[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-290805-105":59,"doc-detail-290805-en":130},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":123,"head_meta":125,"extra_data":127,"updated_unix":129},105,"lt","application-of-machine-learning-methods-for-suspicious-transaction-detection-masters-final-degree-project","Mašininio mokymo metodų taikymas įtartinų transakcijų aptikimui - Baigiamasis magistro projektas","","Šiame darbe aprašomas tyrimas apie mašininių modelių naudojimą įtartinų transakcijų aptikimui, pasitelkiant IBM AMLworld simuliatoriaus sugeneruotą sintetinę duomenų bazę, atitinkančią realius pinigų plovimo scenarijus. Tyrimo tikslas – palyginti neprižiūrimųjų mašininio mokymosi modelius įtartinų transakcijų atpažinime. Taikomi statiniai ir dinaminiai transakcijų požymiai, grupiniai požymiai, PCA redukcija, SMOTE balansavimas bei klasifikavimas gradientinio stiprinimo ir logistinės regresijos metodais. Taip pat analizuojamas klasterizavimo ir anomalijų aptikimo DBSCAN bei Isolation Forest pagrįstas požiūris, o klaidingų teigiamų rezultatų mažinimui naudojamas ansamblis su balsavimu pagal F1 įvertį.",{"@graph":69,"@context":122},[70,84,105],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/application-of-machine-learning-methods-for-suspicious-transaction-detection-masters-final-degree-project/290805/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/application-of-machine-learning-methods-for-suspicious-transaction-detection-masters-final-degree-project/290805.png","ImageObject",300,407,{"name":92,"@type":93},"Sage","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-10-17","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":39},"InteractionCounter",{"@type":104},"ViewAction",{"@type":106,"mainEntity":107},"FAQPage",[108,114,118],{"name":109,"@type":110,"acceptedAnswer":111},"Koks tyrimo tikslas šiame magistro projekte?","Question",{"text":112,"@type":113},"Palyginti neprižiūrimųjų mašininio mokymosi modelius įtartinų transakcijų atpažinime, taikant duomenims pinigų plovimo scenarijus atitinkančią sintetinę bazę.","Answer",{"name":115,"@type":110,"acceptedAnswer":116},"Kaip sudaromi ir apdorojami požymiai įtartinų transakcijų aptikimui?",{"text":117,"@type":113},"Naudojami statiniai laiko požymiai, dinaminiai dažnio požymiai ir grupiniai požymiai pagal vartotojų mokėjimo vidurkius. Požymiai atrenkami pagal svarbą ir koreliaciją su žyma, vėliau apdorojami PCA bei balansuojami SMOTE.",{"name":119,"@type":110,"acceptedAnswer":120},"Kokie metodai naudojami klasifikavimui ir kaip mažinami klaidingi teigiami rezultatai?",{"text":121,"@type":113},"Apdoroti požymiai klasifikuojami ekstra gradientinio stiprinimo ir logistinės regresijos metodais. Klaidingai teisingų rezultatų sumažinimui taikomas ansamblio algoritmas, suteikiantis balsavimo teisę kiekvienam algoritmui ir svorį pagal F1 įvertį.","https://schema.org",{"og:url":83,"og:type":124,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":126,"canonical":83},"index,follow",{"doc_id":128,"site_id":62},290805,1790442094,{"code":4,"msg":5,"data":131},{"doc_id":128,"user_id":132,"nickname":92,"user_avatar":133,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":39,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":139,"language":140,"language_code":63,"site_id":62,"html_lang":141,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":67,"update_tm":145,"read_time":146,"preview_page_count":4},687197207057,"https://ap-avatar.wpscdn.com/davatar_29158cc5080c5b710cf443261637dec0","Kauno technologijos universitetas  \nElektros ir elektronikos fakultetas  \nMašininio mokymo metodų taikymas įtartinų transakcijų  \naptikimui  \nBaigiamasis magistro projektas  \nMatas Stonys  \nProjekto autorius  \nAsist. Dr. Vygandas Vaitkus  \nVadovas  \nKauno technologijos universitetas  \nElektros ir elektronikos fakultetas  \nMašininio mokymo metodų taikymas įtartinų transakcijų  \naptikimui  \nBaigiamasis magistro projektas  \nValdymo technologijos (6211EX014)  \nMatas Stonys  \nProjekto autorius  \nAsist. Dr. Vygandas Vaitkus  \nVadovas  \nAsist. Dr. Andrius Knyš  \nRecenzentas  \nKaunas, 2025  \nKauno technologijos universitetas  \nElektros ir elektronikos fakultetas  \nMatas Stonys  \nMašininio mokymo metodų taikymas įtartinų transakcijų  \naptikimui  \nAkademinio sąžiningumo deklaracija  \nPatvirtinu, kad:  \n1. baigiamąjį projektą parengiau savarankiškai ir sąžiningai, nepažeisdamas kitų asmenų autoriausar kitų teisių, laikydamasis Lietuvos Respublikos autorių teisių ir gretutinių teisių įstatymo nuostatų, Kauno technologijos universiteto (toliau – Universitetas) intelektinės nuosavybės valdymo ir perdavimo nuostatų bei Universiteto akademinės etikos kodekse nustatytų etikos reikalavimų;  \n2. baigiamajame projekte visi pateikti duomenys ir tyrimų rezultatai yra teisingi ir gauti teisėtai, nei viena šio projekto dalis nėra plagijuota nuo jokių spausdintinių ar elektroninių šaltinių, visos baigiamojo projekto tekste pateiktos citatos ir nuorodos yra nurodytos literatūros sąraše;  \n3. įstatymų nenumatytų piniginių sumų už baigiamąjį projektą arjo dalis niekam nesu mokėjęs;  \n4. suprantu, kad išaiškėjus nesąžiningumo ar kitų asmenų teisių pažeidimo faktui, man bus taikomos akademinės nuobaudos pagal Universitete galiojančią tvarką ir būsiu pašalintas iš Universiteto, o baigiamasis projektas gali būti pateiktas Akademinės etikos ir procedūrų kontrolieriaus tarnybainagrinėjant galimą akademinės etikos pažeidimą .  \nMatas Stonys  \nPatvirtinta elektroniniu būdu  \nStonys, Matas. Mašininio mokymo metodų taikymas įtartinų transakcijų aptikimui. Magistrobaigiamasis projektas / vadovas asist. dr. Vygandas Vaitkus; Kauno technologijos universitetas, Elektros ir elektronikos fakultetas.  \nStudijų kryptis ir sritis (studijų krypčių grupė): Elektronikos inžinerija (Inžinerijos mokslai) .  \nReikšminiai žodžiai: pinigų plovimo prevencija, neprižiūrimasis mašininis mokymasis, anomalijų aptikimas, kolektyviniai algoritmai.  \nKaunas, 2025 . 45 psl.  \nSantrauka  \nŠiame darbe aprašomas tyrimas apie mašininių modelių naudojimą įtartinų transakcijų aptikimui. Tyrimui atlikti naudojama IBM korporacijos AMLworld simuliatoriaus sugeneruota sintetinė duomenų bazė, atitinkanti realius pinigų plovimo scenarijus. Tyrimo tikslas palyginti neprižiūrimojo mašininio mokymosi modelius įtartinų transakcijų atpažinime.  \nTyrime išskiriami statiniai transakcijų laiko požymiai, dinaminiai transakcijų dažnio požymiai, grupiniai požymiai (suskirsčius vartotojus į grupes pagal jų mokėjimo vidurkius) . Požymiaiatrenkami pagal svarbą ir koreliaciją su mokėjimo nelegalumo žyma. Atrinkti požymiai apdorojami PCA požymių redukcijos technika, balansuojami naudojant SMOTE algoritmą . Apdoroti požymiaiklasifikuojami ekstra gradientinio stiprinimo, logistinės regresijos metodais.  \nTiriamas alternatyvus požiūris į įtartinų transakcijų aptikimą, darant prielaidą, kad legalios transakcijos yra panašios ir su panašumo požymiais bus sutraukiamos į vieną ar kelis klasterius. Duomenų objektai skirstomi į klasterius naudojant DBSCAN klasterizavimo algoritmą, naudojant skirtingus adaptavimo parametrus. Klasterių išskirtys (angl. outliers) priimamos kaip nelegalios transakcijos. Taip pat taikomas ir anomalijų aptikimo algoritmas Isolation forest, išskiriantisanomalijas be klasterizavimo.  \nKlaidingai teisingų rezultatų sumažinimui naudojamas ansamblio algoritmas, kuris suteikia balsavimo teisę kiekvienam algoritmui ir nustatojo balsavimo svorį pagal F1 kokybinį įvertį . Atlikus tyrimą nustatyta, kad PCA i","cbCaitT2LfxKRvJS","https://ap.wps.com/l/cbCaitT2LfxKRvJS","pdf",2769395,55,"Lithuanian","en","# Santrauka\n## Tyrimo duomenys ir tikslas\n## Požymių inžinerija ir atranka\n## Modeliavimas ir vertinimas\n## Alternatyvus klasterizavimo ir anomalijų aptikimo požiūris\n## Ansamblio metodas ir rezultatai","[{\"question\":\"Koks tyrimo tikslas šiame magistro projekte?\",\"answer\":\"Palyginti neprižiūrimųjų mašininio mokymosi modelius įtartinų transakcijų atpažinime, taikant duomenims pinigų plovimo scenarijus atitinkančią sintetinę bazę.\"},{\"question\":\"Kaip sudaromi ir apdorojami požymiai įtartinų transakcijų aptikimui?\",\"answer\":\"Naudojami statiniai laiko požymiai, dinaminiai dažnio požymiai ir grupiniai požymiai pagal vartotojų mokėjimo vidurkius. Požymiai atrenkami pagal svarbą ir koreliaciją su žyma, vėliau apdorojami PCA bei balansuojami SMOTE.\"},{\"question\":\"Kokie metodai naudojami klasifikavimui ir kaip mažinami klaidingi teigiami rezultatai?\",\"answer\":\"Apdoroti požymiai klasifikuojami ekstra gradientinio stiprinimo ir logistinės regresijos metodais. Klaidingai teisingų rezultatų sumažinimui taikomas ansamblio algoritmas, suteikiantis balsavimo teisę kiekvienam algoritmui ir svorį pagal F1 įvertį.\"}]","Mašininio mokymo metodų taikymas įtartinų transakcijų aptikimui - Baigiamasis magistro projektas | PDF",1789642595,139]