摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 选题背景与意义 | 第10-11页 |
1.1.1 选题背景 | 第10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 研究现状综述 | 第11-13页 |
1.2.1 信息技术对会计影响的相关理论研究 | 第11页 |
1.2.2 智能会计信息系统的相关理论研究 | 第11-12页 |
1.2.3 人工神经网络技术的相关理论研究 | 第12-13页 |
1.2.4 会计确认相关理论研究 | 第13页 |
1.3 理论基础 | 第13-14页 |
1.3.1 会计核算理论 | 第14页 |
1.3.2 会计信息系统理论 | 第14页 |
1.3.3 信息技术理论 | 第14页 |
1.4 研究内容、方法和创新点 | 第14-16页 |
1.4.1 研究内容 | 第14-15页 |
1.4.2 研究方法 | 第15页 |
1.4.3 本文的创新之处 | 第15-16页 |
第二章 会计要素确认的发展历程 | 第16-21页 |
2.1 手工方式下的会计要素确认 | 第16-17页 |
2.1.1 手工方式下经济业务活动数据采集特点 | 第16页 |
2.1.2 手工方式下经济业务会计要素分类过程及特点 | 第16-17页 |
2.1.3 手工方式下会计要素确认的案例解析 | 第17页 |
2.2 ERP系统下的会计要素确认 | 第17-18页 |
2.2.1 ERP系统下经济业务活动数据采集特点 | 第17-18页 |
2.2.2 ERP系统下业务活动数据的会计要素分类过程及特点 | 第18页 |
2.2.3 ERP系统下销售收款会计要素确认自动化的案例解析 | 第18页 |
2.3 互联网环境下自动化会计要素确认 | 第18-21页 |
2.3.1 网络环境下经济业务活动数据采集的特点 | 第18-19页 |
2.3.2 互联网环境下会计要素的确认探讨 | 第19-20页 |
2.3.3 互联网环境下会计要素确认的技术发展方向 | 第20-21页 |
第三章 人工神经网络基本原理 | 第21-30页 |
3.1 神经网络的基本原理和结构 | 第21-23页 |
3.1.1 神经元及其行为机理 | 第21页 |
3.1.2 神经元的信息处理和传递 | 第21-22页 |
3.1.3 神经元的数学模型 | 第22-23页 |
3.2 人工神经元模型 | 第23-25页 |
3.2.1 人工神经网络的结构 | 第24页 |
3.2.2 人工神经网络的基本特征 | 第24页 |
3.2.3 神经网络的训练和学习 | 第24-25页 |
3.2.4 神经网络的学习规则 | 第25页 |
3.3 BP人工神经网络 | 第25-30页 |
3.3.1 BP人工神经网络结构 | 第25-26页 |
3.3.2 BP算法的训练 | 第26-27页 |
3.3.3 BP算法计算步骤 | 第27-28页 |
3.3.4 BP神经网络分类的工作过程 | 第28-30页 |
第四章 基于BP网络模型的会计确认机制分析与设计 | 第30-40页 |
4.1 基于BP人工神经网络自动化会计确认流程分析 | 第30-31页 |
4.1.1 基于BP人工神经网络自动化会计确认流程图 | 第30-31页 |
4.1.2 基于BP人工神经网络会计确认的流程特点 | 第31页 |
4.2 基于BP人工神经网络自动化会计确认输入、输出向量分析 | 第31-39页 |
4.2.1 现状调查 | 第31-32页 |
4.2.2 采购、销售业务环节输入项分析 | 第32-34页 |
4.2.3 其他业务环节输入向量分析 | 第34-38页 |
4.2.4 网络模型的输出向量分析 | 第38-39页 |
4.3 输出输入设计 | 第39-40页 |
第五章 基于BP网络模型的自动化会计确认案例测试 | 第40-45页 |
5.1 案例资料说明 | 第40页 |
5.2 BP神经网络结构设计 | 第40-41页 |
5.3 BP网络学习 | 第41-42页 |
5.4 测试过程和成果展示 | 第42-44页 |
5.5 测试结果说明 | 第44-45页 |
第六章 结论与展望 | 第45-47页 |
6.1 研究结论 | 第45页 |
6.2 研究的局限性及后续研究的建议 | 第45-47页 |
参考文献 | 第47-49页 |
致谢 | 第49-50页 |
作者简介 | 第50-51页 |
导师评阅表 | 第51页 |