ثبت محدود- ثبت تعاونی- تغییرات - ثبت شرکت –تغییرات خاص –تغییرات محدود – صورتجلسات – پلمپ دفاتر
کمترین هزینه و هدیه ویژه و فروشگاه اینترنتی طراحی سایت
کاربرد شبکه های عصبی در اظهار نظر فنی حسابرسی
محاسبات عصبی چیست؟
طی دو دهه گذشته، سیستمهای خبره به عنوان اولین ابزار عملی در زمینه هوش مصنوعی مورد استفاده قرار گرفتند. با این حال، بسیاری از این سیستمها، سیستمهای خبره مبتنی بر قاعده بوده اند، که مستلزم اجرای فرایند بسیار وقتگیر کسب دانش از متخصصان است.
منظور از محاسبات عصبی،کاربرد شبکه های عصبی مصنوعی در قلمرو حل مشکلات عملی است. یک شبکه عصبی مصنوعی از عناصر پردازشگری (شبیه به نرونهای سیستم عصبی زیستی)، در یک شبکه به هم پیوسته، تشکیل شده است. هر یک از عناصر پردازشگر، دروندادها را می پذیرد، آنها را پردازش می کند، و سپس به صورت یک برونداد در می آورد و برای استفاده در اختیار سایر عناصر پردازشگر قرار می دهد. ایجاد شبکه های عصبی با به کارگیری مثالهایی از حل مسئوله ای خاص در دنیای واقعی، ممکن می شود. این مثالهای واقعی مربوط به یک زمینه کاربردی خاص است و نقش آموزش دهنده به شبکه عصبی را بازی می کند.
هر یک از موراد آموزشی شامل داده های درونداد و تصمیمها یا خروجی حاصل از آن است. برای مثال، در حوزه وام بانکی، برای تایید یک وام، اطلاعات شخصی فرد متقاضی و اطلاعات اقتصاد کلان، درونداد، و تصمیمهای مربوط به تایید وام، خروجی مربوط است. در فرایند ایجاد شبکه، هدف اصلی کاهش اندازه اشتباههای میان برونداد واقعی و برونداد مورد انتظار است. در صورت طراحی صحیح و مثالهای آموزشی کافی، یک سیستم شبکه عصبی مصنوعی عملیاتی می تواند برونداد صحیحی را ایجاد کند و برای حل مسائل عملی مفید واقع شود. محاسبات عصبی در زمینه حل طیف گسترده ای از مشکلات جهان واقعی همانند تامین مالی، مهندسی، املاک و مستغلات، و دیگر حوزه های کار و کسب به کار رفته است. قلمرو اطلاعات درون و میان شرکتی نیز از جمله سایر حوزه هایی است که از محاسبات عصبی در آنها استفاده شده است. در سال 1988، در گزارشی به دولت بریتانیا سایر حوزه های کاربرد هوش مصنوعی توضیح داده شد و نیاز به یک رویکرد راهبردی مورد تاکید قرار گرفت: سازمانها باید بیشترین منافع ممکن را از سیستمهای خبره ببرند زیرا با کمک این سیستمها می توانند راهبردهای اصلی کار و کسب خود را در جهت ارتقای عملکرد سازمان، پیگیری کنند. در زمینه کاربردهای هوش مصنوعی در قلمرو کنترل داخلی نیز فکر هایی شده است.
اظهار نظر حسابرسی
منظور از واژه حسابرس در این مقاله، حسابرس بخش دولتی است، مانند ممیزان مالیاتی وزارت دارایی. ممیز یا حسابرس ارشد مالیاتی، با توجه به مجموعه مدارک و شواهد شرکتها که شامل صورت سود زیان، ترازنامه، و سایر مدارک و شواهد ضمیمه آن است، بررسیهایی را انجام می دهد و احتمال فرار از مالیات و به تبع آن ضرورت بررسیهای بیشتر را مشخص می کند، شواهد مستند، حسابهای بانکی، گردش وجوه نقد و نقل و انتقال وجوه می شود. این بررسی نیاز به صرف وقت و تلاش بسیار زیادی دارد. با این حال تشخیص درست ممیزان و حسابرسان مالیاتی برای شناخت شرکتهایی که مستلزم رسیدگی بیشترند، و بررسی مدارک و شواهد بیشتری از آنها، همواره منجر به کسب درامدهای مالیاتی بالاتر شده است. در حال حاضر، تعداد کمی از ممیزان هستند که می توانند به سرعت شرکتهای مناسب برای بررسی بیشتر را شناسایی کنند، در حالی که این کار همیشه سبب جذب منابع مالیاتی بیشتر می شود. این افراد ماهر بسیار کم شمارند. اداره مالیات بر درامد مدتی است که در صدد استفاده از سیستمهای خبره برای چنین تشخیصهای مهمی برآمده است. در عمل ثابت شده که در این زمینه خاص نمی توان به شیوه مستقیم کسب دانش روی آورد چون حسابرسان خبره آن قدر گرفتار و پر مشغله اند که امکان مشارکت در جلسات مورد نظر را ندارند. در اینجاست که شبکه های عصبی مصنوعی می تواند راه حلی برای رفع این مشکل باشد. تعداد زیادی پرونده مالیاتی در مورد مشاغل مختلف موجود است که به عنوان یک تجربه مربوط به گذشته در دسترس است. با استفاده از این پرونده ها می توان از ویژگیهای شرکتها و اطلاعات حسابداری آنها به عنوان ارزشهای درونداد شبکه و از قضاوت و تصمیم حسابرسان ارشد، به عنوان ارزش برونداد برای آموزش به شبکه عصبی استفاده کرد.
تئوری شبکه عصبی
یک مدل شبکهعصبی از تعداد زیادی واحد های پردازشگر مرتبط به هم در یک شبکه تشکیل شده است. یک واحد پردازش (PE ) نشانه های دروندادی را با وزنی مشخص از دیگر واحدهای پردازشگر دریافت می کند. این نشانه ها براساس یک تابع ورودی، جمع شده و سیگنال خروجی خود را بر اساس تابع انتقال خروجی، ایجاد می کنند. سپس این سیگنال خروجی بر پایه توپولوژی شبکه به سایر واحدهای پردازش هدایت می شود. شبکه های عصبی با وزن دهی به دروندادها، عملکرد خود را بهبود می بخشند. این توانایی تعدیل و تطبیق، یا در واقع یادگیری، برای بسیاری از انواع فعالیتهای هوشمندانه از قبیل تصمیمگیری، حل مسائل ترکیبی، و غیره ضروری است.
جهت کسب اطلاعات بیشتر با ایمیل info@arshiyagroup.ir تماس حاصل فرمایید و یا به شماره 500011008069819 پیامک ارسال فرمایید
موضوع : مقالات