الشبكة العصبية الاصطناعية القائمة على الربح (ANN) التي تم تدريبها من خلال تحسين الطيور المهاجرة: دراسة حالة في الكشف عن الاحتيال في بطاقات الائتمان
| العنوان | الشبكة العصبية الاصطناعية القائمة على الربح (ANN) التي تم تدريبها من خلال تحسين الطيور المهاجرة: دراسة حالة في الكشف عن الاحتيال في بطاقات الائتمان |
|---|---|
| المؤلف | Zakaryazad, Ashkan, Duman, Ekrem, Kibekbaev, Azamat |
| تاريخ النشر: | 2015 |
| مكان النشر | - الأكاديمية العالمية للعلوم والهندسة والتكنولوجيا |
| الموضوع | الشبكة العصبية، الشبكة العصبية القائمة على الربح، مجموع الأخطاء المربعة (SSE)، MBO، النسب المتدرج |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 2-s2.0-84969988953 |
| رقم السجل | 256064fb-5586-4bbc-915b-1ec8fce51399 |
| موقع المكتبة | الهندسة الصناعية |
| التاريخ | 2015 |
| ملاحظات | نظرًا لقيود حقوق الطبع والنشر، فإن الوصول إلى النص الكامل لهذه المقالة متاح فقط عبر الاشتراك. |
| نص عينة | تقوم تقنية التصنيف النموذجية بتصنيف الحالات في مجموعة البيانات وفقًا لاحتمالية الانتماء إلى فئة واحدة (إيجابية). يقوم نموذج الكشف عن الاحتيال في بطاقة الائتمان (CC) بتصنيف المعاملات من حيث احتمال كونها احتيالًا. والواقع أن هذا النهج كثيراً ما يتعرض للانتقاد، لأن الشركات لا تهتم باحتمالات الاحتيال، بل تهتم بربحية أو تكلفة اكتشاف المعاملات الاحتيالية. المساهمة الرئيسية في هذه الدراسة هي التركيز على تعظيم الربح في خطوة بناء النموذج. تعمل الشبكة العصبية الاصطناعية المقترحة في هذه الدراسة على أساس تعظيم الربح بدلا من تقليل خطأ التنبؤ. علاوة على ذلك، أظهرت بعض الدراسات أن خوارزمية الانتشار الخلفي، على غرار الخوارزميات الأخرى القائمة على التدرج، عادة ما تكون محاصرة في الأمثلية المحلية والخوارزميات القائمة على السرب أكثر نجاحًا في هذا الصدد. في هذه الدراسة، نقوم بتدريب ANN على تعظيم الربح باستخدام تحسين الطيور المهاجرة (MBO) الذي تم تقديمه في الأدبيات مؤخرًا. |
| Cilt | 2 |
