Багатокомпонентна система виявлення та аналізу аномалій у фінансових звітах на основі методів машинного навчання

Abstract

У роботі запропоновано гібридну архітектуру системи виявлення та аналізу аномалій у фінансових даних на основі інтеграцій методів машинного навчання. Розглянуто чотири класи підходів, критерії їх порівняння та логіка формування загального конвеєра, який поєднує в собі

The work substantiates the choice and describes the principles of integration of machine learning methods for building a hybrid system for detecting and analyzing anomalies in financial data. Four classes of approaches, their comparison criteria and the logic of forming a common pipeline, which combines