文献类型：期刊文章

作　　者：李晓钏[1] 沈千琳[1]

LI Xiaochuan;SHEN Qianlin(Audit Office,Xi'an University of Posts and Telecommunications,Xi'an 710121,China)

机构地区：[1]西安邮电大学,审计处,陕西西安710121

出　　处：《微型电脑应用》

年　　份：2023

卷　　号：39

期　　号：8

起止页码：205-208

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：为了改善财务审计中数据维度高、特征复杂导致智能审计效率低、训练周期长等问题,提出了一种基于大数据的财务审计平台,为财政政策的实施和完善提供决策支持。针对财务审计数据特点,提出了应用于财务审计模型的卷积神经网络结构,从而增强特征多样性,提升模型鲁棒性。采用遗传算法对卷积神经网络相关参数进行优化处理,从而增强模型的稳定性,提高模型的收敛速度。通过仿真分析,将所提模型与BP神经网络、多层感知器、卷积神经网络进行比较,基于mAP、F-score、精确度、敏感度等指标进行分析。仿真结果进一步验证了所提模型训练收敛速度更快,所提模型mAP为92.54%,且模型性能更优。

关 键 词：数据挖掘 财务审计 卷积神经网络  遗传算法 参数优化

分 类 号：TP393]