単純グラフと極端学習機械アプローチに基づくライタ検証【JST・京大機械翻訳】

Vasquez A; Mora M; Aubin V; Salazar E; Barrientos R; Hernandez R; Vilches K

文献

J-GLOBAL ID：202002277455601232 整理番号：20A2702254

単純グラフと極端学習機械アプローチに基づくライタ検証【JST・京大機械翻訳】

Writer verification based on simple graphemes and extreme learning machine approaches

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2702254&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2702254&from=J-GLOBAL&jstjournalNo=W5565A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 1671 号： 1 ページ： 012004 (7pp) 発行年： 2020年
JST資料番号： W5565A ISSN： 1742-6588 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

mTradational文献は,複雑なバイオメトリックソース,記述子,および分類器が書き込み者の検証問題を解決するのを示す。多層パーセプトロン,サポートベクトルマシンおよび畳み込みニューラルネットワークのような分類器を考慮して,簡単なグラフが最近研究され,訓練において高い計算コストを持つが,高いレベルの性能を可能にする。本論文では,より少ない訓練時間でより良いディスクリプタ性能を達成する目的で,簡単なグラフに基づく書き込みアイデンティティを検証するために,極端学習ニューラルネットワークの使用を提案した。この提案は,文書における検出,著作同定,偽,脅威,およびftを偽造するために,手書きテキストの分析を通して,人々の同一性を検証することができる。実験結果は,このタイプの分類器が,対処された問題において,すべての5つの特性に対して95%以上の成功率を達成するが,従来使用された技術よりも訓練時間が有意に少ないことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る