相关实验视频
Updated: Jun 9, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
一个新的融合神经网络模型和信用卡欺诈身份识别模型
Shan Jiang1,2,3, Xiaofeng Liao2, Yuming Feng1,3
1School of Computer Science and Engineering, Chongqing Three Gorges University, Wanzhou, Chongqing, China.
PloS one
|October 28, 2024
概括
这项研究引入了一种新的融合神经网络,用于识别信用卡欺诈,实现高准确性和F1分数. 该模型在检测欺诈交易方面优于现有的机器学习和深度学习方法.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 信用卡欺诈对金融机构构成重大风险,需要先进的识别模型.
- 现有的欺诈检测方法往往在准确性和效率方面扎.
研究的目的:
- 开发一个高效的信用卡欺诈识别模型.
- 调查影响欺诈识别准确性的因素.
- 提出和评估一种新的融合神经网络模型.
主要方法:
- 构建了一个神经网络模型,层层加深,隐藏层宽度增加.
- 开发了一个融合神经网络,结合了深度和宽度的神经网络.
- 使用随机梯度下降方法训练模型.
主要成果:
- 拟议的融合神经网络模型在测试组中实现了96.44%的准确性和96.17%的F1得分.
- 该模型与传统的机器学习,集体学习和现有的深度学习模型相比,表现出了更高的性能.
- 融合模型表现出高的预测准确度和F1分数.
结论:
- 新型融合神经网络模型对于识别信用卡欺诈是有效的.
- 拟议的方法在现有的欺诈检测技术上提供了显著的改进.
- 这种方法增强了金融机构的风险预防和控制.
