.

۲۲-۲ الگوریتم پس‌انتشارخطا

الگوریتم پس‌انتشارخطا[۱] پراستفاده‌ترین روش برای آموزش شبکه‌های پیشخور چندلایه است به ویژه اگر شرایط زیر وجود داشته باشد:

• یافتن فرمول مربوط به پدیده‌ها و متغیرهایی که علت اصلی آنها هستند، ممکن نباشد؛
• دسترسی به داده‌های زیاد برای یافتن روابط بین پدیده‌ها و متغیرهای اصلی، وجود داشته باشد؛
• کاربر نیاز داشته باشد نتایج را به مواردی فراتر از داده‌های آموزش عمومیت دهد (وانگ،۲۰۰۴، ۱۲۳)[۲].

چهار دلیل برای توجیه استفاده از الگوریتم پس‌انتشارخطا به منظور پیش‌بینی قیمت‌گذاری اشتباه عرضه‌های عمومی اولیه می‌توان ذکر کرد:

• • الگوریتم پس‌انتشار‌خطا تقریباً توانایی تقریب هر تابعی را دارد.
  • بازار سهام یک سری قوانین و ویژگی‌های تکرارشونده دارد که در پس داده‌ها پنهان هستند و روابط ریاضی آنها را به بازار منعکس می‌کنند.

• • توان تحمل خطای الگوریتم پس‌انتشارخطا بالا است.
  • اجرا و بکارگیری الگوریتم پس‌انتشارخطا آسان است(وانگ،۲۰۰۴، ۱۲۳)[۳].
  • فرایند آموزش پس‌انتشارخطا با مجموعه وزن‌های تصادفی آغاز می‌شود که به ارتباطات بردار ورودی و لایه‌ای که مستقیماً ورودی‌ها را دریافت می‌دارد، اختصاص می‌یابند. بردار ورودی از طریق شبکه پس‌انتشارخطا به سمت جلو هدایت می‌شود. در پایان هر چرخه[۴]، بردار خروجی با بهره گرفتن از وزن‌ها، محاسبه شده و با بردار خروجی مطلوب مقایسه می‌شود. خطای شبکه پس‌انتشارخطا با مجموع یا میانگین مربعات خطا (تفاوت بین بردارهای خروجی مطلوب و خروجی واقعی) بیان می‌شود. هدف شبکه پس‌انتشارخطا حداقل کردن این خطا از طریق تعدیل مجموعه وزن‌ها در هر چرخه است. زمانیکه خطای شبکه در محدوده از پیش تعیین‌شده‌ای قرار گیرد، فرایند آموزش پس‌انتشارخطا متوقف می‌شود(همان منبع، ۱۲۴)[۵].

به عقیده هچ- نیلسن[۶] شبکه عصبی پرسپترون سه لایه قادر به نگاشت تقریباً هر تابعی است (اوزون و سیفتر،۲۰۰۷، ۲۱۰)[۷] .

۲۳-۲ بخش دوم: مروری بر پژوهش­ها

۱-۲۳-۲ پژوهش­های داخلی

فدایی در  بررسی آثار تورمی مالیات بر ارزش افزوده بر بخشهای مختلف اقتصادی در ایران (تحلیل داده-ستانده) به بررسی ظرفیت بالقوه مالیاتی کشور می پردازد که بین ظرفیت بالقوه مالیاتی و وصولیهای بالفعل، شکاف قابل توجهی وجود دارد و حاکی از آن است که با اتخاذ تدابیری در جهت اصلاح نظام مالیاتی و رفع مشکلات موجود، می توان وصولی های مالیاتی را افزایش داده و اتکا به درآمدهای نفتی را کاهش داد. بدون از بین بردن مشکلات سیستم مالیاتی، این سیستم قادر به تامین بخش عمده ای از هزینه های دولت نخواهد بود.

در این راستا می توان به مساله ((مالیات بر ارزش افزوده)) به عنوان یکی از روش های اخذ مالیات توجه داشت که در سه دهه اخیر نیز مورد توجه و استفاده بیش از ۹۰ کشور جهان قرار گرفته است. اجرای مالیات بر ارزش افزوده برای اولین بار در یک شکور، آثار اقتصادی متددی بر جای خواهد گذاشت که به طور کلی می توان این آثار را به سه دسته تقسیم کرد:۱- آثار قیمتی (تورمی). ۲- آثار توزیعی. ۳- آثار درآمدی.این تحقیق در جهت بررسی آثار تورمی اجرای ((مالیات بر ارزش افزوده)) بر بخشهای مخلتف اقتصادی در ایران صورت می گیرد تا با شناخت دقیق اثار تورمی ((مالیات برارزش افزوده)) بر هر کدام از بخشهای اقتصاد و با در نظر گرفتن آثار تورم در کشورمان تدابیر لازم در این زمینه اندیشیده شود. نتایج حاصل از این بررسی نشان می دهد که از ۷۸ بخش اقتصاد، ۳۶ بخش اثرات قیمتی ضعیف، ۱۳ بخش اثرات قیمتی متوسط و ۲۹ بخش اثرات قیمتی شدید دارند (سناریوی اول).با بهره گرفتن از ((مدل قیمت)) مشاهده می کنیم که:

[۱]. Back-Propagation (BP) Algorithm

[۲].Wang,2004,123

[۳].Wang,2004,123

[۴]. epoch

[۶]. Hecht-Nielsen

[۷]. Ozon & Sifter,2007,210

سوالات یا اهداف پایان نامه :

سوالات تحقیق

1. آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟
2. آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
3. ایا پیش ­بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟

۶-۱ اهداف تحقیق

هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.

پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.

از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.