Show simple item record

Modelo de detección de fraude basado en el descubrimiento simbólico de reglas de clasificación extraídas de una red neuronal / Fraud detection model based on the discovery symbolic classification rules extracted from a neural network

dc.contributorLeón Guzmán, Elizabeth (Thesis advisor)
dc.creatorSantamaría Ruíz, Wilfredy
dc.date.accessioned2019-06-24T16:26:17Z
dc.date.available2019-06-24T16:26:17Z
dc.date.created2010
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/6851
dc.descriptionEl presente proyecto presenta un modelo de detección de fraude empleando técnicas de minería de datos tales como redes neuronales y extracción simbólica de reglas de clasificación a partir de la red neuronal entrenada. La propuesta de este modelo surge del interés de diseñar y desarrollar una herramienta de detección de fraude, con el fin de ayudar a los expertos del negocio a examinar y verificar más fácilmente los resultados obtenidos para apoyar la toma de decisiones. Se eligen las técnicas relacionadas anteriormente, dado su buen desempeño de clasificación y robustez al ruido. El modelo propuesto se probó sobre un conjunto de datos de una organización colombiana para el envío y pago de remesas, con el fin de identificar patrones ligados a la detección de fraude. De igual forma los resultados de las técnicas utilizadas en el modelo, se compararon con otras técnicas de minera como los árboles de decisión, para ello un prototipo de software se desarrollo para probar el modelo, el cual fue integrado a la herramienta de RapidMiner, que puede ser usado como una herramienta de software académico. / Abstract. This project presents a fraud detection model using data mining techniques such as neural networks and extracting symbolic rules from training artificial neural networks. The proposal of this model arises from the interest of designing and developing a fraud detection tool, in order to help business experts to more easily examine and verify the results for decision making. Related techniques are chosen above, given its good performance of classification and robustness to noise. The proposed model was tested on a set of data from a Colombian organization for sending and remittance payments, in order to identify patterns associated with fraud detection. Similarly the results of the techniques used in the model were compared with other mining techniques such as decision trees, for that purpose a software prototype was developed to test the model, which was integrated into RapidMiner tool that can be used as a tool for academic software.
dc.formatapplication/pdf
dc.relation.ispartofUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e Industrial
dc.relation.ispartofDepartamento de Ingeniería de Sistemas e Industrial
dc.subjectDetección de fraude
dc.subjectTécnicas de minería de datos
dc.subjectRedes neuronales
dc.subjectDescubrimiento simbólico de reglas
dc.subjectExpertos
dc.subjectFraud detection
dc.subjectData mining techniques
dc.subjectNeural network
dc.subjectExtracting symbolic rules
dc.subjectExperts business
dc.subject.ddc0 Generalidades / Computer science, information and general works
dc.subject.ddc62 Ingeniería y operaciones afines / Engineering
dc.titleModelo de detección de fraude basado en el descubrimiento simbólico de reglas de clasificación extraídas de una red neuronal / Fraud detection model based on the discovery symbolic classification rules extracted from a neural network
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.spaTesis/trabajos de grado - Thesis
dc.type.hasversioninfo:eu-repo/semantics/draft
dc.coverage.modalityMaestría
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.identifier.bibliographicCitationSantamaría Ruíz, Wilfredy (2010) Modelo de detección de fraude basado en el descubrimiento simbólico de reglas de clasificación extraídas de una red neuronal / Fraud detection model based on the discovery symbolic classification rules extracted from a neural network. Maestría thesis, Universidad Nacional de Colombia.
dc.identifier.eprintshttp://bdigital.unal.edu.co/3086/


Files in this item

Thumbnail
Name:
299742.2010.pdf
Size:
3.189Mb
Format:
PDF
Download

This item appears in the following Collection(s)

Show simple item record