O‘zbekiston respublikasi fanlar akademiyasi

С.С. РАДЖАБОВ, А.Ғ. САМЕНДЕРОВ, А.А. ХАШИМОВ 
 
БАНК МИЖОЗИНИНГ КРЕДИТГА ЛАЁҚАТЛИЛИГИНИ ХОПФИЛД 
НЕЙРОН ТЎРЛАРИГА АСОСЛАНИБ БАҲОЛАШ 
 
Мақолада кредит олувчининг кредитга лаёқатлилигини баҳолаш масалалари кўриб 
чиқилган. Бунда асосий эътибор кредитга лаёқатлиликни баҳолашда Хопфилд нейрон тўрларига 
асосланган алгоритмини ишлаб чиқишга қаратилган. Бунинг учун нейрон тўрини ўқитиш 
танланмаси шакллантирилиб, ушбу маълумотларга дастлабки ишлов берилди ва шу маълумотлар 
асосида Хопфилд нейрон тўрини ўқитиш амалга оширилди. Ўқитилган нейрон тўри ишлашини 
текшириш мақсадида тестлаш танланмаси асосида тажрибавий тадқиқотлар ўтказилди. 
Калит сўзлар: Хопфилд нейрон тўри, фаоллаштириш функцияси, ўқитиш ва тестлаш 
танланмалари, кредитга лаёқатлилик, скоринг, маълумотларга дастлабки ишлов бериш. 
 
С.С. Раджабов, А.Ғ. Самендеров, А.А. Хашимов 
Оценка кредитоспособности клиента банка, основанная на нейронных сетях Хопфилда 
 
В статье рассмотрены вопросы оценки кредитоспособности получателя кредита. При этом 
основное внимание уделено разрабатыванию алгоритма, основанного на нейронной сети 
Хопфилда, для этой оценки. Для этого сформирована обучающая выборка, выполнена ее 
предварительная обработка и на этих данных осуществлено обучение нейронной сети Хопфилда. 
Для оценки работоспособности обученной нейронной сети проведены экспериментальные 
исследования на основе тестовой выборки. 
Ключевые слова: нейронная сеть Хопфилда, функция активации, обучающая и тестовая 
выборки, кредитоспособность, скоринг, предварительная обработка данных. 
S.S. Radjabov, A.G’. Samenderov, А.А. Khashimov 
Bank customer credit scoring based on Hopfield neural networks 
The article deals with the assessment of the creditworthiness of the loan recipient. The focus is 
on developing an algorithm based on the Hopfield neural network for this evaluation. For this purpose, a 
training sample was formed, its pre-processing was performed, and the Hopfield neural network was 
trained on these data. To assess the performance of a trained neural network, experimental studies based 
on a test sample were conducted.