Отрывок: Формируются нейроны, обрабатывающие зави- симые признаки. Нейроны Байеса настраиваются по методике [1]. Для «критериев» и «гравитаци- онных» метрик устанавливается фиксированная размерность nc = 20 и ng = 2 соответственно. За- висимые признаки не нужно группировать по информативности, они имеют схожие формы функций плотности вероятности и близки по информативности. Указанные значения гиперпараметров (∆I, ni, ∆n, nc, ng) были получены эмпирически и близки к опти- мальным. Каж...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Сулавко, А.Е. | - |
dc.date.accessioned | 2020-03-13 12:30:59 | - |
dc.date.available | 2020-03-13 12:30:59 | - |
dc.date.issued | 2020-02 | - |
dc.identifier | Dspace\SGAU\20200313\82865 | ru |
dc.identifier.citation | Сулавко, А.Е. Высоконадежная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 82-91. – DOI: 10.18287/2412-6179-CO-567. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-567 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Vysokonadezhnaya-dvuhfaktornaya-biometricheskaya-autentifikaciya-po-rukopisnym-i-golosovym-parolyam-na-osnove-gibkih-neironnyh-setei-82865 | - |
dc.description.abstract | В работе рассматривается проблема высоконадежной биометрической аутентификации на основе преобразователей тайных биометрических образов в длинный ключ или пароль, а также их тестирования на сравнительно малых выборках (тысячи образов). Статические образы являются открытыми, поэтому при удаленной аутентификации доверие к ним ограничено. Описан процесс вычисления биометрических параметров голосового и рукописного паролей, предложен метод автоматического формирования гибкой гибридной сети, состоящей из нейронов различного типа, и абсолютно устойчивый алгоритм ее обучения на малых выборках «Свой» (7–15 примеров). Предложен метод обученного гибридного преобразователя «биометрия-код» от извлечения знаний. Достигнуты низкие показатели FAR. | ru |
dc.description.sponsorship | Исследование выполнено за счёт гранта Российского научного фонда (проект №17-71-10094). | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет им. академика С.П. Королева, Институт систем обработки изображений РАН - филиал ФНИЦ «Кристаллография и фотоника» РАН | ru |
dc.relation.ispartofseries | 44;1 | - |
dc.subject | гибридные сети | ru |
dc.subject | квадратичные формы | ru |
dc.subject | функционалы Байеса | ru |
dc.subject | особенности воспроизведения рукописных образов | ru |
dc.subject | параметры голоса | ru |
dc.subject | широкие нейронные сети | ru |
dc.subject | преобразователи «биометрия-код» | ru |
dc.subject | защищенные нейросетевые контейнеры | ru |
dc.title | Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей | ru |
dc.title.alternative | Highly reliable two-factor biometric authentication based on handwritten and voice passwords using flexible neural network | ru |
dc.type | Article | ru |
dc.textpart | Формируются нейроны, обрабатывающие зави- симые признаки. Нейроны Байеса настраиваются по методике [1]. Для «критериев» и «гравитаци- онных» метрик устанавливается фиксированная размерность nc = 20 и ng = 2 соответственно. За- висимые признаки не нужно группировать по информативности, они имеют схожие формы функций плотности вероятности и близки по информативности. Указанные значения гиперпараметров (∆I, ni, ∆n, nc, ng) были получены эмпирически и близки к опти- мальным. Каж... | - |
dc.classindex.scsti | 28.23.37 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
440111.pdf | Основная статья | 878.32 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.