فایل های درسی وآموزشی.تحقیق ,مقاله ,گزارشات کارورزی,,پاورپوینت
pic5 pic2 pic7 pic20 pic30

پاورپوينت هوش مصنوعی و کاربردهای آن در حسابداری و امور مالی

 

دانلود پاورپوينت جامع وکامل درباره هوش مصنوعی و کاربردهای آن در حسابداری و امور مالی

 

20اسلاید

 

چکيده محتواي فايل:

 

فهرست

 

 
هوش مصنوعی و کاربردهای آن در حسابداری و امور مالی
 
مقدمه
چند مبحث از هوش مصنوعی
مفاهیم شبکه عصبی
1) اعصاب مصنوعی

انواع توابع فعال سازی
شبکه عصبی مصنوعی

یادگیری شبکه
خصوصیات شبکه های عصبی
کاربرد شبکه عصبی
پیش بینی روند قیمت سهام
حسابرسی
پیش بینی میزان اعتبار
برآورد بهای تمام شده
 
 
2)منطق فازی

کاربرد منطق فازی
تصمیم گیری
حسابرسی
 
 
3 ) الگوریتم ژنتیک

کاربرد الگوریتم ژنتیک
نتیجه گیری و پیشنهادها
منابع

 

 
 
 
هوش مصنوعی و کاربردهای آن در حسابداری و امور مالی

حوزه ی هوش مصنوعی، فراتر از درک و تفسیر و پیشگویی، درصدد طراحی و ساخت نهادهای هوشمنداست.

 

که این مقاله به یکی از قلمروهای کاربرد آن یعنی حوزه ی حسابداری و امور مالی اشاره می کند.

 

 

مقدمه

توجه به کاربرد تکنیکهای هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب وکار به طور فزاینده ای در حال افزایش است.

 

در چند دهه ی گذشته عناوین شبکه های عصبی، الگوریتم ژنتیک و منطق فازی از موضوعاتی بوده اند که به عنوان ابزاری نیرومند در حل مسایلی که دیگر با روش شناسی ها و شیوه های سنتی قابل حل نبودند، شناخته شده و مورد استفاده قرار گرفته اند.

 

هوش مصنوعی علاوه بر کاربردهایی که در زمینه های مختلف دارد، مدت هاست که جایگاه خود را در حسابداری و امور مالی نیز پیدا کرده است

 

محققان حسابداری، تکنولوژی ها و تکنیک های هوش مصنوعی را با موفقیت هایی چند، برای کارهای خاصی در گزارشگری و تحلیل مالی، حسابرسی و اطمینان بخشی  و در محدوده هایی دیگر به کار برده اند.

 

در این مقاله ابتدا توصیفی از سه بحث عمده ی مطرح در هوش مصنوعی ارائه می شود و سپس به بازنگری جامعی در کاربرد آن ها در حوزه ی حسابداری می پردازیم.


 

چند مبحث از هوش مصنوعی

 

هوش مصنوعی ساخت تجهیزات و نرم افزارهای کاربردی است که بسیاری از رفتارهای خاص انسان مانند استدلال، یادگیری، حل مساله و شناخت را تقلید می کند

 

هوش مصنوعی در زمینه های مختلفی از جمله یادگیری، بازی شطرنج، اثبات قضایای ریاضی، نوشتن اشعار و تشخیص بیماری کاربرد دارد.

 

حال به سه مبحث که نقش عمده تری در تشریح کاربرد هوش مصنوعی در حسابداری و امور مالی دارند می پردازیم که عبارتند از :

 

(1شبکه ی عصبی
(2منطق فازی
(3الگوریتم ژنتیک
 
مفاهیم شبکه عصبی مصنوعی
 

1 – 1) اعصاب مصنوعی :

 

عصب مصنوعی مدلی است که اجزاء آن شباهت مستقیمی به اجزاء عصب واقعی دارند. این مدل را اولین بار مک کلولو و پیتز مطرح کردند.

 

نگاره ی(1)نمایی ازیک عصب مصنوعی است. علائم ورودی X1,X2,X3, …, XNمشخص شده اند، متغیرهای پیوسته هستند. هر یک از این مقادیر ورودی تحت تأثیر وزن خاصی قرار می گیرند.

 

این عناصر پردازشگر از دو قسمت تشکیل شده اند. قسمت اول ورودی های وزن دار را با هم جمع میکند و کمیتی به نام I را

به دست می آورد؛ قسمت دوم یک صافی

 غیر خطی است که معمولاً تابع

فعال سازی نامیده میشود که از طریق

آن خروجی مشخص میشود.

 

2 – 1) انواع توابع فعال سازی :

 

 

تابع فعال سازی می تواند یک تابع آستانه ای باشد که فقط زمانی اطلاعات را عبور می دهد که خروجی I  که مربوط به قسمت اول عصب مصنوعی است از مقدار آستانه ایT تجاوز کند.

 

همچنین این تابع می تواند مانند یک تابع علامت باشد که وقتی خروجی کمتر از مقدار آستانه ی T  باشد اطلاعات منفی و وقتی خروجی بیش تر از مقدار آستانه ای  T  باشد اطلاعات مثبت بفرستد.

 

در اغلب موارد، تابع فعال سازی یک تابع پیوسته است که تابع S  مانندنام داردراستفاده ترین تابع فعال سازی، تابع لجستیک است که یکی از انواع توابع فعال سازی S  مانند است و بین دو مجانب افقی صفر و یک قرار دارد. α ضریبی است که در تغییرات تابع بین دو مقدار مجانب، شیب تابع را مشخص می کند. علت این که از توابع غیر خطی در عصب مصنوعی استفاده می شود این است که بتوانیم پدیده های غیر خطی را مدل سازی کنیم.

 

 

3 – 1) شبکه ی عصبی مصنوعی

سیستم پردازش داده هایی که از تعداد زیادی عناصر پردازشگر ساده و بسیار مرتبط باهم تشکیل شده است شبکه عصبی مصنوعی است.

شبکه عصبی مصنوعی به عنوان یکی از روش های هوش مصنوعی به دنبال تقلید از عملکرد مغز انسان است.

یک شبکه عصبی مصنوعی همان طور که در نگاره ی (2) نشان داده شده است از تعداد زیادی گره و پاره خطهای جهت دار که گره ها را به هم ارتباط می دهد تشکیل شده است.

گره ها که در لایه ی ورودی هستند گره های حسی وگره های لایه ی خروجی، گره های پاسخ دهنده  نامیده میشوند.

بین نرونهای ورودی و خروجی نیز نرونهای پنهان قراردارند.

 

4 – 1) یادگیری شبکه

 

یکی از مهم ترین ویژگیهای شبکه عصبی مصنوعی که عملکرد آن را به انسان نزدیک تر می کند، قدرت یادگیری است.

 

شبکه های عصبی برای یادگیری به جای دنبال کردن مجموعه ای از قواعد تعریف شده توسط انسان متخصص، از قواعد مبنایی  (مانند روابط ورودی - خروجی) استفاده می کنند.

 

 این، یکی از مهم ترین مزایای شبکه عصبی نسبت به سیستم های خبره سنتی است.

 

 
 

یادگیری از طریق مثال : همان طور که گفته شد میتوانیم از زوج های ورودی - خروجی برای آموزش شبکه استفاده کنیم.

می

از معایب چشم پوشی می کند : بنابراین می توان از شبکه ی عصبی برای داده های ورودی تحریف شده یا مغشوش شده استفاده کرد.

 


قادر به تشخیص الگو هستند.

 

از پردازش موازی استفاده می کنند زیرا جنبه های مختلف الگو را یک جا در نظر می گیرند.

 

مصرف انرژی کم : شبکه عصبی با توجه به پردازش موازی اطلاعات وحفظ اطلاعات فراگرفته شده، انرژی کمی مصرف می کند.

 

 


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 5,000 تومان
کدتخفیف:

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
hoshmasnoee-v-karbord-an-dar-omoor-mali_1780614_2125.zip163.3k





آخرین محصولات فروشگاه