Beschrijving
Wykrywanie oszustw zwi¿zanych z kartami kredytowymi pozostaje powänym wyzwaniem ze wzgl¿du na rosn¿c¿ z¿o¿ono¿¿ oszukäczych zachowä i powän¿ nierównowag¿ klas w danych transakcyjnych. Niniejsze badanie przedstawia hybrydowe podej¿cie do g¿¿bokiego uczenia si¿, które ¿¿czy trzy zaawansowane modele – sztuczn¿ sie¿ neuronow¿ (ANN) wzbogacon¿ o normalizacj¿ wsadow¿ i porzucanie, wraz z architekturami VGG16 i VGG19 – w celu zwi¿kszenia dok¿adno¿ci i niezawodno¿ci wykrywania. System rozpoczyna si¿ od obszernego wst¿pnego przetwarzania danych, w tym standardowego skalowania w celu normalizacji, techniki syntetycznego nadpróbkowania mniejszo¿ci (SMOTE) w celu zrównowäenia rozk¿adu klas oraz analizy g¿ównych sk¿adowych (PCA) w celu zmniejszenia wymiarowo¿ci.
