A deteção de fraudes com cartões de crédito continua a ser um desafio significativo devido à crescente complexidade do comportamento fraudulento e ao grave desequilíbrio de classes nos dados das transacções. Este estudo apresenta uma abordagem híbrida de aprendizagem profunda que combina três modelos avançados - uma Rede Neuronal Artificial (RNA) melhorada com Normalização de Lote e Dropout, juntamente com as arquitecturas VGG16 e VGG19 - para melhorar a precisão e a fiabilidade da deteção. O sistema começa com um pré-processamento extensivo dos dados, incluindo o escalonamento padrão para normalização, a técnica de sobreamostragem de minorias sintéticas (SMOTE) para equilibrar a distribuição de classes e a análise de componentes principais (PCA) para redução da dimensionalidade.
Prijshistorie
* Prijshistorie bevat geen data van Amazon, Amazon Marketplace.
Prijzen voor het laatst bijgewerkt op: