Problemas desbalanceados en el aprendizaje profundo

• Autores: Odeynis Valdés Suárez, Héctor Raúl González Diez
• Localización: Serie Científica de la Universidad de las Ciencias Informáticas, ISSN-e 2306-2495, Vol. 15, Nº. 6, 2022 (Ejemplar dedicado a: junio), págs. 18-34
• Idioma: español
• Títulos paralelos:
  • Imbalanced problems on Deep Learning
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

      El contenido de este trabajo está centrado en la obtención de resultados, que demuestren la eficiencia de los modelos de aprendizaje profundo con estrategias para la solución al desbalance de la información en la detección de anomalías, en específico, en la detección de fraude de tarjeta de crédito. Para ello se realiza una fundamentación previa de los conceptos básicos relacionados con este campo de estudio, ya sean los avances y retos que presenta, así como las métricas, herramientas y tecnologías que se usan para su estudio, metodología y otras técnicas que se usan. Se definen las soluciones al problema del desbalance de la información a utilizar, se eligen los modelos de Deep Learning para realizar la detección de fraude de tarjeta de crédito, además de definir su estructura. Con estos modelos definidos se realizan las evaluaciones y comparaciones correspondientes para comprobar su efectividad mediante las métricas definidas, lo que va a permitir sentar las bases para la obtención de resultados concluyentes con respecto a la efectividad de los modelos, los cuales son el resultado final de este artículo.

  • English

      The content of this work is focused on obtaining results, which demonstrate the efficiency of deep learning models with strategies for the imbalanced solution in the detection of anomalies, especially, in the detection of credit card fraud. For this, a preliminary foundation of the basic concepts related to this field of study is carried out, whether they are the advances and challenges it presents, as well as the metrics, tools and technologies that are used for its study, methodology and other techniques that are used. The solutions to the problem of the imbalance of the information to be used are defined, the Deep Learning models are chosen to carry out the detection of the credit card fraud, in addition to defining its structure. With these defined models, the corresponding evaluations and comparisons are carried out to verify their effectiveness through the defined metrics, which will allow to lay the foundations for obtaining conclusive results regarding the effectiveness of the models, which are the final result of this article.