人工神经网络在个体定税中的应用研究

摘要

人工神经网络 (简称ANN)是人类对其大脑信息处理机制的模拟。由于其自组织、自学习、自适应、非线性函数逼近和大规模并行处理等能力，因而具有用于智能系统的潜力。 个体经济是整个国民经济的重要组成部分，是地方税源的重要来源。然而个体定税主观随意性大，一直是个体税收工作中的难点。系数定税一定程度上增强了税负的公平性，但其定税模型不能实时、动态地计算纳税人的实际应纳税额，且在计算精度上存在一定的局限性。 针对这一问题，本文提出基于人工神经网络技术的个体定税的应用方案。根据设计方案，在株洲地税提供的原始数据的基础上进行了大量的试验，同时分析、设计并实现了智能定税原型系统，为个体定税工作提供了参考。 本文主要研究了人工神经网络技术在个体定税中的应用。首先详细介绍了人工神经网络技术及其几个主要的神经网络训练算法，特别是BP算法和级联相关算法。然后，分别将BP算法和级联相关算法应用于个体定税中。通过实验论证，BP算法是有效的，表明神经网络技术应用于个体定税是可行的，并且在一定程度上能解决个体定税工作中多因素、不确定性和非线性的问题。由于BP神经网络结构难以确定和预测结果精度不高等问题，使得BP算法不能很好的动态满足个体定税的需要。级联相关算法的引入，解决了BP算法因自身原因所带来的不足，提高了网络结构的自适应性和个体定税的预测精度。论文同时设计实现基于Matlab Web Server的智能定税原型系统，将它与地税综合系统进行无缝连接，为个体定税工作提供了一个新的操作平台。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.1.1个体定税概述

1.1.2个体定税中的定税方法

1.2研究意义

1.3论文组织结构

第二章人工神经网络相关技术

2.1人工神经网络概述

2.1.1人工神经元原理

2.1.2神经网络结构

2.1.3人工神经网络的训练

2.2神经网络学习算法

2.2.1反向传播算法

2.2.2级联相关算法

2.2.3两种算法的比较

2.3本章小结

第三章人工神经网络在个体定税中的应用

3.1定税数据分析

3.1.1定税指标及其限定条件

3.1.2样本的选择

3.1.3数据的预处理

3.2 BP算法在个体定税中的应用

3.2.1 BP实验过程

3.2.2实验结果

3.2.3实验结果分析

3.3级联相关算法在个体定税中的应用

3.3.1定税数据选择

3.3.2 CC实验过程及结果

3.3.3与BP实验结果数据的比较分析

3.3.4进一步讨论

3.4本章小结

第四章基于Matlab Web Server的智能定税原型系统的设计与实现

4.1 Matlab Web Server概述

4.2智能定税系统的分析与设计

4.2.1需求分析

4.2.2系统设计

4.3智能定税系统的实现

4.3.1系统运行环境的配置

4.3.2系统主界面

4.3.3系统的Matlab Web应用程序

4.3.4系统与数据库连接

4.4与地税综合软件的无缝连接

4.5本章小结

第五章结论与展望

5.1全文工作总结

5.2工作展望

参考文献

附录

致谢

攻读学位期间的主要研究成果