金融破产预测是至关重要的金融机构在评估公司和个人的财务状况。这样的工作是金融机构必须建立有效的预测模型做出适当的贷款决策。近几十年来,各种破产预测模型已经开发了学者和实践者来预测贷款的客户将会破产的可能性。其中,人工神经网络(ann)广泛和有效的应用于破产的预测。灵感来自生物神经元的机制,我们建议修剪一个进化神经网络金融破产(EPNN)模型进行分析。EPNN拥有一个动态的树突结构培训由全局优化学习算法:自适应差分进化算法与可选的外部存档(玉)。EPNN可以减少计算复杂度通过去除多余的和无效的突触和树突结构,同时能够实现竞争分类精度。简化结构后,可以完全取代EPNN包含比较器和逻辑的逻辑电路,和盖茨。这种机制使其可行的应用EPNN破产分析硬件的实现。核实EPNN的有效性,我们采用两个基准数据集实验。 The experimental results reveal that the EPNN outperforms the Multilayer Perceptron (MLP) model and our previously developed preliminary pruning neural network (PNN) model in terms of accuracy, convergence speed, and Area Under the Receiver Operating Characteristics (ROC) curve (AUC). In addition, the EPNN also provides competitive and satisfactory classification performances in contrast with other commonly used classification methods.