Andere Kunden interessierten sich auch für
![ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS]( "ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS")
ESTADO DA ARTE NA DETECÇÃO DE ROSTOS : MÉTODOS E ALGORITMOS33,99 €![Aprendizagem automática]( "Aprendizagem automática")
Aprendizagem automática53,99 €![Explorar as tecnologias de computação sem fios]( "Explorar as tecnologias de computação sem fios")
Explorar as tecnologias de computação sem fios46,99 €![Aquisição de arroz com base nas TIC]( "Aquisição de arroz com base nas TIC")
Aquisição de arroz com base nas TIC56,99 €![Cache e balanceamento de carga em sistemas de objetos baseados em middleware]( "Cache e balanceamento de carga em sistemas de objetos baseados em middleware")
Cache e balanceamento de carga em sistemas de objetos baseados em middleware44,99 €![Computação suave]( "Computação suave")
Computação suave40,99 €![Análise da viabilidade da tecnologia sem fios 4G na saúde móvel omnipresente]( "Análise da viabilidade da tecnologia sem fios 4G na saúde móvel omnipresente")
Análise da viabilidade da tecnologia sem fios 4G na saúde móvel omnipresente27,99 €
À medida que as instituições financeiras em todo o mundo avançam em direção a uma economia sem dinheiro físico, aumentando o poder de compra dos cidadãos e reduzindo os altos custos do manuseio de dinheiro, o uso de cartões de crédito é de grande necessidade para esse fim. Portanto, com esse novo impulso para uma economia sem dinheiro físico, haverá um aumento significativo no uso de cartões de crédito e também nas atividades fraudulentas associadas a eles. Este trabalho serve como uma medida proativa na deteção de atividades fraudulentas relacionadas com cartões de crédito. O estudo apresenta um modelo hierárquico baseado em memória temporal que pode detetar transações fraudulentas realizadas com o uso de cartões de crédito. Uma nova abordagem em aprendizagem automática, conhecida como Algoritmo de Aprendizagem Cortical, foi adotada para construir o modelo de deteção de fraudes com cartões de crédito. O algoritmo trabalhou com os dados de cartões de crédito obtidos do Repositório UCI, converteu os dados altamente populosos em uma representação esparsa e, em seguida, usou suas colunas de aprendizagem para aprender padrões espaciais. A metodologia de Análise e Design Orientada a Objetos foi usada neste trabalho e implementada usando a linguagem de programação Java. O modelo resultante realizou aprendizagem online e registrou alta porcentagem de precisão.