Métodos de otimização aplicados a redes neurais para detecção de anomalias em transações com cartão de crédito

• Processo: 19/13420-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2019
• Data de Término da vigência: 31 de agosto de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Luis Felipe Cesar da Rocha Bueno
• Beneficiário: Frederico José Ribeiro Pelogia
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Vinculado ao auxílio: 18/24293-0 - Métodos computacionais de otimização, AP.TEM
• Assunto(s): Redes neurais (computação) Otimização Aprendizagem profunda Algoritmos numéricos Política de crédito Bases de dados Fraude Transação
• Palavra(s)-Chave do Pesquisador: Deep Learning | Deteção de anomailias | Deteção de fraude em cartão de crédito | métodos estocásticos | otimização | Redes neurais | Otimização

Resumo

Neste projeto pretende-se estudar métodos de otimização, em especial algoritmos estocásticos, aplicados ao treinamento de redes neurais. Em um trabalho recente proposto por L. F. Bueno eJ. M. Martínez, On the complexity of solving feasibility problems, 2018, foi apresentado um algoritmo de primeira ordem com bons resultados de complexidade para problemas de quadradosm minimos.Um dos principais pontos da pesquisa deste projeto será desenvolver uma versão estocástica desse algoritmo. Serão analisados os desempenhos dos algoritmos estudados quando aplicados à detecção de fraudes em operações de cartão de crédito utilizando a base de dados Credit Card Fraud Detectiondo Kaggle.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BORTOLETE, J. C.; BUENO, L. F.; BUTKERAITES, R.; CHAVES, A. A.; COLLACO, G.; MAGUETA, M.; PELOGIA, F. J. R.; SALLES NETO, L. L.; SANTOS, T. S.; SILVA, T. S.; et al. A support tool for planning classrooms considering social distancing between students. COMPUTATIONAL & APPLIED MATHEMATICS, v. 41, n. 1, FEB 2022. (16/01860-1, 19/13420-4, 18/24293-0, 13/07375-0)