抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ピアソン同定技術は,それらのユニークで測定可能な生理学的および行動特性を利用することによって個人を認識する。しかしながら,最先端の人物識別システムは,脆弱であり,例えば,コンタクトレンズは,虹彩認識をトリックし,指紋膜は,指紋センサーを除去できる。EEG(脳波)ベースの同定は,同定のためにユーザの脳波信号を利用し,より弾力性のある解決策を提供し,最近多くの注目を集めている。しかし,精度はまだ改善を必要とし,同定システムのロバスト性と適応性に焦点を当てた。EEGベースのバイオメトリック識別アプローチであるMindIDを提案し,より高い精度とより良い特性を達成した。最初に,EEGデータパターンを解析して,結果は,デルタパターンがユーザ識別のために最も特徴的な情報を含むことを示した。次に,分解Deltaパターンを,チャネルの重要性に基づいて,種々のEEGチャネルに様々な注意重みを割り当てる,注意ベースEncoder-Decoder RNN(Reカレントニューラルネットワーク)構造に供給した。注意ベースRNNから学習された識別表現を用いて,ブースティング分類器を通してユーザ識別を認識する。提案した手法を3データセット(2つの地域と1つの公開)で評価した。1つの局所データセット(EID-M)は性能評価のために使用され,結果は,著者らのモデルがベースラインと最先端技術を上回る0.982の精度を達成することを示した。もう一つの局所データセット(EID-S)と公開データセット(EEG-S)を利用して,ロバスト性と適応性をそれぞれ実証した。結果は,提案されたアプローチが,実際に,実践環境で展開される可能性があることを示す。【JST・京大機械翻訳】