خلاصه ماشینی:
"حاصل این مجموعه در گره برونداد جمع میشود و آن را ارزش شبکهای گره j مینامند: (1) net Exiwji (2)برونداد واقعی گره F(net)i 1/(1+ej-net)oj j تابع سیگموئید، 1/1+ej-netj10 به عنوان تابع انتقال مورد استفاده (به تصویر صفحه مراجعه شود) شکل 1-عنصر پردازش در یک شبکه عصبی تک لایه قرار میگیرد،زیرا ارزش انتقالی باید در محدوده صفر و یک، صرف نظر از عدد یا ارزش برونداد به دست آمده قرار گیرد.
(به تصویر صفحه مراجعه شود) شکل 4-شبکه عصبی سه لایه حسابرسی ارزیابی عملکرد شبکه عصبی جدول 1 چگونگی محاسبه اختلاف بین ارزش برونداد ایجاد شده توسط سیستم و نیز ارزش برونداد مورد انتظار،برای 90 پرونده مورد آزمون را نشان میدهد.
برای مثال،اگر 80 نمونه از تعداد 90 (به تصویر صفحه مراجعه شود) جدول 1-مقادیر انحراف در شبکه عصبی سه لایه حسابرسی نمونه آزمون به درستی طبقهبندی شده باشند دقت پیشبینی 89 درصد است.
اثربخشی یک الگوریتم(مثلا انتشار به عقب)در شناسایی ویژگیهای ساختاری یک دسته از دادههای آموزشی(یعنی مثالهای مورد استفاده در ایجاد الگوی شبکه عصبی)میتواند به عنوان یک رابط مفید بین مقادیر صفات و تصمیم گرفته شده در مورد طبقهبندی عمل کند.
(به تصویر صفحه مراجعه شود) شکل 6-یکپارچگی سیستم خبره حسابرسی و شبکه عصبی حسابرسی با بررسی پروندههای قبلی حسابرسی شده توسط کارشناسان، صفات کلیدی مشخصکننده موضوع گریز از مالیات را میتوان به عنوان درونداد و برونداد مدل شبکه عصبی به کار برد.
درحالیکه بررسی در مورد ایجاد و کاربرد شبکههای عصبی مصنوعی هنوز در مراحل ابتدایی است،انجام این کار ممکن است در نهایت به افزایش شناخت از عملکرد اساسی هوش انسان بینجامد و شاید منجر به اختراع نخستین ماشینهای هوشمند واقعی حسابرسی شود."