-
题名基于多任务深度神经网络的企业纳税行为甄别研究
被引量：2
- 1
-
-
作者
李国锋
李祚娟
王哲吉
-
机构
山东财经大学统计与数学学院
-
出处
《统计研究》
CSSCI
北大核心
2022年第7期137-149,共13页
-
基金
国家社会科学基金一般项目“多源数据融合下企业纳税行为甄别智能学习方法研究”(19BTJ023)。
-
文摘
随着数字经济时代的到来,丰富的数据资源有利于全面精准地刻画企业纳税情况,但数据来源广、类别不平衡以及噪音多等问题,也给企业纳税行为的甄别工作带来挑战。本文融合企业报表以及证监会、海关和税务等部门的多来源涉税数据,基于K-S检验和随机森林算法,构建了企业纳税行为甄别指标体系;将不同行业企业纳税行为甄别工作视为不同任务,提出基于多任务深度神经网络的企业纳税行为甄别模型,充分利用了不同行业任务间的相关性和差异性信息;针对样本数据集不平衡问题,引入焦点损失函数进一步改进了甄别模型。研究发现,相对于传统Logistic、支持向量机和神经网络等单任务模型,本文多任务模型的企业纳税行为甄别能力、泛化能力和稳健性更强。当模型预测某企业纳税不遵从的概率超出阈值时,即可判定该企业为重点稽查对象,以辅助税务部门提升稽查效率。本研究为政府智慧税务治理工作提供了新的思路。
-
关键词
多源数据
多任务深度神经网络
企业纳税行为甄别
-
Keywords
Multi-Source Data
Multi-Task Learning in Deep Neural Networks
Corporate Tax Paying Behavior Identification
-
分类号
C81
[社会学—统计学]
F812
[经济管理—财政学]
-
-
题名高速列车牵引变流器故障诊断研究
被引量：3
- 2
-
-
作者
顾佳
黄明
关岳
-
机构
大连交通大学机械工程学院
大连交通大学软件学院
中车青岛四方机车车辆股份有限公司信息技术部
中车青岛四方机车车辆股份有限公司国家工程试验室
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第5期997-1002,1029,共7页
-
基金
工信部智能制造综合标准化与新模式应用资助项目(2017ZNZZ01)。
-
文摘
针对高速列车牵引变流器冷却滤网状态异常引发的牵引变流器故障问题,通过综合分析牵引变流器故障分类和滤网堵塞程度之间的相关性,提出一种基于多任务深度学习的故障诊断方法。首先,构建了包含牵引变流器故障诊断主任务及滤网堵塞程度子任务的多任务深度神经网络(multi-task deep neural networks,简称MT-DNN);然后,为了准确预测牵引变流器失效退化趋势,将多任务深度神经网络预测结果与自组织映射(self organizing map,简称SOM)方法结合,构建了多任务深度神经网络自组织映射模型(multi-task deep neural networks self-organizing map,简称MTDNN-SOM),该方法根据历史故障数据特征变量演化规律定义退化状态曲线,直接反映故障特征量和退化状态之间的关系,最终实现了牵引变流器滤网脏堵故障诊断和维修预测。试验结果表明,该方法在精度和效率上都明显优于单任务或传统故障诊断方法,得到了较好的效果。
-
关键词
高速列车
牵引变流器
故障诊断
多任务深度神经网络
自组织映射
-
Keywords
high-speed train
traction converter
fault diagnosis
multi-task deep neural network
self-organizing map
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
