《表3 神经网络仿真结果：优化神经网络输入指标 提高财报舞弊识别效果》
提示：宽带有限、当前游客访问压缩模式
利用训练好的神经网络对自身进行仿真，以及以2016年度的数据作为测试集，对训练的结果进行仿真，仿真结果的取值在0-1之间，将大于等于0.5的公司归为“舞弊组”，将结果小于0.5的公司归为“正常组”。仿真结果如下表所示:
| 图表编号 | XD0038378900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.20 |
| 作者 | 刘佳进、黄乐 |
| 绘制单位 | 福州大学经济与管理学院、福州大学经济与管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 3种场景对比结果：面向e-引航的近海边缘计算网络优化与仿真》2020.10.18
- 《表1 3 混淆矩阵：公司财务舞弊的智能识别与模型优化策略》2021.01.28
- 《表1 网络结构识别模块输入矩阵》2020.04.25
- 《表2 仿真结果：基于遗传算法优化神经网络的拼焊板压边力预测》2020.02.01
- 《表1 2种模型测试对比：改进YOLOv3网络提高甘蔗茎节实时动态识别效率》2019.12.01
- 《表3 实验二的仿真结果：基于复杂网络拓扑判别的主动配电网重构优化》2019.12.15
- 《表4 优化BP神经网络对应理论输入矢量》2019.10.10
- 《表3 识别效果对比：基于PCA的BP神经网络在信息安全中的应用》2019.12.15
- 《表1 输入参数表：基于神经网络的爆破参数优化》2019.09.10
- 《表2 仿真诊断结果：基于自适应遗传优化RBF神经网络的船舶柴油机故障诊断》2019.07.01
- 《表1 网络识别率比较：双输入流深度反卷积的插值神经网络》2019.08.10
- 《表各种识别算法识别率：BP神经网络车牌识别技术优化研究》2019.06.20
- 《表9 仿真对比结果：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表1 输入缩放参考表：基于多尺度卷积神经网络的交通标志识别方法》2019.08.01
- 《表3 基于矩特征的神经网络识别效果》2019.07.25
- 《表2 各年度的样本数量：优化神经网络输入指标 提高财报舞弊识别效果》2019.02.20
- 《表1 舞弊指标识别体系：优化神经网络输入指标 提高财报舞弊识别效果》2019.02.20
- 《表1 部分输入数据：优化神经网络在矿用电机轴承故障诊断的应用》2018.07.01
- 《表1 评价结果：基于粒子群优化小波神经网络的大型商场应急疏散能力评价仿真分析》2018.02.01
- 《表2 3种方法仿真结果：PSO优化BP神经网络齿轮箱故障诊断》2019.12.06