Random Forests com Redes Neurais Artificiais Perceptron Empregadas em Detecção de Fraudes

• Processo: 17/02859-0
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2017
• Data de Término da vigência: 31 de julho de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Luciano Carli Moreira de Andrade
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Árvores de Decisão | Detecção de fraude | Random Forests | Redes Neurais Artificiais | Aprendizado de maquina/Mineração de dados/Ensembles de classificadores

Resumo

As Random Forests são uma coleção de Árvores de Decisão que foram geradas, cada uma de forma ligeiramente distinta, usando um conjunto aleatório de dados. Árvores de Decisão são uma maneira de se guiar por um caminho até uma decisão, que pode ser simples ou pode ser uma decisão complexa de muitos valores. Árvores de Decisão são estruturas hierarquicamente ramificadas e guiam a tomada de decisão com base em questões feitas em uma sequência particular. Elas são uma das técnicas de classificação mais utilizadas, por serem muito eficientes e fáceis de se entender e se usar. Sua precisão de classificação é competitiva em comparação com outros métodos. As Árvores de Decisão podem gerar confiabilidade a partir de algumas instâncias de teste que podem então ser aplicadas a uma ampla população. Essas características podem ser aliadas às das Redes Neurais Artificiais (RNAs), como habilidades de adaptação, aprendizagem e generalização, permitindo que elas possam lidar com dados imprecisos e situações não totalmente definidas. A proposta desse projeto é investigar o uso de Random Forests combinadas com RNAs para detecção de fraudes. A fim de se se proteger as organizações de práticas abusivas e atividades criminosas é necessário se combater as fraudes. O apoio da tecnologia da informação é essencial e técnicas e sistemas de detecção de fraude eletrônica são desenvolvidos em várias indústrias. No setor de seguros, telecomunicações e financeiro, particularmente a indústria de cartão de crédito, a detecção de fraude é um aspecto vital. As características de apoio a tomada de decisão das Random Forests aliadas às características de aprendizagem e generalização das RNAs podem permitir se identificar fraudes, atenuando os impactos financeiros que causam enormes prejuízos e colocam em risco a saúde financeira e o bem estar de seus beneficiários.