随着经济的飞速发展,信用消费浮出水面,住房按揭、汽车贷款、信用卡等个人消费贷款都亟待信用作保,因此个人信用评估对于商业银行控制信贷风险具有重要意义。人工神经网络作为一种旨在模仿人脑结构及其功能的脑式智能信息处理系统,其应用领域日益扩大,潜力日趋明显,在个人信用评估领域也有非常好的应用前景。本文主题是关于神经网络方法的研究及其在个人信用评估中的应用,研究中心是BP神经网络在个人信用评估中的创新应用。针对中心问题,主要做了下面两件事：一是采用了四种不同算法的BP神经网络方法建立模型,并进行了对比研究；二是为了提高BP神经网络的泛化能力,根据BP神经网络的特点提出加权平均BP神经网络模型。人们对BP神经网络的研究比较多,因此其实现算法也比较多。对不同的算法我们不能简单的评价孰优孰劣,而是应该针对不同问题找到一种最适合的方法。在本文中采用了四种训练方法,结果显示,对本文所采用的数据,trainbfg函数和trainlm函数建立的网络对样本的分类结果比由traingdx函数和traincgp函数建立的网络对样本的分类结果要稍胜一筹,尤其是在对测试样本的分类表现中。综合考虑各个方面,由trainlm训练函数建立的BP网络模拟结果相对而言比其他函数要好一些。为了提高BP神经网络的泛化能力,本文提出加权平均BP神经网络方法。这一方法主要基于两方面的考虑：一是要提高网络的泛化能力,就必须充分挖掘样本资料所包含的信息,减少噪声数据对网络的影响；二是BP神经网络在训练时有学习新样本遗忘旧样本的趋势。这一方法的思路是在总训练数据集中采用随机抽取的方式产生n个子训练数据集,然后在每个训练子集的基础上建立一个BP神经网络并将其应用于测试集,最后将n个网络的预测结果进行加权平均作为最后结果。结果显示,这一方法对提高BP神经网络的泛化能力的确是有帮助的。