Machine Learning Models and Applications for Early Detection.

From the various perspectives of machine learning (ML) and the multiple models used in this discipline, there is an approach aimed at training models for the early detection (ED) of anomalies. The early detection of anomalies is crucial in multiple areas of knowledge since identifying and classifying them allows for early decision making and provides a better response to mitigate the negative effects caused by late detection in any system. This article presents a literature review to examine which machine learning models (MLMs) operate with a focus on ED in a multidisciplinary manner and, specifically, how these models work in the field of fraud detection. A variety of models were found, including Logistic Regression (LR), Support Vector Machines (SVMs), decision trees (DTs), Random Forests (RFs), naive Bayesian classifier (NB), K-Nearest Neighbors (KNNs), artificial neural networks (ANNs), and Extreme Gradient Boosting (XGB), among others. It was identified that MLMs operate as isolated models, categorized in this article as Single Base Models (SBMs) and Stacking Ensemble Models (SEMs). It was identified that MLMs for ED in multiple areas under SBMs' and SEMs' implementation achieved accuracies greater than 80% and 90%, respectively. In fraud detection, accuracies greater than 90% were reported by the authors. The article concludes that MLMs for ED in multiple applications, including fraud, offer a viable way to identify and classify anomalies robustly, with a high degree of accuracy and precision. MLMs for ED in fraud are useful as they can quickly process large amounts of data to detect and classify suspicious transactions or activities, helping to prevent financial losses.

Artificial neural networks in the prediction of fraud in integral milk powder by adding whey powder / Redes neurais artificiais na predição de fraude em leite em pó integral pela adição de soro lácteo em pó

This research was performed to ascertain the most suitable Artificial Neural Network (ANN) model to quantify the degree of fraud in powdered milk through the addition of powdered whey via regular standard physicochemical analyses. In this study, an evaluation was done on 103 samples with different quantities of added whey powder to whole milk powder. Using Fourier Transform Infrared Spectroscopy the fat, cryoscopy, total solids, defatted dry extract, lactose, protein and casein were analyzed. The hyperbolic tangent transformation function was used with 45 topologies, and the Holdback and K-fold validation methods were tested. In the Holdback method, 75% of the database was employed for training, while 25% was used for validation. In the K-fold method, the database was categorized into five equal sized subsets, which alternated between training and validation. Of the two methods, the K-fold method was proven to have superior efficiency. Next, analysis was done on three models of multilayer perceptron networks with feedforward architecture. In Model 1, the input layer contained all the physicochemical analyses conducted, in model 2 the casein analysis was excluded, and in model 3 the routine analyses performed for dairy products was done (fat, defatted dry extract, cryoscopy and total solids). From Model 3 an ANN was derived which could satisfactorily predict fraud calculated from using the routine and standard analyses for dairy products, containing 64 nodes in the hidden layer, with R² of 0.9935 and RMSE of 0.5779 for training, and R² of 0.9964 and RMSE of 0.4358 for validation.

O objetivo do trabalho foi determinar o melhor modelo de rede neural artificial (RNA) para quantificar fraude em leite em pó, pela adição de soro em pó, por meio de analises físico-químicas de rotina. Foram avaliados 103 níveis de adição de soro lácteo em pó em leite em pó integral. As análises de gordura, crioscopia, sólidos totais, extrato seco desengordurado, lactose, proteína e caseína foram realizadas por espectroscopia no infravermelho com transformada de Fourier. A função de transformação utilizada foi a tangente hiperbólica, em que testou-se 45 topologias e dois métodos de validação: holdback e k-fold. Para o método holdback, 75% do banco de dados foi utilizado para o treinamento e 25% para a validação. Para o método k-fold, o banco de dados foi dividido em cinco subconjuntos de mesmo tamanho que se alternavam entre treinamento e validação. O método k-fold se mostrou mais eficiente. Três modelos de redes perceptron de múltiplas camadas com arquitetura feedforward foram analisados. No modelo 1 a camada de entrada constituía todas as análises físico-químicas realizadas, no modelo 2 excluiu-se a análise de caseína e no modelo 3 utilizou-se as análises de rotina em laticínios (gordura, extrato seco desengordurado, crioscopia e sólidos totais). O modelo 3 obteve uma RNA capaz de predizer satisfatoriamente a fraude avaliada a partir de análises consideradas de rotina em laticínios com uma RNA contendo 64 nodos na camada oculta, R² de 0,9935 e RMSE de 0,5779 para treinamento, R² de 0,9964 e RMSE de 0,4358 para validação.

Coffee's country of origin determined by NMR: the Colombian case.

The determination of the origin of coffee beans by NMR fingerprinting has been shown promising and classification has been reported for samples of different countries and continents. Here we show that this technique can be extended and applied to discriminate coffee samples from one country against all others, including its closest neighbors. Very high classification rates are reported using a large number of spectra (>300) acquired over a two-year period. As original aspects it can be highlighted that this study was performed in fully automatic mode and with non-deuterated coffee extracts. This is achieved using a series of experiments to procure a robust suppression of the solvent peaks. As is, the method represents a cost effective opportunity for countries to protect their national productions.

Determinação quantitativa das principais substâncias utilizadas para fraudar o café torrado e moído / Quantitative determination of the main substances used to defraud ground roasted coffee

E descrita uma serie de métodos, elaborados na Seção do Café do Instituto Adolfo Lutz, São Paulo, SP, para identificação e determinação quantitativa das principais substancias (açúcar, caramelo, cevada, milho, cascas de cacau e de soja) utilizadas para fraudar o café torrado e moído. São métodos simples e rápidos, posto que ao Serviço de Fiscalização local interessa a resposta de analise no mais curto espaço de tempo possível. E descrito, ainda o aspecto das substancias da fraude, num exame a lupa (aum. 20 x) (AU).

Fraudes da pimenta do reino preta (Piper nigrum) moída / Frauds in ground black pepper (Piper nigrum)

Foram analisadas 103 amostras de pimenta do reino preta moída, comercializada na cidade de São Paulo e 15 da mesma pimenta, comercializada na cidade do Rio de Janeiro, com a finalidade de verificar fraudes e principalmente detectar semente de mamão moída que, conforme várias denúncias, estaria sendo adicionada a esse tipo de produto. Foram também estudadas amostras de pimenta do reino preta moída, de semente de mamão moída, e de misturas de pimenta do reino preta e semente de mamão moídas, preparadas no laboratório. As amostras foram submetidas a análise físico-química, exame microscópico e cromatografia em camada delgada. Não foi detectada a presença de semente de mamão nas amostras do comércio. Entretanto, o exame microscópico revelou que em 600/0 das amostras havia fraude, sendo identificados como adulterantes amidos de milho, trigo e mandioca, farinha de trigo, fubá, farinha de mandioca, pedúnculos da pimenta do reino, e matéria arenosa. Nas misturas preparadas foi possível observar maior sensibilidade ao exame microscópico em relação à cromatografia em camada delgada, pois este método somente detectou semente de mamão em misturas contendo 200/0 dessas sementes, enquanto que o exame microscópico detectou esse adulterante na proporção de 10/0. Foi sugerida a redução dos limites permitidos pela legislação em vigor do resíduo mineral fixo de 70/0 para 40/0, e do resíduo mineral fixo insolúvel em ácido clorídrico (1 +9), de 1,50/0 para 10/0. O extrato alcoólico estava abaixo dos limites exigidos pela legislação em 670/0 das amostras (AU).

Óleo de oliva - avaliação de sua qualidade / Olive oil - quality evaluation

Existem algumas misturas de óleos que, pela composiçao de seus ácidos g raxos, podem ser adicionadas a óleos de oliva, sem que essa fraude possa ser detectada pelos processos clássicos, pois os índices físico-químicos do produto final caem dentro do intervalo característico do óleo de oliva puro. A cromatografia em fase gasosa foi empregada para a obtenção do perfil cromatográfico dos ácidos g raxos do óleo de oliva, do de soja e do de babaçu, bem como de misturas, preparadas no laboratório, de dois ou três dos referidos óleos. Foram também determinados os índices de iodo e de refração dos óleos puros e das misturas de óleos. Pela presença dos ácidos g raxos capr ílico, cáprico, láurico e mirístico, e pela composição relativa dos demais ácidos, foi possível detectar a presença de óleo de babaçu e de óleo de soja em óleos de oliva, mesmo quando os índices físico-químicos indicavam óleo de olíva puro. Durante o período de janeiro de 1979 a dezembro de 1980, foram analisadas 190 amostras de óleos de oliva, expostos ao consumo em São Paulo, provenientes do exterior, sendo que os óleos enlatados no país de origem eram puros, enquanto que 42%... (AU).