O sistema de crediario e o crescimento economico            no brasil em alguns anos
Aplicaçoes de softwares na analise de credito•Um sistema inteligente para tomada de decisão sobre autorização decompra com...
Utilizando rendes neurais para o sistema       As RNA são compostas por neuronios e este eum fator pelo qual ela ofereçe g...
Vantagems possiveis graças ao uso de sistemas com          RNA quando comparado ao uso tradicionalTradicional•Baixa eficie...
Coleta de Dados : e a fase inicial para o uso da rede neste modelo de aplicaçãoPré-processamento dos Dados: Todos os dados...
Separação dos Conjuntos de Dados: Os dados são divididos em duas classes:  Adimplentes e inadimplentes e o critero segue e...
Conclusoes do sistema apresentado pela         estruturaA arquitetura que apresentou melhores resultados foi: 38-20-8-2, a...
Conclusão•Ao verrificar o modelo proposto pelo sistema consegue-se teruma visão da grande aplicação das redes neurais e da...
Aplicações de redes neurais 2010
Aplicações de redes neurais 2010
Upcoming SlideShare
Loading in...5
×

Aplicações de redes neurais 2010

3,543

Published on

apresentação feita na disciplina de Inteligencia artificial mostrando as aplicações de Redes neurais

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
3,543
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Aplicações de redes neurais 2010

  1. 1. O sistema de crediario e o crescimento economico no brasil em alguns anos
  2. 2. Aplicaçoes de softwares na analise de credito•Um sistema inteligente para tomada de decisão sobre autorização decompra com cartão de crédito utilizado pela American Express resultouem uma economia de 20% no tempo médio gasto em cada transação e aqualidade das decisões tomadas por este sistema foram em média 50%melhores que decisões tomadas pelo pessoal de autorização de crédito.•Mastercard e Visa estão investindo em projetos para construção desistemas semelhantes, utilizando RNA, para avaliação de propostas denovos clientes, detecção de fraudes, e avaliação para autorização decompra (“Visa using neural networks to identify cardholder fraud, CardNews, March 20, 1995 v10 n5 p3 (1)).
  3. 3. Utilizando rendes neurais para o sistema As RNA são compostas por neuronios e este eum fator pelo qual ela ofereçe grande versatilidadepara este tipo de sistema pois os neuronios computamfunçoes matematicas e para este sistema isso efundamental.
  4. 4. Vantagems possiveis graças ao uso de sistemas com RNA quando comparado ao uso tradicionalTradicional•Baixa eficiencia•Baixa performance•Pouca flexibilidade•InconsistenciaC om o uso de um sistema aplicado•abordagem mais adequada•Uma RNA pode ser treinada utilizando grandes quantidades de exemplos significativos.•performance elevada (avaliação é modelada através de exemplos de aplicações bem oumal sucedidas encontrados nos históricos dos clientes)•rede é capaz de encontrar relações entre as informações e incorporar aspectossubjetivos
  5. 5. Coleta de Dados : e a fase inicial para o uso da rede neste modelo de aplicaçãoPré-processamento dos Dados: Todos os dados de uma transação são pré-processados,agrupados em vetores numéricos e arranjados de forma aleatória em arquivos do formatopadrão de acordo com determinado sistema.Exemplo de entrada de dados para um sistema comercial padrão resultante do pré-processamento
  6. 6. Separação dos Conjuntos de Dados: Os dados são divididos em duas classes: Adimplentes e inadimplentes e o critero segue exatamente o padrao da RNA com a alimentaçao de informaçoes e pessos em cada etapa da avaliação. Exemplo de treinamento de um rede com um simulador para determinado caso como mostra a figura abaixoNo caso desta rede após 300 ciclos de treinamento, pode-se perceber os efeitos doparâmentro de aprendizado η, como mostrado no grafico abaixo.
  7. 7. Conclusoes do sistema apresentado pela estruturaA arquitetura que apresentou melhores resultados foi: 38-20-8-2, a rede foi inicializada com pesos aleatórios nointervalo [-0.5, 0.5], com taxa de aprendizado η: 0.025 etermo momentum μ: 0.025, o treinamento foi realizadodurante 1000 ciclos e utilizou o algoritmo de aprendizadobackpropagation com termo momentum.
  8. 8. Conclusão•Ao verrificar o modelo proposto pelo sistema consegue-se teruma visão da grande aplicação das redes neurais e da evoluçaoque este tipo de algoritimo traz para a tecnologia de formageral.•Outro ponto a ser levado em consideração e a versatilidadedeste sistema que foi estudado na decada de 90 e hoje em diatem grandes aplicaçoes em toda area de credito comomostrado na apresentação

×