Neuronale netze und betrugserkennung


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Enformatik (Almanca) Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2005

Tezin Dili: Almanca

Öğrenci: FATMA ŞEBNEM AKAL

Danışman: Haludun Akpınar

Özet:

In diesem Beitrag erklärte ich Definition und Arbeitsweise künstliche neuronale Netze und Konzepte für Betrugserkennung . In diesem Arbeit wird die historische Entwicklung von künstliche Neuronale Netze ausführlich gemacht. Arbeitsweise des Eingabe-, Aktivierungs-, Ausgabefunktionen und Lernalgorithmen wird gezeigt. Es hat zwei wesentliche Anwendungsbeispiele gegeben: adaptive Klassifikation mit einer MLP (Multi-Layer Perceptron) und einlagiges lineares Netz des Kohonen-SOMs. So Verwendung einer Anwendung wird dargestellt. Kombination dieser KNN-Algorithmen mit Betrugserkennungs-Methoden ermöglicht guten Ergebnisse der Betrugsaufdeckung von 95% bei 100% Vertrauen in die Entscheidung. Dies bedeutet eine Ersparnis von ca. 17 Mill. Euro pro Jahr. Um diese Algorithmen im laufenden Betrieb einzusetzen, ist basierend auf diesen Ergebnissen ist weitere Arbeit nötig. Dazu muß man transaktionsbegleitende Überwachung eines data warehouse umstrukturiert werden zu online-Algorithmen, die die laufenden Änderungen des Betrugsverhaltens automatisch in einer veränderten Regelbasis und veränderten Diagnosegewichten reflektieren. Bu çalismada Yapay Sinir Aglarinin tanimi ve çalisma sekli ile yapay sinir aglari yöntemleriyle Sahtekarlik Tespit Sistemleri anlatilmistir. Öncelikle Yapay Sinir Aglarinin gelisimi baslangiçtan günümüze degin anlatilmis, türleri ve çalisma prensipleri açiklanmistir. Yapay Sinir Aglari tarafindan kullanilan baslica ögrenme algoritmalari üzerinde durulmustur. Yapay Sinir Aglarinin baslica çalisma sekillerini göstermek üzere Neuro Dimension 5.0'da iki uygulama örnegi gösterilmistir. Bunlardan biri klasifikasyon örnegidir ve MLP (Multi-Layer Perceptron) ile gerçeklestirilmistir. Digeri ise Kohonen tarafindan gelistirilmis olan SOM (Self organized Maps) ile ilgili bir örnektir. Sahtekarlik Tespitinde kullanilan programlarda çogunlukla Yapay Sinir Aglari algoritmalari kullanilmaktadir. Bu kombinasyon çogunlukla %95-100 oraninda bir basari saglamaktadir. Bu da yilda yaklasik 17 Milyon ¤'luk bir tasarruf anlamina gelmektedir , bu da oldukça basarili bir sonuçtur. Bu tür uygulamalari isletmelerde verimli kullanabilmel için uzun süren çalismalar gerekmektedir.