[發明專利]神經網絡的建立方法及系統和神經網絡的應用方法及系統

有效

• 申請號: 201410677635.5
• 申請日: 2014-11-21
• 公開（公告）號: CN105678395B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 陳露佳
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 戴燕

1.一種利用神經網絡預測風險度的方法，其特征在于，所述方法包括：

獲取賬戶的歷史操作事件，所述歷史操作事件包括以下中的至少一項：賬戶的在線支付，登錄電子郵件賬號；

從所述賬戶的歷史操作事件中，排除盜用操作時的事件，以確保訓練出的自組織SOM神經網絡能夠體現該賬戶的特性；

將排除盜用后的所述賬戶的歷史操作事件按照時間順序分為第一訓練事件和第一測試事件；

獲取所述第一訓練事件的參數；

根據所述參數將所述第一訓練事件初始化為第一向量；

利用所述第一向量建立自組織SOM神經網絡，所述神經網絡包括所述參數和結構；

將所述第一測試事件的第二向量，輸入至所述神經網絡中，計算所述第一測試事件的第二離散值、衍生變量和第一指標，所述第二離散值為風險度評估值；

當所述第一指標達到閾值時，存儲所述神經網絡；

將在原始模塊中處于灰色區域的事件的第三向量，輸入至所述神經網絡中，建立第一模型；

獲取所述在原始模塊中處于灰色區域的事件在原始模塊輸出的第一離散值，所述第一離散值為風險度評估值；

根據所述在原始模塊中處于灰色區域的事件的第二離散值、衍生變量和第一離散值，通過第一模型將灰色區域事件分流至高風險區域或低風險區域。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當所述第二離散值和所述第一指標未達到閾值時，調整所述參數和所述結構。

3.根據權利要求1所述的方法，其特征在于，所述將所述第一測試事件的第二向量，輸入至所述神經網絡中之前還包括：

根據所述參數將所述第一測試事件初始化為所述第二向量，所述第二向量由所述第一測試事件中的元素組成。

4.根據權利要求1所述的方法，其特征在于，所述將在原始模塊中處于灰色區域的事件的第三向量，輸入至所述神經網絡中，建立第一模型具體包括：

將所述在原始模塊中處于灰色區域的事件按照時間順序分為第二訓練事件和第二測試事件；

根據所述參數將所述第二訓練事件初始化為所述第三向量，所述第三向量由所述第二訓練事件中的元素組成；

將所述第三向量輸入至所述神經網絡中，計算所述在原始模塊中處于灰色區域的事件的第二離散值和衍生變量；

利用第二訓練事件的第二離散值、衍生變量和第一離散值，對第二訓練事件進行第一模型訓練，確定第一模型的參數，得到第一模型；

將所述第二測試事件輸入到第一模型中，利用第二測試事件的第二離散值、衍生變量和第一離散值，將第二測試事件分流至高風險區域或低風險區域，并計算第二測試事件的第二指標；

當所述第二指標達到閾值時，存儲第一模型。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

當所述第二指標未達到閾值時，調整所述第一模型的參數。

6.根據權利要求4所述的方法，其特征在于，所述第一指標和第二指標均為柯爾莫哥羅夫-斯米爾諾夫K-S值、接受者操作特性曲線下面積AUROC值和基尼指數。

7.根據權利要求1所述的方法，其特征在于，所述神經網絡的參數包括：輸入神經元、輸出神經元、權值調整域函數和學習率函數。

8.根據權利要求1所述的方法，其特征在于，所述神經網絡的結構為二維平面或一維線陣。