Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INDICE
INDICE
1
1.
INTRODUCCION...................................................................................................
...........................2
1.1.QU SON LAS REDES
NEURONALES?....................................................................................2
1.2.
FUNCIONAMIENTO
.2
1.3 DISEO Y PROGRAMACIN DE UNA RNA (RED NEURONAL ARTIFICIAL).
.3
1.4.
ESTRUCTURA
4
1.5.VENTAJAS
4
2.TOPOLOGIA DE LAS
RNA..................................................................................................................5
2.1MODELOS...................................................................................................................
................5
2.2.TOPOLOGIA
..5
2.3
APRENDIZAJE
6
2.4.TIPO DE
ENTRADA
.6
2.5.APLICACIONES
..6
3.PLANTEAMIENTO DEL
PROBLEMA.........................................................................................................
7
3.1. OBSERVACION DEL
PROBLEMA............................................................................................7
3.2.IDENTIFICACION DEL
PROBLEMA.....8
3.3. SELECCIN DEL
PROBLEMA..8
3.4. PRESENTACIN DEL
PROBLEMA...9
3.4.1.QUIN
TIENE
EL
PROBLEMA?................................................................9
3.4.2.QU
EST
SUCEDIENDO
EN
EL
MOMENTO
DE
LA
INVESTIGACIN?.........9
3.4.3.CMO
EST
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
SUCEDIENDO?..................................................................9
3.4.4.CUNDO
EST
SUCEDIENDO?..............................................................9
3.4.5.POR
QU
EST
SUCEDIENDO?............................................................10
3.4.6.QU
SUCEDER
SI
EL
PROBLEMA
NO
SE
SOLUCIONA?.........................10
3.4.7.COMO
SOLUCIONAR
LA
PROBLEMTICA?...........................................10
3.5. FORMULACIN DEL
PROBLEMA
10
3.5.1. OBJETIVO DE ESTUDIO........................................................10
3.5.2.CAMPO
DE
ACCIN.........10
GLOSARIO DE TERMINOS DEL
TEMA11
BIBLIOGRAFA
....14
1. INTRODUCCION
1.1. QU SON LAS REDES NEURONALES?
Las redes de neuronas artificiales (denominadas habitualmente como RNA
o en ingls como: "ANN"[] ) son un paradigma de aprendizaje y procesamiento
automtico inspirado en la forma en que funciona el sistema nervioso de los
animales. Se trata de un sistema de interconexin de neuronas en una red
que colabora para producir un estmulo de salida. En inteligencia artificial es
frecuente referirse a ellas como redes de neuronas o redes neuronales.
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
1.2. FUNCIONAMIENTO
Las redes neuronales consisten en una simulacin de las propiedades
observadas en los sistemas neuronales biolgicos a travs de modelos
matemticos recreados mediante mecanismos artificiales (como un circuito
integrado, un ordenador o un conjunto de vlvulas). El objetivo es conseguir
que las mquinas den respuestas similares a las que es capaz de dar el
cerebro que se caracterizan por su generalizacin y su robustez.
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
1.4. ESTRUCTURA
La mayora de los cientficos coinciden en que una RNA es muy diferente en
trminos de estructura de un cerebro animal. Al igual que el cerebro, una RNA
se compone de un conjunto masivamente paralelo de unidades de proceso
muy simples y es en las conexiones entre estas unidades donde reside la
inteligencia de la red. Sin embargo, en trminos de escala, un cerebro es
muchsimo mayor que cualquier RNA creada hasta la actualidad, y las
neuronas artificiales tambin son ms simples que su contrapartida animal.
UNIVERSIDAD AUTONOMA TOMAS FRAS | DOCENTE: M.SC. LIC ANNY MERCADO
ALGARAAZ
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
2.1. MODELOS
Existe una serie de modelos que aparecen en la mayora de estudios
acadmicos y la bibliografa especializada.
Perceptrn
Adaline
Perceptrn multicapa
Memorias asociativas
Mquina de Boltzmann
Mquina de Cauchy
Redes de Elman
Redes de Hopfield
Red de contrapropagacin
2.3. APRENDIZAJE
UNIVERSIDAD AUTONOMA TOMAS FRAS | DOCENTE: M.SC. LIC ANNY MERCADO
ALGARAAZ
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
Una segunda clasificacin que se suele hacer es en funcin del tipo de
aprendizaje de que es capaz (si necesita o no un conjunto de entrenamiento
supervisado). Para cada tipo de aprendizaje encontramos varios modelos
propuestos por diferentes autores:
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
(un problema para el que no se conoce solucin algortmica de complejidad
polinmica).
Otro tipo especial de redes neuronales artificiales se ha aplicado en
conjuncin con los algoritmos genticos (AG) para crear controladores para
robots. La disciplina que trata la evolucin de redes neuronales mediante
algoritmos genticos se denomina Robtica Evolutiva. En este tipo de
aplicacin el genoma del AG lo constituyen los parmetros de la red
(topologa, algoritmo de aprendizaje, funciones de activacin, etc.) y la
adecuacin de la red viene dada por la adecuacin del comportamiento
exhibido por el robot controlado (normalmente una simulacin de dicho
comportamiento).
3. PLANTEMIENTO DEL PROBLEMA
3.1 OBSERVACION DEL PROBLEMA
actos
fraudulentos.
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
tecnologas ya existentes para el beneficio de la humanidad, lo cual resulta de
forma perjudicial para la gente que es la que usa esta tecnologa por la
necesidad de mantenerse comunicada esto gracias a la globalizacin.
registros
tambin
pueden
ser
usados
para
detectar
actividad
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
procesando una cantidad de CDRs recientes y comparando una funcin de
los diferentes campos tales como IMSI (International Mobile Subscriber
Identity, que identifica unvocamente un usuario en una red de telefona
celular), fecha de la llamada, hora de la llamada, duracin, tipo de llamada
con un cierto criterio determinado [Moreau & Preneel, 1997]. Si esta funcin
devuelve un valor que se considera fuera de los lmites normales, se activa
una alarma, que debe ser tomada en cuenta por los analistas de fraude para
constatar si realmente hubo o no actividad de mala fe.
Para poder procesar estos CDRs es necesario realizar previamente un proceso
conocido en telecomunicaciones como mediacin, en el cual se lee la
informacin con el formato de registro en el que vienen los CDRs (el mismo
puede ser de longitud variable dependiendo del tipo de llamada y del
proveedor del switch) y se codifica en un nuevo formato de registro
entendible por el sistema de fraude en este caso.
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
3.4.2.Qu est sucediendo en el momento de la investigacin?
pues
los
fraudes
tambin
avanzan
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
PERFIL DE TESIS
DETECCIN DE FRAUDE DE TELEFONIA CELULAR EN BASE A REDES
NEURONALES
Univ. Christian Giovanni Choque Puita
BIBLIOGRAFA
Red neuronal artificial Wikipedia, enciclopedia Libre.
Deteccin de Fraudes de telefona celular usando
redes