ОБОСНОВАНИЕ ВЫБОРА НАИБОЛЕЕ ЭФФЕКТИВНОЙ НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ РАСПОЗНАВАНИЯ РУКОПИСНОГО ПОЧЕРКА
DOI:
https://doi.org/10.52167/1609-1817-2023-128-5-241-249Ключевые слова:
нейросетевая модель, биометрическая аутентификация, рукописный почерк, критерий эффективности, двухслойный персептрон, сверточные нейронные сети, эффективный вид моделиАннотация
В статье рассматривается вопрос применения нейросетевой модели для распознавания биометрических образов рукописного почерка. При применении нейросетевых моделей для распознавания рукописного почерка одной из проблем является необходимость анализа рукописных фрагментов неопределенной длины, что в известных нейросетевых системах не решено. Для решения данного вопроса в статье предложено обоснование выбора наиболее эффективной нейросетевой модели для распознавания рукописного почерка, которая адаптирована к неопределенному количеству входных параметров и к особенностям условий эксплуатации. Это является первым этапом научно обоснованной методологии разработки эффективных нейросетевых систем защиты информации. После обоснования проводится второй этап – определение параметров эффективной нейросетевой модели. В результате обоснования получены наиболее эффективные нейросетевые модели для распознавания биометрических образов рукописного почерка и их величины интегрального критерия эффективности.
Библиографические ссылки
[1] Нейросетевые модели, методы и средства оценки параметров безопасности интернет-ориентированных информационных систем: монография / А. Корченко, И. Терейковский, Н. Карпинский, С. Тынымбаев. – Киев: НАУ, 2016. – 276 с.
[2] Toliupa, S., Tereikovska, L., Tereikovskyi, I., Doszhanova, A., Alimseitova, Z. (2021) Procedure for Adapting a Neural Network to Eye Iris Recognition // 2020 IEEE International Conference on Problems of Infocommunications Science and Technology, PIC S and T 2020 - Proceedings, р. 167–171, doi 10.1109/PICST51311.2020.94680209468020
[3] Б. Ахметов, Л. Терейковская, И. Терейковский, Ж. Алимсеитова Определение оптимального типа нейросетевой модели для биометрической аутентификации // Сборник трудов IV Международной научно-практической конференции «Интеллектуальные информационные и коммуникационные технологии – средство осуществления третьей индустриальной революции в свете Стратегии «Казахстан-2050»» посвященной 70-летию профессора М. Бейсенби. – Астана, 2017. - с. 155-157.
[4] Ахметов Б.Б., Корченко А.Г., Терейковский И.А., Алибиева Ж.М., Бапиев И.М. (2017) Параметры оценки эффективности нейросетевых средств распознавания кибератак на сетевые ресурсы информационных систем // Вестник Национальной Академии Наук Республики Казахстан. – 2017. - №2. - С. 19-27
[5] Нейромережеві моделі розпізнования фонем в голосовому сигналі в системі дистанційного навчання: монография / В.М. Міхайленко, Л.О. Терейковська, І.А. Терейковський, Б.Б. Ахметов. – Киев: «Компринтр», 2017. – 252 с.
[6] Алимсеитова Ж.К. Разработка интеллектуальной автоматизированной системы распознавания биометрических образов: специальность 05.13.16 «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях»: дис. на соискание кандидата техн. наук / Алимсеитова Жулдыз Кенесхановна; Кыргызский государственный технический университет имени И. Раззакова. – Бишкек, 2019. – 164с.
[7] И. А. Терейковский, Л. А. Терейковская, А. О. Корченко, Ж. М. Алибиева Нейросетевое распознавание рукописных символов в системе биометрической аутентификации // Інформаційні технології в економіці і природокористуванні. – 2017. - № 2. - С. 29-42.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Жұлдыз Алимсейтова, Аткелди Оган, Акбала Абуова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
