|
n
|
(m(aj)-a)2 j
|
|
|
--
|
-
|
-(aj)
|
2
|
(3.11)
|
|
|
j-bir
|
|
|
|
qayerdaaj- ma'nosij-th xususiyat (neyron kiritish),m(aj) - kutilgan qiymatj-th xususiyat (neyron kiritish), s(aj) - standart og'ish j-th xususiyat (neyron kiritish). Ko'rsatkich (3.11) Pearson ko'rsatkichi deb nomlanishi kerak, chunki mustaqil ma'lumotlar uchun uning qiymatlarni taqsimlash zichligi chi-kvadrat taqsimotiga to'liq mos keladi [43]:
|
|
|
|
|
|
-n
|
-
|
-
|
-
|
x2-
|
|
p(x2) -
|
|
|
bitta
|
-
|
-bir-
|
|
|
n
|
-x-2
|
-
|
-exp-
|
|
2
|
-
|
|
|
|
|
|
-
|
|
-
|
|
|
|
|
|
n
|
|
|
|
-
|
|
|
-
|
|
|
22 ----
|
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-2--
|
|
|
|
|
|
|
|
bu yerda G( ) gamma funksiyasi,nerkinlik darajalari soni yoki soni biometrik parametrlar. Shuni ta'kidlash kerakki, metrikani qo'llashda
154
Pearson (3.11) bog'liq biometrik ma'lumotlar uchun uning kuchi kamayadi, erkinlik darajalari soninkasr (fraktal) songa aylanadi.
Pearson metrikasiga (3.11) o'xshab, xuddi shunday chi-modul ko'rsatkichini (3.12) olish mumkin:
--
|
|
-
|
n
|
|
m(aj)-aj
|
|
(3.12)
|
|
|
j-bir
|
|
-(aj)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xi-modul ko'rsatkichi (3.12) Pearson metrikasiga (3.11) o'xshash ishlaydi, shuning uchun uni Pearson chi-modul ko'rsatkichi deb atash mumkin.
Yana bir ko'rib chiqilgan kvadratik shakl Evklid metrikasi bo'lib, quyidagi formula bo'yicha hisoblanadi:
m
|
j -aj )2
|
|
|
-- -(m (a)
|
(3.13)
|
|
j-bir
|
|
|
|
qayerdaaj—j- neyronning kirishi;m(aj) - kutilgan qiymatj- neyronning kirishi. Ushbu ko'rsatkich zaifroq, chunki u biometrik parametrning standart og'ishini hisobga olmaydi.
Shuni ta'kidlash kerakki, sun'iy intellektning asosiy muammosi - uni o'qitish yoki sozlash muammosi. Shubhasiz, ishlatiladigan texnologiyadan qat'i nazar, sun'iy intellekt shunchalik yaxshi ishlaydi, qaror qabul qilishda (o'qitish yoki sozlashda) ko'proq parametrlar hisobga olinadi. Qaror qabul qilish qoidasining o'lchami printsipial jihatdan muhimdir. Yechilayotgan muammoning o'lchami qanchalik baland bo'lsa, sun'iy intellekt shunchalik samarali ishlaydi.
Kvadrat shakllar tarmog'i (yoki boshqa funktsional) o'rtasidagi asosiy farq sun'iy neyronning tuzilishidir. Klassik neyron va GOST R 52633.5-2011 standartidagi neyron har bir sinapsdan (neyron kirishi) qayta ishlangan parametrlarning natijaviy yig'indisini "0" ikkilik qiymatiga aylantiradigan neyron chiqishidagi to'ldiruvchi va chegara funktsiyasidan iborat. "yoki "1". Kvadrat neyron Evklid, Pearson metrikasiga asoslanishi mumkin.
155
Mahalanobis va boshqalar [30]. Kvadrat shakllarning afzalliklari orasida "Begona" namunalar bo'yicha o'qitish zarurati yo'qligi, kamchiliklari - serverda saqlanganda biometrik standartni buzadigan xususiyatlarni taqsimlash parametrlarini saqlash zarurati.
Funktsionallar tarmog'ini (3.11) - (3.13) shakllantirishda xususiyat protsessorlari takrorlanishdan qochib, neyronlarga tasodifiy tarzda ulanishi kerak. Kvadrat shakllar tarmog'i bir qatlamli neyronlar yoki ikki qatlamli neyronlar bilan amalga oshirilishi mumkin. Birinchi qatlam yuqoridagi formulalardan biri bo'yicha chiqishni hisoblaydigan neyronlardan iborat bo'lib, tarmoq turi bunga bog'liq: Pearson-Xemming (3.11), Evklid-Xamming (3.13) va boshqalar. Neyron turidan qat'i nazar, uning funktsional chiqishidagi qiymat chegara bilan taqqoslanadi. Har bir neyron uchun optimal javob chegarasi mavjud bo'lib, u th = mahsuloti asosida hisoblanadi (perseptronlardan tashqari).ymaksh, qayerdaymaks"O'z" tasvirining o'rgatish ilovalari kirishga kelganda funktsiyaning maksimal qiymati;hbarqarorlashtirish omili,
1 va 2-turdagi xatolar ehtimolining minimal yig'indisiga ko'ra har bir xususiyat maydoni uchun eksperimental ravishda tanlangan. Agar chegara oshib ketgan bo'lsa, neyron bitta ("1"), aks holda nol ("0") chiqaradi. Tarmoq individual neyronlarning chiqish qiymatlarini o'zgartirib, kerakli chiqish kodiga sozlangan. Neyronlar ikkilik qiymatlarni chiqarganligi sababli, ularning tarmoqlari metrikalar va Hamming nomi bilan ataladi.
Neyron tarmog'ining ikkinchi qatlami GOST R 52633.5-2011 standartidan to'liq ko'chirilishi mumkin. Ikkinchi qatlam xatolarni tuzatish kodlari rolini o'ynaydi, uni har qanday neyron tarmoqqa, xoh kvadratik shakllar tarmog'iga, xoh perseptronga, xoh uning modifikatsiyasiga qo'llash mumkin. Ikkinchi qatlamga muqobil sifatida siz [5] da (Bezyaev kodlari) taklif qilingan yaratilgan kalitning xato bitlarini tiklash sxemasini qo'llashingiz mumkin. Oxirgi variant afzalroqdir, chunki u ma'lum miqdordagi xatolarni tuzatishga imkon beradi.
156
Informatsion va barqaror biotasvirlar ham loyqa ekstraktorlar, ham neyron tarmoqlar uchun yaxshi natijalar berishi kerak. Yuqori ma'lumotli tasvirlarni umuman boyitish kerak emas. Shuning uchun biz ushbu bobda ko'rib chiqilgan avlod usullarini ma'lumotsiz imzo tasvirlari va klaviatura qo'l yozuvi misolida solishtiramiz.
Loyqa ekstraktorlarni NPBC bilan solishtirish uchun to'liq miqyosli modellashtirish amalga oshirildi - qo'lda yozilgan tasvirlarning haqiqiy biometrik ma'lumotlari va sub'ektlarning klaviatura qo'l yozuvi bilan hisoblash tajribasi, tabiiyki, avtomatik rejimda algoritmlarni kiritish uchun faqat ma'lumot berilgan. Biometrik ma'lumotlarning bir qismi mashg'ulotlar uchun ishlatilgan, qolgan qismi
— kirish kalitini yaratish va keyinchalik autentifikatsiya qilish ishonchliligini eksperimental baholash uchun. Neyron tarmoqlar, kvadrat shakllar tarmoqlari va loyqa ekstraktorlar uchun o'quv namunasi namunalari sonini bir xil qilish to'g'risida qaror qabul qilindi: 20 ta "O'z" tasvirining realizatsiyasi va idrok etuvchilar uchun "Begona" tasvirining 64 tasi. 1 va 2-turdagi xatolar ehtimoli quyidagicha hisoblangan: FRR =erbitta/msbitta, FAR =er2/ms2, qayerdaer- xatolar soni tegishli turdagimasalan- xatoni aniqlash uchun tajribalar soni mos keladigan tur. 1 va 2-turdagi xatolar yig'indisi ham hisoblab chiqilganXato darajasiehtimollik zichligi funktsiyalarining kesishish maydoni sifatida To'g'ri kodga "O'z" va "Alien" tasvirlari tomonidan yaratilgan kodlardan Hamming masofalari. Ko'rsatilgan zichliklar "O'zga sayyoraliklar" kodlari uchun normal taqsimot qonuni va "Do'st" kodlari uchun beta taqsimot bo'yicha taxmin qilingan.
Tajribada ko'rib chiqilgan barcha tarmoqlarda bitta neyron qatlami mavjud edi. Neyron tarmog'ining chiqish kodining uzunligi barcha holatlarda neyronlar soniga teng edi. [33, 39] da berilgan tavsiyalarga muvofiq, imzoni tekshirish muammosida kvadratik shakllar tarmoqlari uchun neyron kirishlari sonini xususiyatlar sonidan 2 baravar kam qilish maqsadga muvofiqdir. Imzo belgilari uchun kirishlar soni ushbu talab asosida aniqlandi, barcha hisob-kitoblarni uchta versiyada takrorlashga qaror qilindi: neyron kirishlari soni chorakga teng.
157
xususiyatlar soni, xususiyatlar sonining yarmi va xususiyatlar sonining to'rtdan uch qismi. Neyronlar sonini xususiyatlar soniga tenglashtirishga qaror qilindi, chunki kvadrat shakllar tarmoqlari uchun umumiy tavsiyalar yo'q. O'tkazilgan to'liq masshtabli simulyatsiyaning eng yaxshi natijalari (FFR va FAR ning eng kichik summasi uchun) 3.6 - 3.8-jadvallarda, ba'zilari 3.9 - 3.11-rasmlarda ko'rsatilgan.
Do'stlaringiz bilan baham: |
