不平衡權重的人工神經網絡

Question

我一直在閱讀ANN的概念，將其應用於我的項目（信用卡欺詐檢測）。給定一組輸入到網絡上，說：

• A1 - 時間輸入PIN
• A2 - 金額予以撤銷
• A3 - ATM位置
• A4 - 全球行爲（時間&日期，&序列進行交易）

這些輸入中的任何一個偏離「標準」越多，輸入到網絡的權重越大。這就是我的問題，神經網絡如何處理一種情況，即一個輸入的重量A1高，而其他所有重量都很低？

Answer 1

輸入概率密度函數組合形成一個多維概率分佈（通常是在很多維度上的橢球體）。輸入的組合是一個向量，N空間中那個點的概率值告訴你它是真實還是假的可能性。這適用於每個軸，除了一個輸入以外，所有的變量都有顯着的值。如果你所有的輸入都有平滑的高斯概率分佈，那麼你的結果概率分佈是一個超橢圓體，你並不需要一個神經網絡。

用神經網絡獲得經濟的，當你在一個或多個變量中有一個複雜的概率密度，或者如果合併變量創建的概率密度意想不到的功能（孔和凸起）。然後，對大量實際輸入組合和已知結果進行神經網絡訓練，可以知道輸入空間的哪些區域是有趣的，哪些區域是平凡的。同樣，你可能只是自己把它們映射一個大的N維數組具有高分辨率的，如果你有足夠的內存，哪來的樂趣呢？神經網絡也將順利的地區，這可能作出決定比實際的概率空間更加模糊之間插值（即，這就是精度指標降至低於100％）。