سنتز پژوهشی طراحی چارچوب هوشمند بهینه سازی بهای تمام شده بر مبنای فعالیت(ABC) با استفاده از الگوریتمهای یادگیری ماشین و شبکه های عصبی

این مطالعه به طراحی چارچوبی نوین برای سیستم بهای تمام شده بر مبنای فعالیت (ABC) می پردازد که با تلفیق هوش مصنوعی و یادگیری، ماشین محدودیت های روش های سنتی را مرتفع می سازد. پژوهش حاضر با رویکردی تحلیلی ترکیبی امکان سنجی استفاده از شبکه عصبی پرسپترون چندلایه (MLP) برای پیش بینی نرخ های تخصیص هزینه، الگوریتم جنگل تصادفی برای طبقه بندی فعالیت های هزینه زا، و یادگیری تطبیقی و تقویتی برای بهینه سازی پویای منابع را بررسی می کند. یافته های این سنتز پژوهشی نشان می دهد این چارچوب ترکیبی می تواند با کاهش خطاهای محاسباتی و افزایش سرعت تحلیل، تصمیم گیری مالی را متحول سازد. مزیت این سیستم توانایی آن در شناسایی روابط پنهان بین فعالیت ها و هزینه ها می تواند باشد که در روش های سنتی قابل تشخیص نیست. همچنین قابلیت یادگیری مستمر، سیستم آن را برای محیط های پویا و پیچیده مناسب می سازد.

کلیدواژه ها:

بهینه سازی ، هزینه یابی بر مبنای فعالیت ، یادگیری ماشین ، شبکه عصبی ، مصنوعی ، سیستم هوشمند ، تخصیص هزینه