تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی :

تعداد صفحات :۱۷

چکیده مقاله:

امروزه مجرمان از طریق ارتکاب اعمال مجرمانه میکوشند در فاصله زمانی کوتاه، ثروت هنگفتی تحصیل کنند ومبنای پولشویی را در جرمی مثل سرقت، به واسطه درآمدی که برای سارق دارد، ایجاد میکنند، به گونهای که پساز ارتکاب جرم و تحصیل ثروت، در پی پوشاندن اعمال غیرقانونی خود، پول کثیف تحصیل شده را با ترفندهایی، قانونی نشان میدهند و سعی میکنند تا مقامات قضایی و انتظامی و مسئولان ذیربط از توقیف اموال بیخبر بمانند و در نتیجه، موجب تضعیف دولت، افزایش تورم و نابسامانی اقتصاد و بازار میگردند. از این پدیده، امروزه به تعبیر میشود » پولشویی « . یکی از بزرگ ترین بنگاه های اقتصادی هر کشوری که مورد سوء استفاده مجرمان به منظور پولشویی قرار می گیرد بانک ها می باشند که بزرگترین ضربه را به اقتصاد یک کشور وارد می کند. در اینمقاله روشی برای تشخیص حساب هایی که از آن ها در سیستم بانکی به منظور پولشویی استفاده می شود طرح شده است. به علت وجود داده های زیاد در بانکها داده کاوی تاکنون کاربردهای زیادی در امور مالی و پولی داشتهاست. پس در ابتدا با استفاده از الگوریتم ژنتیک شاخص ترین ویژگی های حساب های بانکی که بیشترین تاثیر در عمل پولشویی دارند و به گونه ای الگوهای رفتاری پولشویان را نشان می دهد استخراج شود و سپس ویژگی هایاستخراج شده به همراه رکوردهای داده را به یک شبکه عصبی مصنوعی به منظور یادگیری و ساخت مدل تشخیص پولشویی می دهیم. ما مدل طراحی شده را با استفاده از یک مجموعه داده معتبر که توسط دانشگاه کالیفرنیا ایرواین ۲ ارائه شده است ارزیابی نموده و با سایر روش هایی که به منظور تشخیص در حوزه کلاهبرداری بانکی بر روی این مجموعه داده مدل سازی شده اند مقایسه می نماییم. از آنجایی که در فرآیند های تشخیص مهمترین معیار، دقت تشخیص است نتایج بدست آمده نشان داد که این مدل از نظر صحت تشخیص نسبت به سایر روش های مدل سازی جهت تشخیص بر روی این مجموعه داده با ۱۶.۰۹ درصد دارای عملکرد بالاتری است.