論文の概要: Financial ticket intelligent recognition system based on deep learning
- arxiv url: http://arxiv.org/abs/2010.15356v1
- Date: Thu, 29 Oct 2020 05:07:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 22:17:50.241159
- Title: Financial ticket intelligent recognition system based on deep learning
- Title（参考訳）: 深層学習に基づく金融チケット知的認識システム
- Authors: Fukang Tian, Haiyu Wu, and Bo Xu
- Abstract要約: このシステムは194種類のファイナンシャルチケットを認識でき、自動反復最適化機構を備えている。
システムの平均認識精度は97.07%で、1回のチケットの平均走行時間は175.67msである。
- 参考スコア（独自算出の注目度）: 4.606100785248409
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Facing the rapid growth in the issuance of financial tickets (or bills,
invoices etc.), traditional manual invoice reimbursement and financial
accounting system are imposing an increasing burden on financial accountants
and consuming excessive manpower. To solve this problem, we proposes an
iterative self-learning Framework of Financial Ticket intelligent Recognition
System (FFTRS), which can support the fast iterative updating and extensibility
of the algorithm model, which are the fundamental requirements for a practical
financial accounting system. In addition, we designed a simple yet efficient
Financial Ticket Faster Detection network (FTFDNet) and an intelligent data
warehouse of financial ticket are designed to strengthen its efficiency and
performance. At present, the system can recognize 194 kinds of financial
tickets and has an automatic iterative optimization mechanism, which means,
with the increase of application time, the types of tickets supported by the
system will continue to increase, and the accuracy of recognition will continue
to improve. Experimental results show that the average recognition accuracy of
the system is 97.07%, and the average running time for a single ticket is
175.67ms. The practical value of the system has been tested in a commercial
application, which makes a beneficial attempt for the deep learning technology
in financial accounting work.
- Abstract（参考訳）: 金融券の発行(紙幣、請求書等)の急速な増加に直面すると、従来の手形による請求書の払い戻しや会計システムは、会計士の負担を増大させ、過大なマンパワーを消費している。
この問題を解決するために,本研究では,実践的な財務会計システムの基本要件であるアルゴリズムモデルの迅速な反復的更新と拡張性をサポートする,FFTRSの反復的自己学習フレームワークを提案する。
さらに, 簡易かつ効率的な金融チケット高速検知ネットワーク (FTFDNet) を設計し, 金融チケットのインテリジェントなデータウェアハウスを設計し, その効率と性能を向上させる。
現在、194種類のファイナンシャルチケットを認識でき、自動反復最適化機構を備えており、アプリケーション時間の増加に伴い、システムによってサポートされているチケットの種類が増加し続け、認識精度が向上する。
実験の結果、システムの平均認識精度は97.07%で、1つのチケットの平均実行時間は175.67msであった。
このシステムの実用的価値は、金融会計業務におけるディープラーニング技術のための有益な試みである商用アプリケーションでテストされている。
関連論文リスト
- Bank Loan Prediction Using Machine Learning Techniques [0.0]
我々は機械学習手法を用いて、148,670のインスタンスと37の属性のデータセットに取り組んできた。
最高の性能のアルゴリズムはAdaBoostingであり、99.99%の精度を達成した。
論文 参考訳（メタデータ） (2024-10-11T15:01:47Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - Self-consistent Validation for Machine Learning Electronic Structure [81.54661501506185]
機械学習と自己整合フィールド法を統合して,検証コストの低減と解釈可能性の両立を実現する。
これにより、積極的学習によるモデルの能力の探索が可能となり、実際の研究への統合への信頼がもたらされる。
論文 参考訳（メタデータ） (2024-02-15T18:41:35Z) - ALT: An Automatic System for Long Tail Scenario Modeling [15.76033166478158]
この問題に対処するために,ALTという自動システムを提案する。
各種自動機械学習関連技術を活用するなど,我々のシステムで使用されるアルゴリズムを改善するために,いくつかの取り組みがなされている。
システムを構築するには、システムの観点から多くの最適化が行われ、本質的なモジュールは武装している。
論文 参考訳（メタデータ） (2023-05-19T02:35:39Z) - Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。
車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。
推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2022-05-16T12:14:42Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳（メタデータ） (2021-07-28T10:28:05Z) - Estimating the Robustness of Public Transport Systems Using Machine
Learning [62.997667081978825]
公共交通機関の計画は、多くのステップを含む非常に複雑なプロセスである。
乗客の観点からの堅牢性の統合により、作業はさらに困難になる。
本稿では,機械学習の手法を用いたシナリオベースロバストネス近似の新しい手法を提案する。
論文 参考訳（メタデータ） (2021-06-10T05:52:56Z) - Research on Fast Text Recognition Method for Financial Ticket Image [5.371241477007343]
金融会計の分野では、チケット数の増加が激増し、労働コストが劇的に増加する。
本論文は,まず482種類の金融チケットの特徴を解析し,すべての金融チケットを3つのカテゴリに分け,各カテゴリごとに異なる認識パターンを提案する。
財務チケットテキストの特性に応じて、より高い認識精度を得るために、損失関数、地域提案ネットワーク(RPN)および非最大抑制(NMS)が改善されます。
論文 参考訳（メタデータ） (2021-01-05T01:42:35Z) - Research on All-content Text Recognition Method for Financial Ticket
Image [5.371241477007343]
深層学習に基づく全コンテンツのテキスト検出・認識手法を高精度かつ効率的に設計する。
また,ftcrf(financial ticket character recognition framework)を提案する。
漢字認識の特徴により,この枠組みは2段階情報抽出法を含んでいる。
実験の結果,本手法の平均認識精度は91.75%であり,チケット全体の認識精度は87%であった。
論文 参考訳（メタデータ） (2020-12-15T09:39:32Z) - A Time-Frequency based Suspicious Activity Detection for Anti-Money
Laundering [0.0]
マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。
これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。
本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
論文 参考訳（メタデータ） (2020-11-17T08:01:50Z) - Automatic Counting and Identification of Train Wagons Based on Computer
Vision and Deep Learning [70.84106972725917]
提案手法は費用対効果が高く,RFIDに基づく解を容易に置き換えることができる。
このシステムは、識別コードに損傷があるため、列車のワゴンの一部を自動的に拒絶することができる。
論文 参考訳（メタデータ） (2020-10-30T14:56:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。