基于大数据的财务审计研究

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

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：205-208