D. [2021]
  • A general backpropagation algorithm for feedforward neural networks learning
    Yu, X. [2002]
  • A Fast Learning Algorithm for Deep Belief Nets