طراحی مدل هوشمند تشخیص تقلب در کارت های اعتباری با استفاده از الگوریتم عصبی فازی ANFIS

Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 658

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

COMCO05_127

تاریخ نمایه سازی: 24 شهریور 1398

Abstract:

در دنیای امروز یکی از تصمیمات ضروری برای بانک ها، نحوه عملیاتی کردن مدلهای شناسایی تقلب است. ییشنهاد سیاستی این است که بانک ها باید تصمیم بگیرند که مدل شناسایی تقلب را برخط استفاده کنند. لذا، الگوریتمی سریع تر و دقیق تر نسبت به الگوریتم های پیشین در این زمینه مورد نیاز است. تاکنون در سیستم بانکی کشور ساز و کار و برنامه جامعی برای شناسایی و جلوگیری از تقلب های مربوط به تراکنش های مبتنی بر کارت وجود نداشته است، در صورتی که یکی از وظایف مهم بانک ها نظارت بر صحت تراکنش های بانکی، حفظ مشتریان و کاهش ریسک بانکی است. از این رو ایجاد و ییاده سازی سیستمی توسط بانک ها به منظور شناسایی تقلب کارت های بانکی ضروری است. در این مقاله به طراحی مدل هوشمند تشخیص تقلب در کارت های اعتباری با استفاده از روش شبکه عصبی-فازی ANFIS پراخته شده است. در این راستا سعی شده است به منظور افزایش سرعت و بالابردن دقت تشخیص، از روش ترکیبی الگوریتم شبکه عصبی فازی ANFIS برای تشخیص بیماری در شرایط غیر قابل پیشگویی پرداخته شود. در نهایت مدل هوشمند ANFIS برای تشخیص تقلب در کارت های اعتباری طراحی گردید تا مدیران با توجه به شرایط موجود قدرت تصمیم گیری مطمئن تری داشته باشند. سیستم هوشمندطراحی شده بر مبنای شرایط جاری داده های بانک (متغیرهای ورودی شامل 8 متغیر مستقلی است که در تعیین رفتار دارنده کارت نقش دارند. برای متغیر خروجی در سیستم نیز یک پارامتر تعیین شده است. 8 متغر ورودی را فیلدهای اطلاعاتی منتخب از میان تمامی فیلدهای مربوط به تراکنش های ثبت شده در سیستم بانکی تشکیل می دهند.) که در ستون های اول تا هشتم شکل تعیین می شوند، محاسبات لازم را انجام داده و تقلب یا عدم تقلب در کارت های اعتباری به عنوان خروجی سیستم هوشمند تعیین می گردد. استنتاج فازی هوشمند ارائه شده قادر است تا با دقت مطلوب، میزان احتمال تقلب در کارت های اعتباری را محاسبه و به مدیران سازمان اعلام کند. این سیستم قابلیت یادگیری مداوم بر اساس داده های جدید را خواهد داشت.

Authors

صادق کریمیان

دانشگاه آزاد مجلسی

علیرضا نوروزی

دانشگاه آزاد مجلسی