Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Wykrywanie oszustw związanych z kartami kredytowymi pozostaje poważnym wyzwaniem ze względu na rosnącą złożoność oszukańczych zachowań i poważną nierównowagę klas w danych transakcyjnych. Niniejsze badanie przedstawia hybrydowe podejście do głębokiego uczenia się, które łączy trzy zaawansowane modele - sztuczną sieć neuronową (ANN) wzbogaconą o normalizację wsadową i porzucanie, wraz z architekturami VGG16 i VGG19 - w celu zwiększenia dokładności i niezawodności wykrywania. System rozpoczyna się od obszernego wstępnego przetwarzania danych, w tym standardowego skalowania w celu normalizacji, techniki syntetycznego nadpróbkowania mniejszości (SMOTE) w celu zrównoważenia rozkładu klas oraz analizy głównych składowych (PCA) w celu zmniejszenia wymiarowości.