Buchumschlag

Financial Fraud Identification and Interpretability Study for Listed Companies Based on Convolutional Neural Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Li, Xiao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Tangent Knowledge Distillation for Optical Convolutional Networks
von: Xiang, Jinlin, et al.
Veröffentlicht: (2025)

Enhancing Convolutional Neural Networks with Higher-Order Numerical Difference Methods
von: Wang, Qi, et al.
Veröffentlicht: (2024)

Deep Convolutional Neural Networks for Palm Fruit Maturity Classification
von: Han, Mingqiang, et al.
Veröffentlicht: (2025)

Toward Efficient Convolutional Neural Networks With Structured Ternary Patterns
von: Kyrkou, Christos
Veröffentlicht: (2024)

CSC-Unet: A Novel Convolutional Sparse Coding Strategy Based Neural Network for Semantic Segmentation
von: Tang, Haitong, et al.
Veröffentlicht: (2021)

Edge AI: Evaluation of Model Compression Techniques for Convolutional Neural Networks
von: Francy, Samer, et al.
Veröffentlicht: (2024)

Evaluation and Analysis of Deep Neural Transformers and Convolutional Neural Networks on Modern Remote Sensing Datasets
von: Hurt, J. Alex, et al.
Veröffentlicht: (2025)

Learning Robust Convolutional Neural Networks with Relevant Feature Focusing via Explanations
von: Adachi, Kazuki, et al.
Veröffentlicht: (2022)

Pixel Embedding: Fully Quantized Convolutional Neural Network with Differentiable Lookup Table
von: Tokunaga, Hiroyuki, et al.
Veröffentlicht: (2024)

B-cosification: Transforming Deep Neural Networks to be Inherently Interpretable
von: Arya, Shreyash, et al.
Veröffentlicht: (2024)

A Novel Convolutional Neural Network-Based Framework for Complex Multiclass Brassica Seed Classification
von: Elfatimia, Elhoucine, et al.
Veröffentlicht: (2025)

Impact of Tuning Parameters in Deep Convolutional Neural Network Using a Crack Image Dataset
von: Zabin, Mahe, et al.
Veröffentlicht: (2025)

From Code to Field: Evaluating the Robustness of Convolutional Neural Networks for Disease Diagnosis in Mango Leaves
von: de Andrade, Gabriel Vitorino, et al.
Veröffentlicht: (2025)

Pixel-Based Similarities as an Alternative to Neural Data for Improving Convolutional Neural Network Adversarial Robustness
von: Attias, Elie, et al.
Veröffentlicht: (2024)

ECG-IMN: Interpretable Mesomorphic Neural Networks for 12-Lead Electrocardiogram Interpretation
von: Thambawita, Vajira, et al.
Veröffentlicht: (2026)

Convolutional Neural Network Ensemble Learning for Hyperspectral Imaging-based Blackberry Fruit Ripeness Detection in Uncontrolled Farm Environment
von: Olisah, Chollette C., et al.
Veröffentlicht: (2024)

Layout-Aware Representation Learning for Open-Set ID Fraud Discovery
von: Li, Jinxing, et al.
Veröffentlicht: (2026)

AI Radiologist: Revolutionizing Liver Tissue Segmentation with Convolutional Neural Networks and a Clinician-Friendly GUI
von: Al-Kababji, Ayman, et al.
Veröffentlicht: (2024)

Unlearning-based Neural Interpretations
von: Choi, Ching Lam, et al.
Veröffentlicht: (2024)

Restyling Unsupervised Concept Based Interpretable Networks with Generative Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

Improving Sickle Cell Disease Classification: A Fusion of Conventional Classifiers, Segmented Images, and Convolutional Neural Networks
von: Cardoso, Victor Júnio Alcântara, et al.
Veröffentlicht: (2024)

A Robust Prototype-Based Network with Interpretable RBF Classifier Foundations
von: Saralajew, Sascha, et al.
Veröffentlicht: (2024)

Probing Equivariance and Symmetry Breaking in Convolutional Networks
von: Vadgama, Sharvaree, et al.
Veröffentlicht: (2025)

Convolutional Neural Nets vs Vision Transformers: A SpaceNet Case Study with Balanced vs Imbalanced Regimes
von: Gothi, Akshar
Veröffentlicht: (2025)

Explainability of Point Cloud Neural Networks Using SMILE: Statistical Model-Agnostic Interpretability with Local Explanations
von: Ahmadi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

Concept-Guided Interpretability via Neural Chunking
von: Wu, Shuchen, et al.
Veröffentlicht: (2025)

Deep Convolutional Architectures for EEG Classification: A Comparative Study with Temporal Augmentation and Confidence-Based Voting
von: Patodiya, Aryan, et al.
Veröffentlicht: (2026)

Kolmogorov-Arnold Convolutions: Design Principles and Empirical Studies
von: Drokin, Ivan
Veröffentlicht: (2024)

Automatic Image Colorization with Convolutional Neural Networks and Generative Adversarial Networks
von: Qiu, Changyuan, et al.
Veröffentlicht: (2025)

Social-IWSTCNN: A Social Interaction-Weighted Spatio-Temporal Convolutional Neural Network for Pedestrian Trajectory Prediction in Urban Traffic Scenarios
von: Zhang, Chi, et al.
Veröffentlicht: (2021)

Biological Plausibility and Representational Alignment of Feedback Alignment in Convolutional Networks
von: Lance, Jake, et al.
Veröffentlicht: (2026)

Building Optimal Neural Architectures using Interpretable Knowledge
von: Mills, Keith G., et al.
Veröffentlicht: (2024)

On the Shift Invariance of Max Pooling Feature Maps in Convolutional Neural Networks
von: Leterme, Hubert, et al.
Veröffentlicht: (2022)

Verification of Neural Networks against Convolutional Perturbations via Parameterised Kernels
von: Brückner, Benedikt, et al.
Veröffentlicht: (2024)

Boosting Defect Detection in Manufacturing using Tensor Convolutional Neural Networks
von: Martin-Ramiro, Pablo, et al.
Veröffentlicht: (2023)

Interpretation of Neural Networks is Susceptible to Universal Adversarial Perturbations
von: Oskouie, Haniyeh Ehsani, et al.
Veröffentlicht: (2022)

KernelWarehouse: Rethinking the Design of Dynamic Convolution
von: Li, Chao, et al.
Veröffentlicht: (2024)

The Kalman Evolve: Closing the Gap in Kalman Filtering via Interpretable Algorithm Discovery
von: Saketos, Vasileios, et al.
Veröffentlicht: (2026)

Beyond Grid Data: Exploring Graph Neural Networks for Earth Observation
von: Zhao, Shan, et al.
Veröffentlicht: (2024)

A Deep Convolutional Neural Network-Based Novel Class Balancing for Imbalance Data Segmentation
von: Kalsoom, Atifa, et al.
Veröffentlicht: (2025)