presentacion redes neuronales maria nava 27315458

1. Redes Neuronales
Maria Nava
27.315.458

2. Las redes neuronales artificiales son un
modelo inspirado en el funcionamiento
del cerebro humano. Esta formado por
un conjunto de nodos conocidos como
neuronas artificiales que están
conectadas y transmiten señales entre sí.
Estas señales se transmiten desde la
entrada hasta generar una salida.
¿Que son las redes neuronales?

3. ¿Cuál es el objetivo de las redes
neuronales?
El objetivo principal de este modelo es
aprender modificándose automáticamente
a si mismo de forma que puede llegar a
realizar tareas complejas que no podrían
ser realizadas mediante la clásica
programación basada en reglas. De esta
forma se pueden automatizar funciones
que en un principio solo podrían ser
realizadas por personas

4. Redes monocapa: Me
establecen conexiones
laterales entre las
neuronas que pertenecen a
la unica capa que
pertenece a la red.
Clasificacion de las redes neoronales
Redes multicapa:
Disponen de las neuronas
agrupadas en varios
niveles.

5. Propuesta
REDES NEURONALES
APLICADAS AL FRAUDE EN
TELEFONÍA CELULAR

6. Las Redes Neuronales Artificiales son redes
interconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) y con
organización jerárquica, las cuales intentan
interactuar con los objetos del mundo real del mismo
modo que lo hace el sistema nervioso biológico
[Kohonen 1988].
La compleja operación de las redes neuronales es el
resultado de abundantes lazos de realimentación
junto con no linealidades de los elementos de
proceso y cambios adaptativos de sus parámetros,
que pueden definir incluso fenómenos dinámicos muy
complicados [Hilera González & Martínez Hernando..

7. Debido a su constitución y a sus fundamentos, las redes
neuronales artificiales presentan un gran número de
características semejantes a las del cerebro. Por ejemplo, son
capaces de aprender de la experiencia, de generalizar de casos
anteriores a nuevos casos, de abstraer características esenciales
a partir de entradas que representan información irrelevante.
Las ventajas ofrecidas por las mismas son: Aprendizaje
adaptativo. Capacidad de aprender a realizar tareas basadas en
un entrenamiento o una experiencia inicial. Auto-organización.
Una red neuronal puede crear su propia organización o
representación de la información que recibe mediante una etapa
de aprendizaje. Tolerancia a fallos.
La destrucción parcial de una red conduce a una degradación de
su estructura; sin embargo algunas capacidades de la red se
pueden retener, incluso sufriendo un gran daño. Operación en
tiempo real. Los computadores neuronales pueden realizados en
paralelo, y se diseñan y fabrican máquinas con hardware
especial para obtener esta capacidad.

8. Los Toll Tickets (TT) son registros de datos que contienen
detalles referidos a una llamada celular que se está intentando
realizar.
Los Toll Tickets son transmitidos hacia el operador de la red a
través de las celdas o switches con los que el teléfono celular se
estaba comunicando en un determinado momento. Además de
proporcionar la información necesaria para poder facturarle al
cliente el consumo, los Toll Tickets contienen mucha
información que puede servir para detectar uso fraudulento.
Los sistemas existentes de detección de fraude intentan
consultar secuencia de Toll Tickets comparando alguna función
de los campos con criterios fijos conocidos como Triggers. Un
trigger, si es activado, envía una alarma que lleva a la
investigación por parte de los analistas de fraude.
Estos sistemas realizan lo que se conoce como Análisis
absoluto de Toll Tickets y son buenos para detectar los extremos
de la actividad fraudulenta.

9. En cambio, para realizar un análisis diferencial,
se monitorean patrones de comportamiento del
teléfono celular comparando sus más recientes
actividades con la historia de uso del mismo.
Un cambio en el patrón de comportamiento es
una característica sospechosa de ser un
escenario fraudulento.
En este contexto, el propósito de este proyecto
es estudiar un método de análisis diferencial
para la detección de fraude utilizando redes
neuronales artificiales y determinar si puede
ser eficiente su uso.

10. Gracias