臺灣博碩士論文加值系統

臺灣天然資源稀少，但擁有蓬勃的製造業及尖端科技產業，在半導體、光電、資訊科技、通訊、電子精密製造等技術領域執牛耳，利用高科技產業優勢賺取大量外匯收入。近年來，隨著國際貿易快速成長與競爭激烈的環境，面對絡繹不絕的入出境之旅客及貨物通關，海關人員除要執行課徵關稅與查緝走私兩項核心任務外，還必須執行邊境管制措施，例如：國家安全、檢疫衛生、環境保護及保障智慧財產權等，面對不斷增加的任務，善用科學化管理方法，建構查緝走私專家系統，運用知識管理，購置科技化查緝設備等。
本研究整合基因演算法與類神經網路，建構海關查緝走私選案與關稅稅收預測模型，提供海關專家系統選案參考，藉此提升查緝績效及紓解海關人員的業務負擔。

Taiwan, which possesses cutting-edge industries, lacking for natural resources, and dominating the field in semiconductors, optoelectronics, information, communications, electronics precision manufacturing technology. In recent years, with the rapid growth of international trade and the competitive environment, inbound and outbound passengers and volume of imported goods are increasing. In addition to execution levied on tariffs and preventing smuggling, Customs officers must perform border control measures, such as national security, quarantine, environmental protection, protection of intellectual property rights, etc. Using scientific management methods, construction of preventing smuggling expert system, knowledge management, and purchasing high-tech equipment can relieve customs officers on tasks burden.
This study integrated genetic algorithms with neural network to construct a smuggling case classification and import tariffs prediction model which provide Customs expert system a decision-making tool and enhance the performance.

中文摘要................................................Ⅰ
ABSTRACT...............................................Ⅱ
目錄 ...................................................Ⅲ
表目錄..................................................Ⅳ
圖目錄 ..............................................Ⅴ
第一章、緒論 1
1.1 研究動機 1
1.2 研究目的 2
1.3 研究流程與架構 3
第二章、文獻探討 4
2.1 海關核心業務介紹 4
2.2 倒傳遞類神經網路 6
2.3 基因演算法與基因類神經網路 10
2.4 決策樹 14
第三章、運用基因演算法與類神經網路於海關專家系統 16
3.1 進口貨物通關與查緝走私 16
3.2 建構基因類神經網路模型 20
3.3 建構決策樹分類模型...................................................................29
第四章、研究結果分析 33
4.1 基因類神經網路模型分析 33
4.2 決策樹分類模型結果分析 39
4.3 緝案選案分類模型結果分析 40
第五章、結論 41
參考文獻 42

【中文文獻】
1. 牛田一雄、高井勉、木暮大輔，資料採礦利用Clementine使用手冊，鼎茂圖書出版股份有限公司(2006)。
2. 王秋萍，類神經網路於美國SPDRs價格與趨勢預測模式之應用，國立台中技術學院，碩士論文（2008）。
3. 江吉雄，遺傳演算法於股市選股與擇時策略之研究，國立中央大學，碩士論文（2002）。
4. 朱記民、吳志宏等，類神經網路在可變風量空調舒適度控制之應用，電機月刊第十卷第十期（2000）。
5. 游清松，臺中海關簡史，財政部台中關稅局。
6. 李永翔，運用資料探勘技術分析熱帶海水表面溫度，國立台灣海洋大學，
博士論文（2012）。
7. 宋元明，海關查緝「不法經濟活動」相關問題之研究—以查緝走私為主，中原大學，碩士論文（2004）。
8. 呂金龍，整合基因演算法與類神經網路於製程品質分類預測模式之研究，國立勤益科技大學，碩士論文（2012）。
9. 吳坤德、林頂立等，類神經網路於鉛酸電池殘電量偵測之應用，電機月刊第十七卷第七期（2007）。
10. 吳聲浩，以類神經網路建立梭織胚布幅寬收縮之預測模式，逢甲大學，碩士論文（2006）。
11. 林韋帆，A型H1N1流行性感冒病毒紅血球凝集素之基因與抗原分析並與H3N2病毒之比較，國立交通大學，碩士論文（2011）。
12. 林萍珍，遺傳演算法在使用者導向的投資組合選擇之應用，中央大學，碩士論文（1998）。
13. 林佩蓉，蔬菜批發價格漲跌幅預測之研究─線性與非線性模式之比較，國立中興大學，碩士論文(2002)。
14. 俞慧華，改良式類神經網路模式於信用卡顧客關係管理之研究，國立台北科技大學，碩士論文（2002）。
15. 徐瑞明，海峽兩岸犯罪防制策略之研究－貨櫃走私個案探討，國立政治大學，碩士論文（2002）。
16. 陳怡睿 、 謝舜傑、 陳景文、 倪柏寧，基因演算法自動演化類神經網路應用於山崩災害之評估，中華水土保持學報41卷1期（2009）。
17. 陳俊宇，兩車碰撞事故鑑定之基因探勘規則模式，私立逢甲大學，碩士論文（2007）。
18. 陳李成，以資料探勘模組建立之心血管異常預測系統，國立成功大學，碩士論文（2008）。
19. 黃宋龍，進入世界貿易組織後我國貿易便捷化策略之研究－以海關為例，
國立中山大學，碩士論文（2002）。
20. 張振魁，以類神經網路提高股票單日交易策略之獲利，國立中央大學，碩士論文（2000）。
21. 張斐章、張麗秋(2005)，類神經網路，東華書局。
22. 葉怡成，Super PCNeuron 5.0使用手冊，儒林圖書公司（2006）。
23. 葉怡成，Super PCNeuron 5.0類神經網路建構軟體參考手冊，儒林圖書公司（2006）。
24. 葉怡成，類神經網路模式應用與實作，儒林圖書（2009）。
25. 葉雅極，關稅驗估理論與實務，(2005)。
26. 楊孟龍，類神經網路於股價波段預測及選股之應用，國立中央大學，碩士論文（1999）。
27. 趙繼祖，海關實務，(2005)。
28. 廖述賢、溫志皓，資料採礦與商業智慧，雙葉書廊有限公司(2009)。
29. 錢玉兒，基因演算法在排休之應用，國立臺中技術學院，碩士論文（2009）。
30. 關務年報，(2011)。
31. 盧炳勳、曹登發，類神經網路理論與應用，全華科技圖書股份有限公司(1992)。
32. 盧振茂，我國海岸走私行為之經濟分析與管理策略之探討，國立中山大學，碩士論文（2004）。
33. 蘇木春、張孝德，機器學習 : 類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司(2004)。
34. 蘇妍如，應用決策樹於學習障礙鑑定之評估，國立彰化師範大學，碩士論文（2007）。



【英文文獻】
35. Azadeh, A., Ghaderi, S. F., Tarverdian, S., &; Saberi, M. “Integration of artificial neural networks and genetic algorithm to predict electric alenergy consumption”. Applied Mathematics and Computation, 186, 1731-1741 (2007).
36. D. Mantzaris, G. Anastassopoulos, A. Adamopoulos “Genetic algorithm pruning of probabilistic neural networks in medical disease estimation Neural Networks”, 24, 831-835(2011).
37. Holland, J. H., “Adaptation in Natural and Artificial Systems”, University of Michigan Press, Ann Arbor, (1975).
38. Hornik, K., Stinchcombe, M., &; White, H. “Multilayer feedforward networks are universal approximators.” Neural Networks, 2 (5),359–366 (1989).
39. Henrik Hoglund, “Detecting earnings management with neural networks”, Expert Systems with Applications, vol. 39, pp.9564-9570,(2012).
40. Jae Kwon Bae , Jinhwa Kim, “Product development with data mining techniques: A case on design of digital camera” , Expert Systems with Applications , Vol. 38, No. 4, 2011, 9274-9280 (2011).
41. Montgomery, et al. “A novel approach for traffic accidents sanitary resource allocation based on multi-objective genetic algorithms”. Expert Systems with Applications , vol. 40, pp.323-336,(2013).
42. Tzu-Chiang Liu, Rong-Kwei Li and Meng-Chi Chen, “Development of an artificial neural network to predict lead frame dimensions in an etching process”, The International Journal of Advanced Manufacturing Technology, Vol.27, No.11-12, 1211-1216 (2006).
43. Werbos, P. I., “Beyond regression：new tools for prediction and analysis in the behavior sciences”, Doctoral dissertation, Harvard University, Dissertation Abstracts International (1974).






【網路文獻】
44. 財政部關務署網頁，http://web.customs.gov.tw/ct.asp?xItem=21537&;CtNode=13106
45. 貨物通關自動化報關手冊，http://web.customs.gov.tw/ct.asp?xItem=20617&;CtNode=6681
46. 財政部關務署台中關網頁，http://taichung.customs.gov.tw/mp.asp?mp=7
47. 關貿網路股份有限公司網頁，http://www.tradevan.com.tw/web/guest/global