《表1 卷积神经网络参数》
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。
图表编号 | XD0056884700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 杨浩波、马宇宸、李静林 |
绘制单位 | 北京邮电大学 |
更多格式 | 高清、无水印(增值服务) |