文献

J-GLOBAL ID：202102251247412418   整理番号：21A3307511

サークルパッキング解釈による深いキーストロークバイオメトリックスに適用したセットマージン損失【JST・京大機械翻訳】

SetMargin loss applied to deep keystroke biometrics with circle packing interpretation

著者 (5件)： Morales Aythami (School of Engineering, Universidad Autonoma de Madrid, Spain) ,  Fierrez Julian (School of Engineering, Universidad Autonoma de Madrid, Spain) ,  Acien Alejandro (School of Engineering, Universidad Autonoma de Madrid, Spain) ,  Tolosana Ruben (School of Engineering, Universidad Autonoma de Madrid, Spain) ,  Serna Ignacio (School of Engineering, Universidad Autonoma de Madrid, Spain)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,新しい距離メトリック学習法(DML)に基づくキーストロークバイオメトリックのための新しい深層学習手法を提案した。DMLマップは,距離に基づく「意味」構造を明らかにする学習された表現空間に入力データを入力する。本研究では,学習と推論で使われるクラスが互いに素因であるフリーテキストキーストローク同定に関連する課題に取り組むために特別に設計した新しいDML法を提案した。提案したSetMargin損失(SM-L)は,従来のDMLアプローチを,伝統的に行われたように,サンプルペアの代わりに集合のペアによって誘導される学習過程によって拡張する。提案した学習戦略は,キーストロークダイナミックスのクラス内構造を維持しながら,クラス間距離を拡大できる。Circle Packingとして知られる数学的問題を用いて,得られた表現空間を解析し,理論的最大クラス間距離を持つ近傍構造を提供した。最後に,78000人の被験者の大規模集合上のキーストロークバイオメトリック同定という挑戦的なタスクに対する提案アプローチの有効性を実験的に証明した。本手法は,最良の既存手法との比較において,最先端の精度を達成した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  *バイオメトリクス
準シソーラス用語： 被験者 ,  *キーストローク ,  深層学習 ,  キーストロークダイナミックス , 【Automatic Indexing@JST】

著者キーワード (4件)： キーストロークバイオメトリックス ,  サークルパッキング ,  深層学習 ,  DML

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： サークル ,  損失