Resumen

Los big data han traído una nueva ronda de revolución de la información. Ante el objetivo de la cobertura total de la auditoría y la supervisión, hacer un uso completo de los big data es el método principal para promover la realización del objetivo de la cobertura total de la auditoría y la supervisión. El análisis y la utilización de los datos es una tarea indispensable de la auditoría. La exploración activa de métodos de análisis de datos multidimensionales e inteligentes y el desarrollo de casos de auditoría de big data son la nueva dirección de desarrollo de la auditoría. La excelente capacidad de las redes neuronales convolucionales para extraer las características de los datos cumple con los requisitos pertinentes de la auditoría financiera. Sin embargo, en las aplicaciones prácticas, las redes neuronales convolucionales suelen encontrarse con diversos problemas, como la desaparición de gradientes y la dificultad de convergencia, lo que reduce su rendimiento esperado en las aplicaciones de auditoría financiera. Para que el rendimiento del modelo de auditoría financiera basado en la red neuronal convolucional sea más excelente, tras resumir las características del algoritmo genético, este artículo aplica el algoritmo genético a la optimización del modelo de red neuronal convolucional. Aplicamos el algoritmo genético para optimizar los pesos iniciales de la red neuronal convolucional. Se discute la sensibilidad al error y los cambios en la tasa de aprendizaje de las diferentes capas ocultas, se analiza la influencia de las diferentes tasas de aprendizaje en la velocidad de convergencia de las redes neuronales convolucionales, y se simula y compara el rendimiento de reconocimiento de otros algoritmos en conjuntos de datos de auditoría financiera. Realizamos experimentos sobre la estructura de la red y la optimización de los parámetros en la base de datos de auditoría financiera. Los resultados muestran que la tasa de error de reconocimiento del modelo de red neuronal convolucional con el algoritmo de velocidad de aprendizaje mejorada en el conjunto de datos de auditoría financiera es menor que la de la red multicapa feedforward, por lo que tiene un mejor rendimiento.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal convolucional, cobertura de auditoría, datos de auditoría financiera, algoritmo genético, cobertura total, big data, red multicapa feedforward, algoritmo de tasa de aprendizaje, desaparición del gradiente, diferente tasa de aprendizaje
• Keywords:convolutional neural network, coverage of audit, financial audit data, genetic algorithm, full coverage, big data, multilayer feedforward network, learning rate algorithm, disappearance of gradient, different learning rate