فهرس المقالات درخت تصمیم بهبود یافته

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - ارائه مدل شناسایی تقلب مالیاتی بر مبنای ترکیب الگوریتم درخت تصمیم ID3 بهبود یافته و شبکه های عصبی پرسپترون چندلایه
  اکبر جوادیان کوتنائی عباسعلی پورآقاجان سرحمامی میرسعید حسینی شیروانی
  درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تأمین کننده بخش عمده ای از هزینه های دولت است. در سالهای اخیر تقلب در صورت‌های مالی و اظهارنامه های مالیاتی به طور فزاینده ای به‌ یک مشکل جدی برای کسب و کار، دولت و سرمایه‌گذاران تبدیل شده است. اکثر مؤدیان مالیاتی به أکثر

  درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تأمین کننده بخش عمده ای از هزینه های دولت است. در سالهای اخیر تقلب در صورت‌های مالی و اظهارنامه های مالیاتی به طور فزاینده ای به‌ یک مشکل جدی برای کسب و کار، دولت و سرمایه‌گذاران تبدیل شده است. اکثر مؤدیان مالیاتی به دنبال راهی برای دستکاری در صورتهای مالی و کاهش سود مشمول مالیات ابرازی خود می باشند. از این رو، شناسایی متقلبین مالیاتی و شرکتهایی که به تقلب در صورتهای مالی می پردازند به امری حیاتی برای دولت تبدیل شده است. هدف از این تحقیق ارائه مدلی است که در آن از الگوریتم درخت تصمیم گیریID3 بهبود یافته استفاده شده است. همچنین برای بهبود عملکرد و دقت آن، با شبکه های عصبی پرسپترون چندلایه بهینه سازی شده توسط الگوریتم ژنتیک ترکیب گردید تا نسبت های مالی مرتبط با تقلب مالیاتی انتخاب نموده و سربار محاسباتی کاهش یابد. درختی که در مدل پیشنهادی ایجاد می شود دارای کمترین عمق ممکن می باشد که از این رو دارای سرعت بالا و سربار محاسباتی پایینی می باشد. بدین منظور صورتهای مالی 60 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1394 لغایت 1396 بررسی و 54 نسبت مالی از آن ها استخراج گردید که به وسیله آزمون ANOVA تعداد 23 نسبت و نهایتاً توسط شبکه های عصبی تعداد 7 نسبت مرتبط با تقلب مالیاتی، به عنوان داده های ورودی مدل انتخاب گردید. مدل ارائه شده با دقت 81/4 درصد، در شناسایی شرکتهای دارای تقلب مالیاتی، موفق بوده که نسبت به الگوریتم آدابوست دارای بالاترین دقت و قدرت پیش بینی بوده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - انتخاب بهینه سبدسهام با استفاده از الگوریتم های یادگیری ماشین
  محمدباقر یزدانی خداشهری سید حسین نسل موسوی میر سعید حسینی شیروانی
  انتخاب سبد سهام مناسب همواره از اساسی ترین مسائل سرمایه گذاران است. اساساً پیش بینی روند قیمت با استفاده از آنالیز فنی یا آنالیز اساسی انجام می شود. آنالیز فنی بر عملکرد بازار تمرکز دارد، در حالیکه تمرکز آنالیز اساسی مبتنی بر مکانیزم عرضه و تقاضا است و این سبب تغییر قیم أکثر

  انتخاب سبد سهام مناسب همواره از اساسی ترین مسائل سرمایه گذاران است. اساساً پیش بینی روند قیمت با استفاده از آنالیز فنی یا آنالیز اساسی انجام می شود. آنالیز فنی بر عملکرد بازار تمرکز دارد، در حالیکه تمرکز آنالیز اساسی مبتنی بر مکانیزم عرضه و تقاضا است و این سبب تغییر قیمت ها می شود. وجود راهکاری که بتواند رشد یا کاهش سهام را با استفاده از آن پیش بینی نماید، بعنوان یک نیاز اساسی در این تحقیق به آن پرداخته شده است. در پژوهش حاضر، به کمک دیتاسِت نظارت شده از راهکاری مبتنی بر الگوریتم های مجموعه راف و تحلیل سلسله مراتبی برای کاهش ویژگی و از الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و شبکه بیزین برای پیش بینی استفاده شده است. این راهکار پیشنهادی با استفاده از زبان سی شارپ پیاده سازی و با راهکارهای مختلفی مقایسه شده و نتایج تحقیق نشان داده است که روش پیشنهادی با 80 درصد دقت صحت پیش بینی و 20 اشتباه در پیش بینی دارای بیشترین دقت و کمترین میزان اشتباه در میان روش های مورد مقایسه را دارد. تفاصيل المقالة