Показати скорочену інформацію

Виявлення та аналіз аномалій у фінансових звітах на основі гібридного ансамблевого підходу Isolation Forest та LSTM autoencoders

dc.contributor.authorЛановик, А. С.uk
dc.contributor.authorЯровий, А. А.uk
dc.date.accessioned2026-09-18T07:41:10Z
dc.date.available2026-09-18T07:41:10Z
dc.date.issued2026
dc.identifier.citationЛановик А. С., Яровий А. А. Виявлення та аналіз аномалій у фінансових звітах на основі гібридного ансамблевого підходу Isolation Forest та LSTM autoencoders // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28322.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54627
dc.description.abstractУ роботі розглядається актуальна задача автоматизованого виявлення аномалій у фінансовій звітності підприємств. Запропоновано гібридну систему на основі ансамблю алгоритмів Isolationuk
dc.description.abstractThe paper considers the urgent task of automated detection of anomalies in financial reporting of enterprises. A hybrid system based on the Isolation Forest and LSTM Autoencoder ensemble of algorithms is proposed, which uses set of 17 features that integrates an extended set of technical indicators. A comparison of the proposed approach with existing commercial solutions is provided.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28322
dc.subjectаномаліїuk
dc.subjectфінансова звітністьuk
dc.subjectштучний інтелектuk
dc.subjectIsolation Foresten
dc.subjectLSTMAutoencoderen
dc.subjectвиявлення шахрайстваuk
dc.subjectфінансовий аналізuk
dc.subjectanomaliesen
dc.subjectfinancial reportingen
dc.subjectartificial intelligenceen
dc.subjectLSTM Autoencoderen
dc.subjectfraud detectionen
dc.subjectfinancial analysisen
dc.titleВиявлення та аналіз аномалій у фінансових звітах на основі гібридного ансамблевого підходу Isolation Forest та LSTM autoencodersuk
dc.typeThesis
dc.identifier.udc004.85:657.6
dc.relation.referencesAI Anomaly Detection Use Cases in Finance [Електронний ресурс]. — Режим доступу: https://www.lucid.now/blog/ai-anomaly-detection-use-cases-finance/.en
dc.relation.referencesМетод виявлення аномалій у фінансових звітах / А.С. Лановик, Я.В. Іванчук – Матеріали LІV Всеукраїнської науково-технічної конференції підрозділів ВНТУ (НТКП ВНТУ-2025). – [Електронний ресурс]. – Тип доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa2025/paper/view/23674/19533uk
dc.relation.referencesIBM Cognos Analytics. Forecasting and anomaly detection [Електронний ресурс]. — 2024. —Режим доступу: https://www.ibm.com/docs/en/cognos-analytics/11.2.x?topic=manualsen
dc.relation.referencesSAP. Finance NXT Anomaly Detection by Bosch Global Software Technologies [Електронний ресурс]. — Режим доступу: https://www.sap.com/ukraine/products/artificial-intelligence/partners/boschglobal-software-technologies-finance-nxt-anomaly-detection.htmlen
dc.relation.referencesOracle. Anomaly Detection [Електронний ресурс]. — Режим доступу: https://docs.oracle.com/en/database/oracle/machine-learning/oml4sql/23/dmcon/anomaly-detection.htmluk


Файли в цьому документі

Thumbnail
Ім'я:
28322.pdf
Розмір:
304.1Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію