طراحی و تبیین مدل پیش بینی ورشکستگی شرکتهای دارویی با استفاده از مدل شبکه ای عصبی مصنوعی
Publish place: Fourth International Conference on Accounting and Management and First Conference on Entrepreneurship and Open Innovation
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 650
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MOCONF04_554
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
در ایران پژوهشهای زیادی در حوزه پیش بینی ورشکستگی شرکتها انجام شده است با این حال اکثر قریب به اتفاق انها یک مدل کلی برای تمامی صنایع به صورت واحد ارائه نموده اند. هدف اصلی این پژوهش آناست که با استفاده از مدل شبکه ای عصبی مصنوعی، مدل پیش بینی ورشکستگی مناسب برای برای شرکتهای مناسب برای شرکت دارویی طراحی و تبیین گردد. این پژوهش براساس هدف کاربردی از لحاظ اماری مدلسازی با استفاده از مدل شبکه های عصبی و مدل شبکه ای عصبی مصنوعی و از نظر روش یک پژوهش توصیفی نیمه تجربی از نوع همبسگی محسوب می شود که در ان رابطه میان متغیرها براساس هدف پژوهش تحلیل می شود مدل شبکه عصبی طراحی شده برای این صنعت از نوع پرسپترون چندلایه می باشد که به روش الگوریتم پس انتشار خطا آموزش دیده است وشامل شبکه عصبی پیش خورسه لایه با ترکیب r-s1-s2 در ارایش نرونهاست قلموری زمانی پژوهش را سالهای 1380 تا 1392 تشکیل می دهد نتایج حاصل از اجرای مدل طراحی شده نشان می دهد که این مدل قادر است در مجموع با دقتی معادل 96/08 درصد ورشکستگی شرکتها را تعیین نماید. باعنایت به دقت بدست آمده حاصل اجرای این مدل برای صنعت مورد آزمون میتوان چنین نتیجه گیری کرد که این مدل روش مناسبی برای پیش بینی ورشکستگی این صنعت می باشد.
Keywords:
Authors
مهدی ناظمی اردکانی
استادیار گروه حسابداری دانشگاه یزد
محمدرضا آقایی میبدی
دانشجوی کارشنای ارشد حسابداری دانشگاه آزاد اسلامی دامغان
وحید زارع مهرجردی
دانشجوی کارشنای ارشد حسابداری دانشگاه یزد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :