【出 处】：《 计算机仿真 》 CSCD 2012年第1期 352-355页,共4页

【作 者】： 李绍中 [1,2] ; 肖勋勇 [3]

【摘 要】 由于纳税评估过程中存在不精确、模糊以及冗余信息，传统评估模型多数采用经验法和比较法，缺乏科学性和公正性，评估结果正确率低。为了提高纳税信用等级评估的正确率，提出了一种采用模糊神经网络的纳税信用等级评估模型。首先利用模糊逻辑推理对纳税评估过程中的不精确、模糊的信息进行有效的处理，然后利用训练数据对神经网络模型进行训练学习．获得纳税评估指标和信用等级间的评估模型，最后通过利用测试集对模型进行验证，结果表明，模糊神经网络方法提高了纳税信用等级评估的正确率，为税收信用评估提供有效的依据。