Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://bibdigital.epn.edu.ec/handle/15000/22689
Titel: Modelos estadísticos para la detección de patrones en medio ambiente y finanzas.
Autor(en): Simbaña Guarnizo, Erick Sebastián
Stichwörter: REDES NEURONALES RECURRENTES
TARJETAS DE CRÉDITO
MODELOS ESTADÍSTICOS
CRÉDITO
MATEMÁTICAS
Erscheinungsdatum: Mai-2022
Herausgeber: Quito : EPN, 2022
Zitierform: Simbaña Guarnizo, E.S.(2022). Modelos estadísticos para la detección de patrones en medio ambiente y finanzas. 69 páginas. Quito : EPN.
Zusammenfassung: In this work, some aspects of recurrent neural networks are implemented and studied in the field of detecting fraudulent transactions with credit cards. To do this, it begins with a review of neural networks. Then, the basic concepts of recurrent neural networks are developed and to illustrate it, an introduction to the problem of detecting fraud in credit card transactions is presented. Finally, a model of recurrent neural networks in Python is shown, in which the data treatment procedures are presented; such as the use of Keras’ library for the creation of a model and the results of the problem posed.
Beschreibung: En el presente trabajo se implementa y estudia algunos aspectos de las redes neuronales recurrentes en el ámbito de la detección de transacciones fraudulentas con tarjetas de crédito. Para ello, se comienza con un repaso de redes neuronales. Luego, se desarrollan los conceptos básicos de las redes neuronales recurrentes y para ilustrarlo se presentan una introducción al problema de la detección de fraudes en transacciones con tarjetas de crédito. Finalmente, se muestra un modelo de redes neuronales recurrentes con Keras, en la cual se exhibe los procedimientos de tratamiento de datos, como el uso de librería Keras para la creación de un modelo y los resultados del problema planteado.
URI: http://bibdigital.epn.edu.ec/handle/15000/22689
Art: bachelorThesis
Enthalten in den Sammlungen:TIC - Matemática

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
CD 12173.pdf961,19 kBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.