人工智能在会计管理中应用研究--基于BP神经网络模型的仿真模拟实验.docx

摘要：随着德勤推出的财务机器人“小勤人”引起了会计业界的强烈反响，会计与人工智能的结合再次成为人们关注的焦点。本文以此为选题背景，综合考察了国内外对于会计人工智能的最新研究成果，指出了人工智能在会计领域的应用前景和目前发展存在的瓶颈，并通过Matlab作为实验工具，利用BP神经网络模型验证了使用机器学习技术实现会计确认自动化的可行性。结果表明，通过BP神经网络训练以后，系统能够准确地从各类电子原始凭证中识别各种会计数据，并按经济业务类型将其进行分类，实现会计确认的自动化。最后，本文针对如何利用人工智能技术促进会计发展提出了一些建议。本文的创新之处在于不仅从理论上阐述了如何将人工智能中的神经网络算法应用于会计工作中，还从实践上验证了这种算法的可行性，对于推动人工智能在会计实务界的应用有一定的借鉴意义。

关键词：人工智能；BP神经网络；会计确认

目录

摘要

Abstract

一、绪论6

（一）研究背景6

（二）研究目的6

二、会计人工智能的研究现状综述8

（一）中文文献及国内研究现状综述8

（二）外文文献及国外研究现状综述8

（三）会计实务界人工智能技术的应用现状及存在的瓶颈9

1．会计与人工智能技术相结合在实务中的应用现状9

2．人工智能技术在会计领域的应用前景和目前的瓶颈10

（四）前人研究遇到的瓶颈和存在的问题11

三、研究方法与模型说明——BP神经网络概述及其运行机制12

（一）研究方法说明12

（二）基本原理介绍及模型选择12

1．人工智能概述及其实现原理12

2．本文模型的选择——BP神经网络模型13

（三）模型的具体说明13

1．BP神经网络模型的基本原理13

2．本文模型的基本假设16

3．本文模型的变量选取17

四、基于制造类企业的BP神经网络模型会计自动化确认案例测试21

（一）数据收集及数据处理21

（二）计算机仿真模拟测试的实验过程22

1．BP神经网络的训练22

2．BP神经网络的性能测试25

（三）计算机仿真测试实验结果总结27

五、研究结论及进一步的展望28

（一）研究的局限性和进一步研究的展望28

（二）总结与建议28

参考文献30

附录31