كاربرد كنترل فازي و شبكه هاي عصبي در حسابداري و سيستم هاي مالي

يك فرايند عادي تصميم گيري، لزوما بايد دربرگيرنده سه مرحله اصلي تكراري باشد اين مراحل عبارتند از هوش (كه شامل جمع آوري داده، شناسايي هدف ها و ... مي باشد)، طراحي (كه شامل دستكاري داده، تعيين كمي هدف ها و ...) و انتخاب (كه شامل ايجاد آمار و ارقام در زمينه جايگزين ها، شبيه سازي نتيجه هاي جايگزين ها و...) . بنابراين هوش مصنوعي، بخش مهمي از خانواده سيستم هاي كمك به تصميم گيري مي باشد كه همچنان در حال توسعه و وارد شدن در فعاليت هاي فني و مديريتي تجارت نوين و حرفه هايي از قبيل حسابرسي است . هدف اين سيستم ها، كمك رساني به حسابرسان براي تصميم گيري بهتر از طريق توجه به تعصب ها و غفلت هاي احتمالي مي باشد. در اين مقاله ضمن معرفي كاربردهاي هوش مصنوعي ( كنترل فازي و شبكه هاي عصبي ) در حسابداري و سيستم هاي مالي، به تشريح يكي از كاربردهاي هوش مصنوعي به منظور پيش بيني درصد ورشكستگي شركت با استفاده از مدل هاي شبكه عصبي فازي پرداخته كه توانايي كار در محيط پويا و غيرقطعي را امكان پذير مي سازد. در اين ميان با استفاده از منطق فازي متغيرهاي كلامي به منظور تعريف هر شاخص مشخص گرديده است و با ايجاد توابع عضويت هر كدام با استفاده از شبكه عصبي به ايجاد يك سيستم يادگيرنده اقدام شده است. هم چنين شبكه پرسپترون چند لايه پيش خور، با قانون يادگيري پس انتشار خطا انتخاب شده است. در اين جا از چهار شبكه عصبي فازي استفاده شده است. بدين منظور ابتدا پارامترهاي موثر بر ورشكستگي شناسايي و به عنوان ورودي هاي شبكه عصبي فازي پيش بيني ورشكستگي وارد مي گردد و خروجي آن احتمال ورشكستگي را نمايش مي دهد. عملكرد شبكه هاي عصبي فازي در محيط متلب، سيستم استنتاج فازي سوگينو و توابع عضويت جي بل مورد ارزيابي قرار گرفته است. نتيجه بدست آمده يك مدل پيش بيني بهينه با كمترين خطا را ارائه داده است.