Search academic texts

Information × Registration Number 0822U100777, PhD dissertation Status Доктор філософії Date 31-03-2022 popup.evolution o Title Dynamic signature identification based on spiking neural network Author Kutsman Vladislav , popup.head Kolesnytskyj Oleh K. popup.opponent Tsmots Ivan H. popup.opponent Lytvynenko Volodymyr I. popup.review Martyniuk Tetiana B. popup.review Kupershtein Leonid M. Description В дисертаційній роботі розв’язана наукова задача з розробки методів та засобів динамічної ідентифікації підпису з використанням спайкінгових нейронних мереж та динамічних параметрів підпису, робастних до внутрішньоперсональної варіабельності та чутливих до міжперсональної варіабельності підписів. Показано, що при динамічній ідентифікації підписів, зокрема, є такі невирішені проблеми: по-перше, нестабільність відтворення підпису особою є джерелом внутрішньоперсональної варіабельності його динамічних параметрів, а по-друге, недосконалі методи класифікації динамічних параметрів підпису. Розроблено метод динамічної ідентифікації підписів на основі спайкінгової нейронної мережі, який має ряд переваг перед відомими методами, зокрема, не вимагає попереднього перетворення динамічних параметрів у вектор статичних ознак, може ідентифікувати підписи з передбаченням, використовувана нейронна мережа має спрощену процедуру навчання, а саме - не потребує перенавчання всієї мережі при додаванні нових підписів. Розроблено структуру та архітектуру спайкінгової нейронної мережі, орієнтовану на застосування у процесі динамічної ідентифікації підписів. Обґрунтовано вибір динамічних параметрів підпису, які є стійкими до геометричної та часової варіабельності підписів. Досліджено стійкість динамічних параметрів підпису до внутрішньоперсональної варіабельності, а також чутливість динамічних параметрів підпису до міжперсональної варіабельності Розроблено спеціалізоване програмне забезпечення для оцінки достовірності запропонованого методу динамічної ідентифікації підпису. Експериментальні дослідження розробленого методу, проведені з використанням бази даних підписів DeepSignDB, показали, що запропонована система за достовірністю краща за референсну як при тестуванні на майстерних підробках, так і при тестуванні на випадкових підробках. Registration Date 2022-04-15 popup.nrat_date 2022-04-15 Close