وتستكشف هذه الدراسة الإفرادية عملية تصميم شبكة عصبية تهدف إلى كشف المعاملات الاحتيالية، وتشمل الخطوات الأساسية، بما في ذلك إعداد البيانات، وهيكل الشبكة، والحسابات العملية التي تنطوي على تدريب النموذج.

إعداد البيانات والمدخلات

ويعتمد الكشف الفعال عن الاحتيال على اختيار الملامح ذات الصلة من بيانات المعاملات، وتشمل السمات المشتركة كمية المعاملات، والموقع، والزمن، وأنماط سلوك المستعملين، ويكفل تطبيع البيانات أن تكون السمات على نطاقات قابلة للمقارنة، ويحسن الأداء النموذجي.

بنية الشبكة العصبية

وتتألف الشبكة عادة من طبقة مدخلات، وطبقة أو أكثر من طبقات الخفية، وطبقة إنتاجية، وقد يشمل هيكل مشترك، فيما يتعلق بكشف الاحتيال، ما يلي:

  • طبقة المدخلات مع مستويات تعادل عدد الملامح
  • طبقة مخبأة مع 16 و 8 أعصاب على التوالي
  • طبقة الناتج مع خلية عصبية واحدة للتصنيف الثنائي

الحسابات العملية في مجال التدريب

وتشمل الحسابات تحديد الأوزان والتحيزات ووظائف التنشيط، مثلاً أثناء النشر الأمامي، كل مقارنات عصبية:

Weighted sum:] (z = sum i} w i + b)

(ث) حيث تكون (ث) وزناً، (x-i) سمات المدخلات، (ب) هي التحيز، وتطبق وظائف التنشيط مثل الهيمنة أو وحدة التلقيم والتبادل على الأخذ بعدم الترميز.

ويعدل الإفراط في الإنتاج الأوزان استنادا إلى الخطأ المحسوب في الناتج، ويستخدم الخطأ المربع أو المتداخل الثنائي كوظيفة الخسارة، مع التحوط الأمثل للوزنات.

خاتمة

ويشمل بناء شبكة عصبية للكشف عن الغش اختيار سمات دقيقة، وتصميم هيكل مناسب، وإجراء حسابات مفصلة أثناء التدريب، ويعزز الفهم العملي لهذه الخطوات فعالية النموذج في تطبيقات العالم الحقيقي.