武汉理工大学学报
武漢理工大學學報
무한리공대학학보
JOURNAL OF WUHAN UNIVERSITY OF TECHNOLOGY
2008年
3期
154-156
,共3页
原始凭证%反例样本%错误识别
原始憑證%反例樣本%錯誤識彆
원시빙증%반례양본%착오식별
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.
原始憑證的自動識彆是財會信息繫統的一箇瓶頸.輸入反例樣本,分類器拒識失敗是常見的錯誤識彆類型,基于反例樣本訓練的神經網絡分類器能夠降低這類錯誤的髮生概率.通過原始憑證的數字識彆試驗分析,試驗數據麯線圖說明採用反例樣本訓練的分類器能夠大大地減少這種類型的錯誤識彆,使這一類型的錯誤率接近于0.
원시빙증적자동식별시재회신식계통적일개병경.수입반례양본,분류기거식실패시상견적착오식별류형,기우반례양본훈련적신경망락분류기능구강저저류착오적발생개솔.통과원시빙증적수자식별시험분석,시험수거곡선도설명채용반례양본훈련적분류기능구대대지감소저충류형적착오식별,사저일류형적착오솔접근우0.