基于BP神经网络的人工智能审计系统研究.pdfVIP

学术研究 基于BP神经网络的人工智能审计系统研究 王 敏 申文逸 摘要：随着信息化技术和互联网技术的发展，企业内部控制越来越复杂。传统手工方式对企业内控进行审计 已经不能满足现代企业管理的需要，而且也会造成人力、物力资源等不必要浪费。因此，利用计算机辅助审 计软件来完成审计工作成为一种趋势。通过对人工智能技术和大数据审计进行分析，提出并实现一个基于BP_ Adaboost的智能审计系统。该系统可以通过设置不同的训练样本集来自动学习大量的历史数据，并使用测试样 本集检验所建立的模型是否正确以及预测结果是否可信，不仅能提高审计效率，还可以降低审计风险，为相关 领域提供了新思路和新方法。 关键词：人工智能；神经网络；审计系统 一、前言 本结构包括输入层、隐藏层和输出层，其中隐藏层可以 随着信息技术和互联网的不断发展，各行各业都在 有多个。通过对大量数据进行训练，使得每个神经元都 积极探索新的管理模式。传统审计方式已经无法满足现 具有一定的学习能力，从而实现对未知数据的预测或分 代化企业对财务数据准确性、时效性等方面的要求。而 类等功能。在实际应用中，通常将多层人工神经网络作 人工智能作为一种新兴技术手段，可以有效地解决这些 为一个整体来使用，也称深度学习（Deep Learning ）。 问题。因此，将人工智能应用到审计领域中是未来发展 深度学习技术已经被广泛运用到各个领域，如自 的必然趋势。本文以BP 神经网络为主要工具，设计了 然语言处理、计算机视觉、语音识别、推荐系统等等。 一套智能审计系统，旨在提高审计工作效率与质量。 但是传统的深度学习算法存在着一些问题，例如需要 本文以BP_Adaboost 为主要工具，设计了一套适用 大量的标注数据才能保证准确率，容易陷入局部最优 于中小型会计师事务所的智能审计系统。该系统具有高 解等。因此，近年来出现了很多新的深度学习算法，如 效率、高精度、低成本等优点，可大大提高审计工作效 卷积神经网络（Convolutional Neural Networks）、循环 率与质量，降低人工操作风险。同时也有助于推动我国 神经网络（Recurrent Neural Networks ）以及自编码器 会计行业向更加规范化、标准化方向转型升级。 （Autoencoder ）等。这些算法不仅解决了传统算法面临 的问题，还提高了模型的泛化能力和鲁棒性。 二、BP 神经网络技术和方法 （二）BP 神经网络算法理论 （一）人工神经网络 1.BP 神经网络模型 人工神经网络（Artificial Neural Network ）是一种 BP 神经网络模型是一种前向阶层型人工神经网 模拟人脑神经元之间相互连接关系的计算模型。其基 络，由输入层、隐含层和输出层组成。由Rumellhart、 130 信息系统工程 学术研究 Hinton 在1986 年共同提出。该模型的运行方式是通过 据库；其次，构建一个基于BP 神经网络算法的分类器， 误差反向传播算法逐步优化各层间神经元的连接权重， 用于判断企业是否存在异常情况或重大错报风险；最 直到计算误差达到预设目标值。BP 神经网络模型广泛 后，针对不同类型的公司设计相应的审计策略，提高审 应用于优化计算、函数逼近、图像处理、数值预测等多 计工作效率和精