David Hirnschall

新的GANs框架通过不确定性感知增强信用卡欺诈检测能力

研究人员开发了一种新的半监督深度学习框架，用于信用卡欺诈检测，解决了大数据集和不规则交易数据的挑战。该系统集成了生成对抗网络（GANs）进行数据增强，贝叶斯推理进行不确定性量化，以及对数签名进行鲁棒特征编码。在BankSim数据集上进行评估，该方法在基准测试中表现出改进的性能，特别是在标记数据有限的情况下，突显了不确定性感知预测在金融时间序列分类中的价值。