هوش مصنوعی در حسابداری: یادگیری عمیق برای مدل سازی مالی پیش بینی کننده و کشف تقلب

چکیده مقاله

این مقاله تاثیر تحول آفرین هوش مصنوعی AI ، به ویژه یادگیری عمیق، بر مدل سازی مالی پیش بینی کننده و کشف تقلب در حسابداری را بررسی می کند با افزایش چالش های ناشی از تقلب مالی، مدل های یادگیری عمیق راه حل های قوی ای ارائه می دهند که از طریق شناسایی الگوهای موجود در مجموعه داده های گسترده، خودکارسازی فرآیندهای کشف تقلب و پیش بینی نتایج مالی با دقت بی سابقه انجام می شود مطالعه با معرفی ضرورت مدل سازی پیش بینی کننده و کشف تقلب در حسابداری آغاز شده و سپس به بررسی تکنیک های کلیدی یادگیری عمیق مانند شبکه های عصبی پیچشی CNN ، حافظه بلندمدت کوتاه مدت LSTM و اتوانکودرها می پردازد که به طور گسترده در کشف ناهنجاری ها و پیش بینی روندها به کار می روند این مقاله همچنین به بررسی ادغام دانش اختصاصی حوزه حسابداری در مدل های مبتنی بر هوش مصنوعی پرداخته تا دقت پیش بینی و تفسیر نتایج را بهبود بخشد کاربردهای دنیای واقعی در تجارت الکترونیک و موسسات مالی نشان می دهد که یادگیری عمیق چگونه به پشتیبانی از کشف تقلب در زمان واقعی و مدل سازی پیش بینی کننده پرداخته و بهره وری عملیاتی را افزایش می دهد همچنین، این مطالعه چالش های کلیدی مانند عدم تعادل داده ها، مسئله قابل تفسیر بودن مدل ها و هزینه های محاسباتی را برجسته کرده و راه حل هایی مانند تکنیک افزایشی نمونه برداری اقلیت مصنوعی SMOTE ، هوش مصنوعی قابل توضیح XAI و بهینه سازی مدل را پیشنهاد می کند جهت گیری های آینده به توسعه مدل های ترکیبی، ادغام بلاکچین برای مدیریت ایمن داده ها و گرایش های نوظهور در هوش مصنوعی قابل توضیح اشاره دارد در نتیجه، با وجود چالش ها، پیشرفت مستمر فناوری های هوش مصنوعی پتانسیل قابل توجهی برای تغییر روش های حسابداری و ارتقای امنیت، دقت و کارایی آن ها دارد

کلیدواژه‌ها

نویسندگان

حسین ممیز

دانشکده مهندسی برق و کامپیوتر، گرایش هوش مصنوعی و رباتیکز، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران

ممیز، حسین،1403،هوش مصنوعی در حسابداری: یادگیری عمیق برای مدل سازی مالی پیش بینی کننده و کشف تقلب،سومین همایش بین المللی علوم سیاسی , مدیریت ، اقتصاد و حسابداری،همدان

ارائه‌شده در

مجموعه مقالات چهارمین همایش بین المللی علوم سیاسی، مدیریت، اقتصاد و حسابداری27 بهمن 1403 · همدان