論文の概要: AI For Fraud Awareness

• arxiv url: http://arxiv.org/abs/2308.11032v1
• Date: Wed, 16 Aug 2023 05:45:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-27 04:56:58.415621
• Title: AI For Fraud Awareness
• Title（参考訳）: 不正認識のためのAI
• Authors: Prabh Simran Singh Baweja, Orathai Sangpetch, Akkarit Sangpetch
• Abstract要約: 投資の世界では、詐欺的なスキームや罠が急速に成長している。 本稿では、機械学習とゲーミフィケーション技術を用いて、投資詐欺や罠について人々を教育する認識システムを提案する。
• 参考スコア（独自算出の注目度）: 0.5919433278490629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In today's world, with the rise of numerous social platforms, it has become relatively easy for anyone to spread false information and lure people into traps. Fraudulent schemes and traps are growing rapidly in the investment world. Due to this, countries and individuals face huge financial risks. We present an awareness system with the use of machine learning and gamification techniques to educate the people about investment scams and traps. Our system applies machine learning techniques to provide a personalized learning experience to the user. The system chooses distinct game-design elements and scams from the knowledge pool crafted by domain experts for each individual. The objective of the research project is to reduce inequalities in all countries by educating investors via Active Learning. Our goal is to assist the regulators in assuring a conducive environment for a fair, efficient, and inclusive capital market. In the paper, we discuss the impact of the problem, provide implementation details, and showcase the potentiality of the system through preliminary experiments and results.
• Abstract（参考訳）: 今日の世界では、多くのソーシャルプラットフォームが登場し、誰でも偽情報を拡散し、人々を罠に誘うことが比較的容易になった。 投資業界では詐欺行為や罠が急速に増加している。 このため、国や個人は大きな経済的リスクに直面している。 本稿では、機械学習とゲーミフィケーション技術を用いて、投資詐欺や罠について人々を教育する認識システムを提案する。 本システムは,ユーザに対してパーソナライズされた学習体験を提供するために,機械学習技術を適用する。 システムは個々のドメインの専門家が作成した知識プールから、異なるゲームデザイン要素と詐欺を選択する。 研究プロジェクトの目的は、アクティブラーニングを通じて投資家を教育することで、すべての国の不平等を減らすことである。 当社の目標は、公正で効率的で包括的な資本市場のための教育環境の整備を規制当局を支援することです。 本稿では,問題の影響を論じ,実装の詳細を述べるとともに,予備実験と結果を通してシステムの可能性を示す。

関連論文リスト

• Redefining Finance: The Influence of Artificial Intelligence (AI) and Machine Learning (ML) [2.3931689873603594]
  技術の急速な変革により、金融における人工知能(AI)と機械学習(ML)の融合はエコシステム全体を混乱させています。 金融機関は、リテールバンキング、ウェルスマネジメント、コーポレートバンキングと決済のエコシステムに大きく影響を受けている。
  論文  参考訳（メタデータ） (2024-10-21T12:32:17Z)
• Temporal Representation Learning for Stock Similarities and Its Applications in Investment Management [32.01109026974077]
  SimStockは、財務時系列データの堅牢で情報的な表現を学ぶための時間的自己教師型学習フレームワークである。 我々は、何千ものストックを持つ現実世界の4つのデータセットで実験を行い、SimStockが類似のストックを見つけるのに有効であることを実証し、既存の手法より優れています。
  論文  参考訳（メタデータ） (2024-07-18T17:54:13Z)
• Open-world Machine Learning: A Review and New Outlooks [83.6401132743407]
  本稿では,新たなオープンワールド機械学習パラダイムを包括的に紹介することを目的としている。 研究者がそれぞれの分野でより強力なAIシステムを構築するのを支援し、人工知能の開発を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-03-04T06:25:26Z)
• Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
  人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。 異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。 現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
  論文  参考訳（メタデータ） (2024-02-08T07:18:23Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Web and Mobile Platforms for Managing Elections based on IoT And Machine Learning Algorithms [0.0]
  本研究では,E投票システムの4つの側面に着目した。 E投票における世界で最も頻繁に発生する問題は、システムのセキュリティ、正確性、信頼性である。
  論文  参考訳（メタデータ） (2023-03-16T02:31:02Z)
• Explainable Reinforcement Learning on Financial Stock Trading using SHAP [5.2725049926324745]
  本稿では,金融株取引におけるエージェントの行動を説明するために,SHAP(SHapley Additive exPlanation)を,一般的な深層強化学習アーキテクチャviz.,Deep Q Network(DQN)に採用することを提案する。 提案手法の有効性を実証するために,SENSEXとDJIAという2つの一般的なデータセットを用いて実験を行い,その結果を報告する。
  論文  参考訳（メタデータ） (2022-08-18T12:03:28Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• The Ingredients of Real-World Robotic Reinforcement Learning [71.92831985295163]
  実世界で収集されたデータによって継続的に自律的に改善できるロボット学習システムに必要な要素について論じる。 本稿では,このようなシステムの特異なインスタンス化を事例として,デクスタラスな操作を事例として提案する。 我々は人間の介入なしに学習できることを実証し、現実世界の3本指の手で様々な視覚ベースのスキルを習得する。
  論文  参考訳（メタデータ） (2020-04-27T03:36:10Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。