MODELO DE REDES NEURONALES PARA MEJORAR EL PRONÓSTICO DEL COMPORTAMIENTO DEL ALUMNO EN EL CUMPLIMIENTO DEL PAGO DE SUS ARMADAS, CONCERNIENTES A UN CRÉDITO APROBADO POR EL ÁREA DE FINANZAS ALUMNOS DE LA UNIVERSIDAD PERUANA UNIÓN

El presente trabajo de investigación tiene como objetivo pronosticar el comportamiento del alumno en el cumplimiento del pago de sus armadas (cuotas), concernientes a un crédito aprobado por el área de finanzas Alumnos de la Universidad Peruana Unión (UPeU). El modelo de RNAS (Red Neuronal Artificia...

Descripción completa

Guardado en:
Publicado en:Revista de Investigación Business Intelligence
Autores principales: Chuquival Santa Cruz, Jorge Samuel, Galindo, Jaime, Maquera, Saúl, Palza Vargas, Edgardo, Mamani Apaza, Guillermo
Formato: Artículo de revista
Lenguaje:español
Publicado: Revista de Investigación Business Intelligence 2016
Acceso en línea:Ver en el sistema de origen
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario:El presente trabajo de investigación tiene como objetivo pronosticar el comportamiento del alumno en el cumplimiento del pago de sus armadas (cuotas), concernientes a un crédito aprobado por el área de finanzas Alumnos de la Universidad Peruana Unión (UPeU). El modelo de RNAS (Red Neuronal Artificial Supervisada) Back – Propagation que está incorporado en BIEl objeto de estudio es el comportamiento del alumno en el cumplimiento de sus pagos, quien al momento de matricularse, elige un plan de pago que contiene las armadas con su respectiva fecha de pago. Es allí donde surge la incertidumbre del área de Finanzas Alumnos con respecto al pago puntual de las armadas de los alumnos.Para establecer las actividades durante el proceso de esta investigación se ha utilizado la metodología para minería de datos CRIPS-DM propuesta por el consorcio formado por NCR Ingeniería de sistemas Copenhague (EE. UU y Dinamarca).El comportamiento del alumno en el pago de sus armadas será determinado con 0 si no es moroso y 1 si es moroso.La red Neuronal fue entrenada con una data de 800 alumnos aplicando el algoritmo Back - Propagation (Retro propagación) la cual consta de una capa de entrada, una capa oculta y una capa de salidaLos sectoristas (los que realizan la matrícula) podrán utilizar esta herramienta que les sirva de apoyo para decidir la otorgación del crédito al alumno.
ISSN:2415-0258

Ejemplares similares