基于自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)的納稅信用風(fēng)險分類研究.pdf

1、稅收信用是社會信用體系的重要組成部分,誠信納稅在一定程度上反映了社會信用狀況。納稅信用風(fēng)險分類管理，其本質(zhì)是根據(jù)納稅人履行納稅義務(wù)的情況，按照納稅人信用風(fēng)險程度不同進行分類，根據(jù)不同的納稅人信用風(fēng)險情況，進行針對性、差異化的管理。稅收信息化的迅速發(fā)展為納稅信用風(fēng)險管理提供了大量的數(shù)據(jù)支持，如何基于歷史涉稅數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)對納稅信用風(fēng)險進行科學(xué)有效地識別和分類，是當(dāng)前稅務(wù)部門稅源管理實踐中一個新課題。
　　首先，針對BP神

2、經(jīng)網(wǎng)絡(luò)算法應(yīng)用在納稅信用風(fēng)險分類過程中，存在收斂速度慢、分類精度不高和泛化能力差缺點，提出了基于BP網(wǎng)絡(luò)誤差函數(shù)優(yōu)化的納稅信用風(fēng)險分類算法BP-OEF。該算法將復(fù)合誤差函數(shù)融入到傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法中，引入了隱含層的誤差函數(shù)概念，利用誤差變化率為權(quán)重，根據(jù)誤差變化率自適應(yīng)對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進行調(diào)整。在模型訓(xùn)練的后期，憑借較大的誤差變化率依然能加快網(wǎng)絡(luò)的收斂速度和避免陷入局部極小點，為納稅信用風(fēng)險分類模型的訓(xùn)練提供了保證。
　　其

3、次，在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建納稅信用風(fēng)險分類模型時，為解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中固定學(xué)習(xí)速率選擇對風(fēng)險分類模型訓(xùn)練造成的性能缺陷問題，提出了融入分層自適應(yīng)機制的BP網(wǎng)絡(luò)納稅信用風(fēng)險分類算法BP-LAAM。該算法在基于BP神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，分別為隱含層和輸出層設(shè)置學(xué)習(xí)率，根據(jù)誤差大小和誤差趨勢，自適應(yīng)調(diào)整學(xué)習(xí)速率，保證學(xué)習(xí)速率能自適應(yīng)地保持在一個相對合適的位置，從而加快網(wǎng)絡(luò)的收斂速度和提高信用風(fēng)險分類模型分類準(zhǔn)確率和穩(wěn)定性。
　　最后