بررسی شبکه های عصبی مبتنی بر سری های زمانی، در مدیریت کشف تقلب در شبکه های مخابراتیNGN

مدیریت تقلب حوزه ای گسترده است که به طور کلی تمام جنبه های تشخیص، بررسی و مدیریتی ، سوء استفاده عمدی یا غیر عمدی از شبکه ها را در برمی گیرد .برای کشف بهتر تقلب و خطاهای ناشی شده در شبکه مخابراتی ، میتوان شبکه های عصبی مختلف را مورد بحث و بررسی قرار داد . تلاش ما در جهت کشف غیرنظارتی بی نظمی های ورودی یک کاربر مهم از شبکه های عصبی پیش خور است.ماLSTM RNNS WITH FORGET GATESRNN(شبکه عصبی بازرخداد حافظه طولانی وکوتاه مدت با گیت های صرفنظرشده شده) را برای مشکل کشف تقلب در شبکه های مخابرات به شیوه ی آموزشی غیرنظارتی اعمال کردیم. می دانیم این مدل ها قبلا به رکورد داده ی تماس برچسب نخورده اعمال نشده است. ما بینشی در مورد روش های مختلف مدلسازی سری زمانی فراهم می کنیم تا از LSTM RNNها به عنوان راه حلی برای مسئله ی بیان شده استفاده کند. نتایج ما موجه بودن اعمال LSTM RNN ها را برای تشخیص غیرنظارتی رکوردهای داده ی تماس در سیستم مخابرات به منظور تحلیل الگوی تماس را نشان می دهد.LSTM انواع مختلف توالی های گذرا را تشخیص می دهد و آنها را بر اساس ویژگی های متعددی گروهبندی میکند