Chuqur o‘rganishga asoslangan moliyaviy firibgarlikni aniqlash uchun yondashuvlar
DOI:
https://doi.org/10.5281/zenodo.17606443Keywords:
chuqur o‘rganish, moliyaviy firibgarlik, anomal yozuvlar, autoencoder, LSTM, Bi-LSTM, GAN, VAE, grafik neyron tarmoqlar, GNN, mashina o‘rganish, firibgarlikni aniqlash, real-vaqt monitoring, moliyaviy tranzaktsiyalar, neyron tarmoqlar.Abstract
Moliyaviy firibgarlikni aniqlash bugungi kunda dolzarb va murakkab masalalardan biri bo‘lib, moliyaviy
institutlar uchun sezilarli darajada moliyaviy yo‘qotishlarga olib kelmoqda. An’anaviy aniqlash usullari ko‘p vaqt va resurs
talab qilgani sababli, real vaqt rejimida ishlovchi avtomatlashtirilgan yondashuvlarga ehtiyoj ortmoqda. Ushbu maqolada
chuqur o‘rganish asosidagi metodologiya asosida firibgarlikni aniqlash masalasi ko‘rib chiqiladi. Taklif etilgan yondashuvda
konvolyutsion (CNN) va takrorlovchi (LSTM) neyron tarmoqlari asosida kam xususiyatli, ammo yuqori aniqlikdagi modellar
yaratiladi. Shuningdek, nomutanosiblik muammosini bartaraf etishda Autoencoder asosidagi ortiqcha namunalash usuli
taklif etiladi va SMOTE usuli bilan solishtiriladi. Tajriba natijalari CNN va LSTM modellarining LightGBM modeliga nisbatan
samaradorligini ko‘rsatdi. Ikki xil real ma’lumotlar to‘plamida o‘tkazilgan tajribalar natijalari taklif etilgan yondashuvning
barqaror va ishonchli ekanligini tasdiqlaydi
References
1. 1. Normamatov, X. (2025). IMPROVING THE METHODOLOGY OF TEACHING PROGRAMMING LANGUAGES
BASED ON NETWORK TECHNOLOGIES. International Journal of Artificial Intelligence, 1(2), 656-662.
2. 2. Normamatov, X. (2025). APPLYING INTERNATIONAL EXPERIENCES IN TEACHING PROGRAMMING TO
HIGHER EDUCATION SPECIALIST STUDENTS: CHALLENGES AND SOLUTIONS. International Journal of Artificial
Intelligence, 1(2), 648-650.
3. 3. Normamatov, X. (2025). CHALLENGES AND SOLUTIONS IN TEACHING PROGRAMMING: AN EXPLORATION
OF GLOBAL AND LOCAL PERSPECTIVES. International Journal of Artificial Intelligence, 1(2), 651-655.
4. 4. Menginiyevich, N. X., & Bahodir o‘g‘li, N. B. (2025). IQTISODIY MASALALARDA CHIZIQLI DASTURLASH
MASALALARINI YECHISHDA SIMPLEKS USUL ALGORITMI VA UNING TAHLILI. Pedagogs, 79(1), 133-136.
5. 5. Mengniyevich, N. H., & Abdirashid o‘g, O. R. A. (2025). OB’EKTLARNING KESISHISH NUQTALARI VA
OPTIMIZATSIYA MASALALARINI ALGEBRAIK VA TRANSSENDENT TENGLAMALARNI TAQRIBIY YECHISH
USULLARI BILAN HAL QILISH. Pedagogs, 79(1), 148-150.
6. 6. Mengniyevich, N. X., & Farxod o‘g‘li, X. D. (2025). MA’LUMOTLARNI INTELLEKTUAL TAHLIL QILISH VA MASHINALI
O‘QITISH: MUAMMO VA YECHIMLARI. Pedagogs, 79(1), 137-147.
7. 7. Mengniyevich, N. X., & Farhod o‘g, X. J. E. (2025). JAMIYAT TARAQQIYOTIDA ROBOTOTEXNIKA,
AVTOMATLASHTIRISH VA SANOAT INTELLEKTUAL TIZIMLARI KIRIB KELISHINING SALBIY VA IJOBIY
TOMONLARI. Pedagogs, 79(1), 128-132.
8. 8. Нормаматов, Х. М., & Абдуллаева, С. У. (2015). ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ АВТОМАТИЗИРОВАННОЙ
СИСТЕМЫ УПРАВЛЕНИЯ» Э-БОЛЬНИЦА». In Инновации в технологиях и образовании (pp. 117-119).
9. 9. Нормаматов, Х. М. (2014). ЛИНЕЙНЫЕ СИСТЕМЫ В ЦИФРОВОЙ ОБРАБОТКЕ СИГНАЛОВ. In Инновации в
строительстве глазами молодых специалистов (pp. 239-241).
10. 10. Шеров, Ж. Э., & Нормаматов, Х. М. (2015). АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ ВЫСШЕГО УЧЕБНОГО
ЗАВЕДЕНИЯ. In Инновации в технологиях и образовании (pp. 178-182).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 GREEN ECONOMY AND DEVELOPMENT
This work is licensed under a Creative Commons Attribution 4.0 International License.