Fugu-MT 論文翻訳(概要): Correlating Medi- Claim Service by Deep Learning Neural Networks

論文の概要: Correlating Medi- Claim Service by Deep Learning Neural Networks

arxiv url: http://arxiv.org/abs/2308.04469v1
Date: Tue, 8 Aug 2023 07:40:21 GMT
ステータス: 処理完了
システム内更新日: 2023-08-10 16:39:38.897354
Title: Correlating Medi- Claim Service by Deep Learning Neural Networks
Title（参考訳）: 深層学習ニューラルネットワークによるメディカルクレームサービスに関する考察
Authors: Jayanthi Vajiram, Negha Senthil, Nean Adhith.P
Abstract要約: 医療保険請求は、患者、医師、診断センター、保険提供者に関連する組織犯罪である。畳み込みニューラルネットワークアーキテクチャは、回帰モデルの相関研究を通じて不正なクレームを検出するために使用される。監視および教師なしの分類器は、不正や不正なクレームを検出するために使用される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medical insurance claims are of organized crimes related to patients, physicians, diagnostic centers, and insurance providers, forming a chain reaction that must be monitored constantly. These kinds of frauds affect the financial growth of both insured people and health insurance companies. The Convolution Neural Network architecture is used to detect fraudulent claims through a correlation study of regression models, which helps to detect money laundering on different claims given by different providers. Supervised and unsupervised classifiers are used to detect fraud and non-fraud claims.
Abstract（参考訳）: 医療保険請求は、患者、医師、診断センター、保険業者に関連する組織犯罪であり、常に監視されなければならない連鎖反応を形成する。このような不正行為は、保険保険業者と保険業者の財政的成長に影響を及ぼす。畳み込みニューラルネットワークアーキテクチャ(convolution neural network architecture)は、回帰モデルの相関研究を通じて不正なクレームを検出するために使用される。監視および教師なしの分類器は詐欺や非詐欺行為を検出するために使用される。

関連論文リスト

Utilizing GANs for Fraud Detection: Model Training with Synthetic Transaction Data [0.0]
本稿では,GAN(Generative Adversarial Networks)の不正検出への応用について検討する。 GANは複雑なデータ分散のモデリングにおいて有望であり、異常検出のための効果的なツールである。この研究は、ディープラーニング技術によるトランザクションセキュリティの強化におけるGANの可能性を実証している。
論文参考訳（メタデータ） (2024-02-15T09:48:20Z)
Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文参考訳（メタデータ） (2023-07-11T07:48:39Z)
AutoFraudNet: A Multimodal Network to Detect Fraud in the Auto Insurance Industry [3.871148938060281]
保険請求には、通常、さまざまなモダリティのデータが多用される。近年のマルチモーダル学習の進歩にもかかわらず、これらのフレームワークはいまだに共同学習の課題に悩まされている。本稿では,不正な自動保険請求を検出するためのマルチモーダル推論フレームワークAutoFraudNetを紹介する。
論文参考訳（メタデータ） (2023-01-15T13:50:32Z)
Unsupervised Machine Learning for Explainable Medicare Fraud Detection [16.275152941805622]
我々は、医療を超過するプロバイダを特定するための、新しい機械学習ツールを開発した。大規模なメディケアの請求データを用いて、詐欺や過度な監視と整合したパターンを識別する。提案手法は、ラベル付きトレーニングデータに頼らず、完全に教師なしである。
論文参考訳（メタデータ） (2022-11-05T15:37:51Z)
Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
論文参考訳（メタデータ） (2022-02-18T19:01:01Z)
FedMed-GAN: Federated Domain Translation on Unsupervised Cross-Modality Brain Image Synthesis [55.939957482776194]
我々は、教師なし脳画像合成におけるフェデレートドメイン翻訳のための新しいベンチマーク(FedMed-GAN)を提案する。 FedMed-GANは発電機の性能を犠牲にすることなくモード崩壊を緩和する。 FedMed-GANと他の集中型手法を比較するための総合的な評価を提供する。
論文参考訳（メタデータ） (2022-01-22T02:50:29Z)
Multi-Expert Adversarial Attack Detection in Person Re-identification Using Context Inconsistency [47.719533482898306]
本稿では,個人再識別(ReID)システムに対する悪意のある攻撃を検知するための,Multi-Expert Adversarial Detection(MEAAD)アプローチを提案する。 ReIDに対する最初の敵攻撃検出アプローチとして、MEAADは様々な敵攻撃を効果的に検出し、高いROC-AUC(97.5%以上)を達成する。
論文参考訳（メタデータ） (2021-08-23T01:59:09Z)
Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文参考訳（メタデータ） (2021-07-29T00:02:06Z)
Social network analytics for supervised fraud detection in insurance [1.911867365776962]
保険詐欺は、政策所有者が誇張された、または故意の損害に基づく主張を提出した場合に発生する。このコントリビューションは,クレームのソーシャルネットワークから洞察力のある情報を抽出することにより,不正検出戦略を開発する。
論文参考訳（メタデータ） (2020-09-15T21:40:15Z)
Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
論文参考訳（メタデータ） (2020-07-28T19:00:40Z)
Uncovering Insurance Fraud Conspiracy with Network Learning [34.609076567889694]
我々は,組織的な詐欺師の集団を識別する新しいデータ駆動手法を開発した。請求者間でデバイス共有ネットワークを導入する。そこで我々は,グラフ学習アルゴリズムに基づく不正検出の自動解法を開発した。
論文参考訳（メタデータ） (2020-02-27T13:15:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。