fa ارائه یک الگوی شبکه عصبی برای تخمین روابط هزینه - فعالیت در بودجه‌ریزی بر مبنای عملکرد پژوهشي Research چگونگی مرتبط کردن داده‌های عملکردی با بودجه به عنوان یکی از مفاهیم اساسی بودجه‌ریزی بر مبنای عملکرد، از دغدغه‌های پژوهشگران بودجه‌ریزی و مدیران است. نحوه انتساب فعالیت‌ها به منابع و مشخص کردن سهم محرک‌های منبعی، یکی از پیچیده‌ترین بخش‌های بودجه‌ریزی بر مبنای عملکرد است. در اغلب روش‌های مرسوم برای هزینه‌یابی و بودجه‌ریزی، معمولاً فرض می شود رابطه ای خطی بین فعالیت ها و هزینه ها وجود دارد. در حالی که یک تابع هزینه، در عمل، همیشه خطی نیست و خطی فرض کردن آن، منجر به محاسبات اشتباه در بودجه فعالیت‌ها، خروجی‌ها و برنامه‌ها خواهد شد. در مقاله حاضر، برای حل مسئله تخمین رابطه بین فعالیت‌ها و منابع (هزینه‌ها) از رویکرد شبکه‌های عصبی مصنوعی استفاده شده است. برای آموزش و آزمون مدل شبکه عصبی، از داده‌های بانک تجارت ایران استفاده شده است. ویژگی متمایزکننده این الگو نسبت به سایر الگوها، در نظر گرفتن روابط بین هزینه – مرکز هزینه، به صورت غیرخطی است. معماری خاص شبکه پیشنهادی (معماری چندلایه پیش‌خور با ارتباطات پرشی) باعث می‌شود تا علاوه بر پیش‌بینی هزینه، مقدار سهم محرک‌های منبعی نیز از مدل قابل استخراج باشد. مقایسه نتایج به دست آمده از الگوی پیشنهادی برای مقدار محرک‌ها با نتایج نظرسنجی از خبرگان برای محرک‌های منبعی، اختلاف قابل قبولی را نمایش می‌دهد. One of the concerns of budgeting researchers and managers is how to relate performance data to budget as one of the key concepts of performance-based budgeting. One of the most intricate parts of performance-based budgeting is how to attribute activities to resources and determine the shares of resource drivers. In most customary costing and budgeting methods, it is usually assumed that there is a linear relationship between activities and costs. However, a cost function is not always linear in practice and presuming it as linear would lead to faulty calculations in the budgets of activities, outputs and plans. This article uses artificial neural networks to solve the problem of estimating the relationship between activities and resources (costs). The data of Tejarat Bank of Iran were used to train and test the neural network model. The distinguishing characteristic of this model in comparison to other models is that it considers cost-cost center relationship as non-linear. Special architecture of the suggested network, i.e. multilayer feed-forward network architecture with jump connections, makes it possible not only to forecast costs but also to extract the share value of the resource drivers out of the model. When the results of the suggested model on the value of drivers were compared with the results of experts’ opinion poll on the resource drivers, an acceptable difference was shown. بودجه‌ریزی بر مبنای عملکرد، تخمین روابط هزینه، شبکه‌های عصبی مصنوعی، هزینه‌یابی بر مبنای فعالیت Performance-based Budgeting, Cost Estimation Relationship (CER), Artificial Neural Networks, Activity-based Costing 7 38 http://eprj.ir/browse.php?a_code=A-10-4-304&slc_lang=fa&sid=1 Adel Azar عادل آذر azara@modares.ac.ir 10031947532846002082 10031947532846002082 Yes دانشگاه تربیت مدرس Ameneh Khadivar آمنه خدیور a_khadivar@yahoo.com 10031947532846002083 10031947532846002083 No دانشگاه الزهراء