انتخاب ویژگی توسط شبکه عصبی عمیق جهت بهبود روش های شناسایی مودیان ریسک دارمالیاتی
- سال انتشار: 1400
- محل انتشار: چهارمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF04_191
- زبان مقاله: فارسی
- تعداد مشاهده: 446
نویسندگان
دانشجوی کارشناسی کامپیوتر دانشگاه غیرانتفاعی امید نهاوند
دانشگاه آزاد اسلامی واحد اراک گروه کامپیوتر اراک ایران
چکیده
به هر گونه تلاش قانونی یا غیر قانونی یک کسب و کار با هدف خودداری از پرداخت مالیات قانونی یا کمتر پرداخت نمودن آن، به هر که انجام شود فرار مالیاتی می گویند. فرار مالیاتی یک اصطلاح رایج در رابطه کارهایی است که برای عدم پرداخت بدهی مالیاتی درنظر گرفته می شود و به این معنی است که مودی کمتر از میزانی که قانونا موظف است پرداخت کند. در سال های اخیر تقلب در صورت های مالی و اظهارنامه های مالیاتی به طور فزاینده ای به یک مشکل جدی برای کسب و کار، دولت و سرمایه گذاران تبدیل شده است. اکثر مودیان مالیاتی به دنبال راهی برای دستکاری در صورت های مالی و کاهش سود مشمول مالیات ابرازی خود می باشند. از این رو، شناسایی متقلبین مالیاتی و شرکت هایی که به تقلب در صورت های مالی می پردازد به امری حیاتی برای دولت تبدیل شده است. استفاده از روش های داده کاوی یکی از روش های کارآمد در این خصوص است و روش های داده کاوی در حوزه مسائل مالی بستر مناسبی را برای به دست آوردن اطلاعات مفید برای پیش بینی نرخ جرم و پیش گیری از وقوع آن به عمل آورده است. هدف اصلی این پژوهش ارائه یک روش ترکیبی هوشمند برای پیش بینی مودئیان ریسک دار مالیاتی در داده کاوی می باشد که برای این منظور از ترکیب دو تکنیک شبکه عصبی عمیق و ماشین بردار پشتیبان استفاده شده است. به طور کلی هدف این است که بدون بررسی تمام پرونده ها توسط ممیزین مالیاتی، مودیان ریسک دار شناسایی شده و از این طریق از نظر زمان و نیروی کار در ادامه مالیات بهبود داشته باشیم.کلیدواژه ها
فرار مالیاتی، داده کاوی، شبکه عصبی عمیق، ماشین بردار پشتیبانمقالات مرتبط جدید
- توسعه مبدل حرارتی داخلی ( IHX ) از طریق تغییر فرآیند ساخت و تولید لوله های گاز کولر در صنعت خودروسازی
- بهبودعملکرد سیکل تبرید تراکمی با تغییر فرآیند ساخت مبدل SLHX از آرایش مماسی به هم مرکز
- بررسی تاثیر لایه میانی روی در اتصال غیر مشابه آلیاژ پایه منیزیم AZ۳۱ و آلومینیوم ۶۰۶۱ به روش جوشکاری اصطکاکی اغتشاشی نقطهای
- بررسی تجربی سوراخکاری کامپوزیتهای پلیمری: مقایسه جوت و شیشه
- سیستم هوشمند پایش وضعیت بلبرینگ با استفاده از طیفنگاره صوتی جهت طبقهبندی و تشخیص خطای بلبرینگ ها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.