《表1 卷积神经网络参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的电信欺诈行为识别系统》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

网络的每一个卷积层使用3D卷积核，因为3D卷积神经网络非常适合于时空特征学习，网络参数设计见表1。与2D卷积神经网络相比，3D卷积神经网络能够通过3D卷积和3D池化操作更好地建模时间信息。在每一个卷积层的后面都引入非线性函数作为激活函数，使得卷积神经网络集合能够拟合任意函数，在复杂的样本空间中仍然表现得很好。池化本质上在进行下采样，合理地选择池化方式能让模型聚焦于“重要”的特征，降低图片的维度，大幅减少超参数的数量，减轻模型过拟合的程度。最后一层全连接层输出的是两个神经元的输出，用作最终的网络分类，分别代表该用户的行为是欺诈行为的置信度，每层特征图可视化结果如图3所示。