شبکه عصبی مصنوعی مبتنی بر سود (ANN) آموزش دیده با بهینه سازی پرندگان مهاجر: مطالعه موردی در تشخیص کلاهبرداری کارت اعتباری
| عنوان | شبکه عصبی مصنوعی مبتنی بر سود (ANN) آموزش دیده با بهینه سازی پرندگان مهاجر: مطالعه موردی در تشخیص کلاهبرداری کارت اعتباری |
|---|---|
| نویسنده | زکریزد، اشکان، دامن، اکرم، کبکف، بحران |
| تاریخ انتشار: | 2015 |
| محل انتشار | - آکادمی جهانی علوم، مهندسی و فناوری |
| موضوع | شبکه عصبی، شبکه عصبی مبتنی بر سود، مجموع مربعات خطاها (SSE)، MBO، نزول گرادیان |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 2-s2.0-84969988953 |
| شماره ثبت | 256064fb-5586-4bbc-915b-1ec8fce51399 |
| محل کتابخانه | مهندسی صنایع |
| تاریخ | 2015 |
| یادداشتها | با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است. |
| متن نمونه | یک تکنیک طبقه بندی معمولی، نمونه ها را در یک مجموعه داده بر اساس احتمال تعلق به یک کلاس (مثبت) رتبه بندی می کند. مدل تشخیص تقلب کارت اعتباری (CC) تراکنش ها را از نظر احتمال کلاهبرداری رتبه بندی می کند. در واقع، این رویکرد اغلب مورد انتقاد قرار میگیرد، زیرا شرکتها به احتمال تقلب اهمیت نمیدهند، بلکه به سودآوری یا هزینههای کشف یک معامله متقلبانه اهمیت میدهند. سهم کلیدی در این مطالعه تمرکز بر بیشینه سازی سود در مرحله ساخت مدل است. شبکه عصبی مصنوعی پیشنهادی در این مطالعه به جای به حداقل رساندن خطای پیشبینی، بر اساس حداکثر کردن سود کار میکند. علاوه بر این، برخی مطالعات نشان دادهاند که الگوریتم انتشار برگشتی، مشابه سایر الگوریتمهای مبتنی بر گرادیان، معمولاً در بهینههای محلی به دام میافتد و الگوریتمهای مبتنی بر ازدحام از این نظر موفقتر هستند. در این مطالعه، ما ANN حداکثرسازی سود خود را با استفاده از بهینهسازی پرندگان مهاجر (MBO) که اخیراً به ادبیات معرفی شده است، آموزش میدهیم. |
| Cilt | 2 |
