近年来,中小企业的蓬勃发展已经成为推动我国经济发展的重要力量,但是,融资难一直是其发展过程中所面临的重大瓶颈。通过提高商业银行对中小企业信用风险评估的准确性,使中小企业能够及时获得贷款融资,是解决这一问题的重要途径。信用风险是指交易对方不能履行既定义务的概率,包括交易对手信用级别降低造成的金融机构的收益和投资基金受到的影响,从而导致银行的财政困难。因此,信用风险是金融机构面临的主要威胁之一,是建模金融机构财政困难的重要因素。同时,由于对手方信用风险有着巨大的不确定性,因此信用风险评估需要建模不确定性事件的先进技术。作为一种最常见的人工智能方法,目前神经网络模型在信用风险评估问题中已有较多的应用,取得了较好的结果。但是,在我国非上市中小企业的信用风险评估问题中,神经网络模型的应用较少,且没有系统的比较分析；由于信用风险评估涉及因素较多,信用风险评估的复杂性也迫切需要多学科前沿技术和理论的交叉实践。针对上述问题,本文简要回顾了神经网络模型在信用风险评估问题中的应用现状,简要描述了几种常见的神经网络模型。比较了几种常见神经网络模型在我国中小企业的数据集上的应用效果,确定了每种模型的最优参数,比较了模型的分类精度及适用性。基于我国非上市中小企业数据集,实验首先比较了几种常见神经网络模型的分类精度及适用性,从而对各信用风险评估模型的具体运用提出了相应的建议。旨在为解决我国中小企业融资难问题做出一定的贡献。