بحران مالی بانک ها، سیستم اقتصادی را دچار خطر می کند. بنابراین پیش بینی بحران مالی بانک ها برای جلوگیری یا کاهش اثرات منفی آن بر سیستم اقتصادی امری حیاتی می باشد. این تحقیق در واقع یک مساله از نوع طبقه بندی بانک ها بر اساس سلامت مالی یا بحران مالی می باشد. این تحقیق برآن است تا روش های مختلف شبکه های عصبی مصنوعی را برای پیش بینی بحران مالی در بانک های ایران به کار گیرد و مقایسه ای بین عملکرد روش های بکار رفته انجام دهد. 20 نسبت مالی در 6 گروه مجزا شامل سرمایه، کیفیت دارایی، کیفیت مدیریت، درآمد ها، نقدینگی و حساسیت به ریسک بازار (camels) به عنوان متغیرهای پیش بینی کننده در این تحقیق به کار رفته اند. در این تحقیق، 3 روش مختلف شبکه عصبی نظارت شده شامل پرسپترون چند لایه (mlp)، مدل آبشاری پیشخور (cascade-forward) و مدل المان (elman) به کار رفته است. نتایج به دست آمده نشان می دهد که مدل پرسپترون چندلایه دارای بیشترین دقت و بهترین عملکرد در پیش بینی بحران مالی در بانک های ایران می باشد.