Francisco Nobre de Oliveira
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Interests
Francisco Nobre de Oliveira has a total of 1 co-authors. Here are the top co-authors by number of shared publications:
- Luis Paulo Guimarães dos Santos
Universidade Federal da Bahia (UFBA)
1 shared publication
Latest Publications
- Open Access
- 27 February 2021
- Published by Revista de Gestao, Financas e Contabilidade in Revista de Gestão, Finanças e Contabilidade
- Vol. 10 (1) , 42-64
ESTRATÉGIAS PARA COMBATER A SONEGAÇÃO FISCAL: UM MODELO PARA O ICMS BASEADO EM REDES NEURAIS ARTIFICIAIS
A pesquisa teve como objetivo desenvolver um Sistema de Identificação de Risco de Contribuintes baseado em Redes Neurais para auxiliar a Administração Tributária Estadual na identificação de contribuintes mais propensos a assumir a condição de sonegadores do ICMS. Para tanto, foi desenvolvida uma rede neural artificial, denominada Sistema de Identificação de Risco de Contribuintes – SIRC, baseada num modelo perceptron de múltiplas camadas, do tipo alimentada adiante (feedforward), completamente conectada, composta por duas camadas ocultas e treinada com o algoritmo de retropropagação de erro (Backpropagation Error). A construção e operacionalização da SIRC deu-se a partir de informações extraídas dos bancos de dados da Secretaria da Fazenda do Estado da BAHIA (SEFAZ-BA), alimentados por informações prestadas pelos contribuintes, em uma amostra de 74.447 eventos. Na fase de treinamento, a Rede apresentou um índice de acerto de 71% na classificação dos contribuintes passíveis de autuação (ou não). Em relação aos contribuintes que foram autuados, a performance foi 94%. Estes percentuais atestam a eficácia do modelo como instrumento de apoio a decisões de fiscalização no âmbito da Administração Tributária Estadual.
- 27 February 2021
- Published by Revista de Gestao, Financas e Contabilidade in Revista de Gestão, Finanças e Contabilidade
- Vol. 10 (1) , 42-64
Open AccessESTRATÉGIAS PARA COMBATER A SONEGAÇÃO FISCAL: UM MODELO PARA O ICMS BASEADO EM REDES NEURAIS ARTIFICIAIS
A pesquisa teve como objetivo desenvolver um Sistema de Identificação de Risco de Contribuintes baseado em Redes Neurais para auxiliar a Administração Tributária Estadual na identificação de contribuintes mais propensos a assumir a condição de sonegadores do ICMS. Para tanto, foi desenvolvida uma rede neural artificial, denominada Sistema de Identificação de Risco de Contribuintes – SIRC, baseada num modelo perceptron de múltiplas camadas, do tipo alimentada adiante (feedforward), completamente conectada, composta por duas camadas ocultas e treinada com o algoritmo de retropropagação de erro (Backpropagation Error). A construção e operacionalização da SIRC deu-se a partir de informações extraídas dos bancos de dados da Secretaria da Fazenda do Estado da BAHIA (SEFAZ-BA), alimentados por informações prestadas pelos contribuintes, em uma amostra de 74.447 eventos. Na fase de treinamento, a Rede apresentou um índice de acerto de 71% na classificação dos contribuintes passíveis de autuação (ou não). Em relação aos contribuintes que foram autuados, a performance foi 94%. Estes percentuais atestam a eficácia do modelo como instrumento de apoio a decisões de fiscalização no âmbito da Administração Tributária Estadual.