申请/专利权人：合肥工业大学

申请日：2022-11-15

公开（公告）日：2023-03-07

公开（公告）号：CN115760454A

主分类号：G06Q40/12

分类号：G06Q40/12;G06F18/241;G06F18/2433;G06F18/2135;G06N3/044;G06N3/0499;G06N3/048;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.03.24#实质审查的生效;2023.03.07#公开

摘要：本发明公开了一种基于循环宽度学习的财务舞弊识别方法，应用于智能学习领域，包括：对财务指标进行预处理，结合非财务指标，通过激活函数映射，得到特征节点；将特征节点作为循环神经网络的输入，输出增强节点；将特征节点与增强节点合并，作为宽度学习的输入，进行线性变换，得到所述宽度学习的输出。本发明将典型的反馈神经网络RNN嵌入到宽度学习BLS的增强层中，构成RBLS循环宽度学习模型，将BLS快速计算和高精确度的优点与RNN的信息反馈能力结合起来，在保留了BLS网络结构的同时也将其增强层的各个节点连接起来，弥补了BLS作为一种前馈神经网络所处理的数据间相互影响的动态关系方面的不足，提高了预测准确性和适用性。

主权项：1.一种基于循环宽度学习的财务舞弊识别方法，其特征在于，包括：步骤1：对财务指标进行预处理，结合非财务指标，通过激活函数映射，得到特征节点；步骤2：将所述特征节点作为循环神经网络的输入，输出增强节点；步骤3：将所述特征节点与所述增强节点合并，作为宽度学习的输入，进行线性变换，得到所述宽度学习的输出。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于循环宽度学习的财务舞弊识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD