作者：邓红平 宋婉娟原始凭证反例样本错误识别
摘要：原始凭证的自动识别是财会信息系统的一个瓶颈。输入反例样本,分类器拒识失败是常见的错误识别类型,基于反例样本训练的神经网络分类器能够降低这类错误的发生概率。通过原始凭证的数字识别试验分析,试验数据曲线图说明采用反例样本训练的分类器能够大大地减少这种类型的错误识别,使这一类型的错误率接近于0。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《武汉理工大学学报·信息与管理工程版》（CN：42-1825/TP）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《武汉理工大学学报·信息与管理工程版》重点刊登电子与电工、通信与信息、计算机、控制与自动化以及经济、管理科学与工程、物流工程等学科的最新研究成果，同时刊登机械工程、土木工程与建筑、船舶与海洋工程以及力学、数学、物理学等基础学科的研究与工程应用论文。
杂志详情
