ارائه مدلی مبتنی بر شبکه عصبی مصنوعی و گرگ خاکستری بهبودیافتهجهت بهبود پیش بینی مودیان ریس کدار مالیاتی
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 201
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_045
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تامین کننده بخش عمده ای از هزینه های دولت است. در سال های اخیر تقلب درصورت های مالی و اظهارنامه های مالیاتی به طور فزایندهای به یک مشکل جدی برای کسب وکار، دولت و سرمایه گذاران تبدیل شده است. اکثرمودیان مالیاتی به دنبال راهی برای دست کاری در صورت های مالی و کاهش سود مشمول مالیات ابرازی خود می باشند. ازاین رو، شناساییمتقلبین مالیاتی و شرکت هایی که به تقلب در صورت های مالی می پردازند به امری حیاتی برای دولت تبدیل شده است. حال هدف اصلی این پژوهش ارائه یک روش ترکیبی هوشمند برای پیشبینی مودیان ریسک دار مالیاتی در که برای این منظور از ترکیب دو تکنیک شبکه عصبی مصنوعی و الگوریتم گرگ خاکستری بهبودیافته استفاده شده است. نتایج نشان داد که با استفاده از الگوریتم گرگ خاکستری با زمان کمتر و خروجی مطلوب تر به هدف مدنظر که افزایش دقت بود دست یافتیم. همچنین مزیت الگوریتم گرگ خاکستری نسبت به الگوریتم های دیگر نظیر ژنتیک این است که این الگوریتم بر روی کل یک ژن عمل می کند و تغییراتی را بر روی تکتک ژن ها انجام می دهد اما مثلا ژنتیک بر روی کروموزوم عمل میکند. از معایب الگوریتم گرگ خاکستری می توان به این نکته اشاره نمود که از لحاظ تحلیل پیچیدگی زمانی نسبت به انتخاب ویژگی نسبت به الگوریتم های دیگر بهترین عملکرد را ندارد
کلیدواژه ها:
نویسندگان
محبوبه صادقی
دانشجوی کارشناسی ارشد، مهندسی کامپیوتر گرایش نرم افزار، موسسه آموزش عالی امام جواد (ع)، یزد
حیدر قاسم زاده
استادیار، گروه مهندسی کامپیوتر، دانشگاه علم و هنر، یزد