[发明专利]一种基于循环宽度学习的财务舞弊识别方法

权利要求书

1.一种基于循环宽度学习的财务舞弊识别方法，其特征在于，包括：

步骤(1)：对财务指标进行预处理，结合非财务指标，通过激活函数映射，得到特征节点；

步骤(2)：将所述特征节点作为循环神经网络的输入，输出增强节点；

步骤(3)：将所述特征节点与所述增强节点合并，作为宽度学习的输入，进行线性变换，得到所述宽度学习的输出。

2.根据权利要求1所述的一种基于循环宽度学习的财务舞弊识别方法，其特征在于，还包括：在步骤(1)之前，对所述财务指标和所述非财务指标进行归一化处理。

3.根据权利要求1所述的一种基于循环宽度学习的财务舞弊识别方法，其特征在于，步骤(1)中，所述预处理为PCA。

4.根据权利要求3所述的一种基于循环宽度学习的财务舞弊识别方法，其特征在于，步骤(1)中，所述特征节点的表达式，如下：

Z_i(t)＝φ_i(X(t)W_ei+β_ei)，i＝1，…，n；

其中，Z_i(t)为所述特征节点；φ_i为激活函数；W_ei和β_ei分别为随机初始化的权重和偏置；X(t)表示t时刻的输入。

5.根据权利要求4所述的一种基于循环宽度学习的财务舞弊识别方法，其特征在于，步骤(2)中，所述增强节点的表达式，如下：

H_j(t)＝δ_j(S₁Zⁿ(t)W_hj+S₂H_j(t-1)W_xj)，j＝1，…，m；

其中，H_j(t)为所述增强节点；Zⁿ(t)为所述特征节点Z_i(t)的集合；δ_j为激活函数；S₁和S₂为平衡两项效果的参数；H_j(t-1)为前一时刻的增强节点；W_hj和W_xj分别为随机初始化的权重和偏置。

6.根据权利要求1所述的一种基于循环宽度学习的财务舞弊识别方法，其特征在于，步骤(3)中，所述宽度学习的输出表达式，如下：

其中，Y(t)为所述宽度学习的输出；H^m(t)为所述增强节点H_j(t)的集合；为增广矩阵；为进行所述线性变换的权重，表达式如下：

通过岭回归方法进行求解，如下：

其中C为常数；I为单位矩阵，T为矩阵转置符号。