CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تعیین عوامل موثر بر پیشبینی کیفیت افشاء با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۶ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: NDMCONFT06_295
زبان مقاله: فارسی
حجم فایل: ۲۹۳.۱۹ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تعیین عوامل موثر بر پیشبینی کیفیت افشاء با استفاده از شبکه عصبی مصنوعی

  مهدی ساریخانی - گروه حسابداری، واحد صفاشهر، دانشگاه آزاد اسلامی، صفاشهر، ایران
  سیدمجتبی سیف - گروه کامپیوتر، واحد صفاشهر، دانشگاه آزاد اسلامی، صفاشهر، ایران

چکیده مقاله:

هدف این پژوهش ارایه تعیین عوامل موثر بر پیشبینی کیفیت افشاء با استفاده از شبکه عصبی مصنوعی است. بدین منظور، از متغیرهای مرتبط با نقدینگی، سودآوری، اهرمی، اندازه شرکت، حاکمیت شرکتی و سایر متغیرهای اثرگذار استفاده شده است. تعیین عوامل موثر، یک مسیله بهینهسازی است که در آن با انتخاب متغیرهایی مرتبطتر از مجموعه کل متغیرها، با الگوریتمهای طبقهبندی و خوشهبندی، باعث بهینهشدن هزینههای ساخت مدلبندی میشود. بدین ترتیب با توجه به بررسیهای انجام شده، از مجموع 430 شرکت پذیرفته شده در بورس اوراق بهادار تهران، تعداد 59 شرکت به عنوان نمونه مورد بررسی در دوره زمانی 1382 الی 1390 انتخاب شد. در این پژوهش روش انتخاب متغیر(ویژگی) بر اساس الگوریتم بهینهسازی رقابت استعماری میباشد که هم در حالت نظارت شده و هم در حالت بدون ناظر کاربرد دارد. این روش زیر مجموعهای بهینه از متغیرها را با استفاده از چندین بار تکرار و بدون استفاده از الگوریتمهای یادگیری بهطوری که باعث کاهش افزونگی شود را پیدا میکند. بنابراین میتوان آن را به عنوان یک روش چند متغیره فیلترینگ ویژگی در نظر گرفت. نتایج بررسیهای انجام شده موثر بودن این روش، نسبت به روشهای مشابه پیشین را نشان میدهد.

کلیدواژه‌ها:

کیفیت افشاء، شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NDMCONFT06-NDMCONFT06_295.html
کد COI مقاله: NDMCONFT06_295

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ساریخانی, مهدی و سیدمجتبی سیف، ۱۳۹۵، تعیین عوامل موثر بر پیشبینی کیفیت افشاء با استفاده از شبکه عصبی مصنوعی، ششمین کنفرانس ملی مدیریت، اقتصاد و حسابداری، تبریز، دانشگاه فنی و حرفه ای استان آذربایجان شرقی - سازمان مدیریت صنعتی تبریز، https://www.civilica.com/Paper-NDMCONFT06-NDMCONFT06_295.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (ساریخانی, مهدی و سیدمجتبی سیف، ۱۳۹۵)
برای بار دوم به بعد: (ساریخانی و سیف، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • ستایش، محمدحسین و مصطفی کاظم‌نژاد (۱۳۹۱). "ناسایی و تبیین عوامل ...
  • El Akadi. A.. El ()uardighi. A.. & Ahoutai dine. D. ...
  • Iai. _ Reinders M. .I.. & Wessels. L. (20061. Random ...
  • [eung. Y. & Hung. Y. (20101. A multinle-fi Iter-multinl e-wramnef ...
  • Liu. H.. & Yu. L. (20051. Toward integrating feature selection ...
  • Ommar. B. and I. Simon (20111. "Cornorate aggregate disclosure nractices ...
  • Tahakhi. S.. Moradi. P.. & Akhlaghian. F. (2014). An unsunervi ...
  • Theodloridis. S.. _ K ontroumhas. K. (20081. Pattern recognition. IFFF ...
  • Yu1 I. & Lin H. (2003. August1. Featre selection for ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۹۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.