Метод оцінювання ризиків транзакцій на основі нейронних мереж
| dc.contributor.advisor | Антонюк, Андрій Іванович | |
| dc.contributor.author | Русінов, Володимир Володимирович | |
| dc.date.accessioned | 2021-06-08T10:48:32Z | |
| dc.date.available | 2021-06-08T10:48:32Z | |
| dc.date.issued | 2021-05 | |
| dc.description.abstracten | The dissertation is devoted to the development and research of neural networks for evaluating the risk of transactions. The paper presents a model based on neural networks using bank dataset that allows making predictions about potential risk with high accuracy and the ability to relearn. The process of neural network training is analyzed using different hyperparameters on systems with different architectures. Structure and scope of master's thesis: master's thesis is presented on 103 pages, consists of introduction, 4 sections, conclusion, contains 49 figures, 10 tables, 42 formulas, a bibliography of 59 titles. Relevance of work. To date, there is a number of works that involve models based on neural networks for solving the task of financial security, including fraud detection. Neural networks and deep learning have gained widespread popularity in recent years due to significant improvements in computing capabilities. Deep learning allows to effectively perform detailed data analysis and to develop models to find dependencies that specialists in said sphere may not see. The problem of transaction risk prediction using models based on financial data remains unsolved. The use of neural networks has shown high accuracy in various tasks, including the financial sector. In addition, before processing the data, dataset can be anonymized to protect the participants of the transaction without increasing loss during training. Purpose of work: to increase the accuracy of establishing the risk of transactions through the use of neural networks. Research tasks: 1. Perform an analysis of machine learning methods. Analyze modern methods based on machine learning to solve similar problems and analyze the possibility of their use. 2. Analyze the means and methods of creating neural networks, its structure and parameters. Explore possible ways to develop a more accurate model. 3. Investigate the technology of creating neural networks, languages and libraries for writing program code. 4. Analyze the dataset and make the necessary modifications to the dataset. Experimentally find the best parameters of the model based on neural networks. Make a temporal analysis of neural network learning. Object of research: artificial neural networks. Subject of research: methods of establishing transaction risk based on the financial data of transaction participants using neural networks of direct distribution. Research methods: methods of statistical data processing, theory of artificial neural networks. | uk |
| dc.description.abstractru | 004 | uk |
| dc.description.abstractuk | Дисертація присвячена розробці та дослідженню нейронних мереж для оцінювання ризику транзакцій. Представлена модель на основі нейронних мереж з використанням банківських даних дозволяє з високою точністю та можливістю повторного навчання робити припущення щодо можливого ризику. Процес навчання нейронної мережі було проаналізовано з різними гіперпараметрами та досліджено на системах з різною архітектурою. Структура i обсяг роботи: магістерська дисертація викладена на 103 cторiнкаx, складається зі вступу, 4 розділів, висновку, містить 49 рисунків, 10 таблиць, 42 формули, список використаних джерел із 59. Актуальність роботи. На сьогоднішній день існує низка робіт в яких розглядаються моделі на основі нейронних мереж для вирішення задач фінансової безпеки, зокрема виявлення шахрайства. Нейронні мережі та глибинне навчання набуло широкої популярності за останні роки через значне покращення можливостей обчислювальної техніки. Глибинне навчання дозволяє ефективно робити детальний аналіз даних та розробляти моделі для пошуку залежностей, які може не побачити навіть фахівець з області застосування. Невирішеним залишається задача предикції ризику транзакцій, використовуючи модель навчену на основі фінансових даних. Використання нейронних мереж показало високі показники точності у різних задачах, зокрема фінансової сфери. Окрім цього, перед обробкою даних, набір даних можна анонімізувати для захисту учасників транзакції, при цьому без втрат при навчанні. Мета роботи: підвищення точності встановлення ризику транзакцій шляхом використання нейронних мереж. Завдання досліджень: 1. Виконати аналіз методів машинного навчання. Проаналізувати сучасні методи на основі машинного навчання для вирішення схожих задач та зробити аналіз щодо можливості їх використання. 2. Проаналізувати засоби та методи створення нейронних мереж, її структури та параметрів. Дослідити можливі шляхи для розробки більш точної моделі. 3. Дослідити технології створення нейронних мереж, мови та бібліотеки написання коду програми. 4. Зробити аналіз набору даних та зробити необхідні модифікації набору даних. Експериментальним шляхом знайти найкращі параметри моделі на основі нейронних мереж. Зробити часовий аналіз навчання нейронної мережі. Об’єкт дослідження: штучні нейронні мережі. Предмет дослідження: методи встановлення ризику транзакції на основі фінансових даних учасників транзакції з використанням нейронних мереж прямого поширення. Методи дослідження: методи статистичного опрацювання даних, теорія штучних нейронних мереж. Наукова новизна одержаних результатів: В ході розробки методу було застосовано технології машинного навчання, а саме нейронні мережі прямого поширення для вирішення задачі оцінки ризику транзакцій, використовуючи фінансові дані учасників минулих транзакцій. | uk |
| dc.format.page | 103 с. | uk |
| dc.identifier.citation | Русінов, В. В. Метод оцінювання ризиків транзакцій на основі нейронних мереж : магістерська дис. : 123 Комп’ютерна інженерія / Русінов Володимир Володимирович. – Київ, 2021. – 103 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/41389 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | штучні нейронні мережі | uk |
| dc.subject | ризик транзакцій | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | статистична модель | uk |
| dc.subject | machine learning | uk |
| dc.subject | statistical model | uk |
| dc.subject | artificial neural networks | uk |
| dc.subject | transaction risk | uk |
| dc.title | Метод оцінювання ризиків транзакцій на основі нейронних мереж | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Ескіз недоступний
- Назва:
- Rusinov_magistr.docx
- Розмір:
- 5.03 MB
- Формат:
- Microsoft Word XML
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.01 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: