Overview

Dieses Buch präsentiert eine umfassende Studie über die Integration von Graph Neural Networks (GNNs) mit Explainable Artificial Intelligence (XAI) Methoden zur Erkennung von Finanzbetrug. Es evaluiert mehrere GNN-Architekturen wie GCN, GAT, GIN, GraphSAGE, HinSAGE und FraudGNN neben traditionellen maschinellen Lernmodellen wie Neuronalen Netzen und Random Forest. Erklärungsmethoden wie GNNExplainer, GraphMask, SHAP und LIME werden angewendet, um Transparenz, Interpretierbarkeit und Vertrauen in Betrugserkennungsaufgaben zu schaffen. Die Arbeit bietet systematische Vergleiche in Bezug auf Leistung, Treue, Laufzeit und Interpretierbarkeit, unterstützt durch visuelle Fallstudien. Sie hebt hervor, wie die Kombination von graphbasierten Schlussfolgerungen mit Erklärungsmethoden die Betrugserkennungssysteme verbessern und die aufkommenden Anforderungen einer vertrauenswürdigen und verantwortungsvollen KI erfüllen kann.

Full Product Details

9786209416552

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available