РЕЗУЛЬТАТЫ АДАПТАЦИИ ЗНАЧЕНИЙ ПАРАМЕТРОВ CNN-LSTM ДЛЯ РАСПОЗНАВАНИЯ РУКОПИСНЫХ ОБРАЗОВ

Авторы

  • Жулдыз Алимсеитова Академия логистики и транспорта

Ключевые слова:

нейросетевая модель, сверточная нейронная сеть, параметры нейронной сети, принципы адаптации, биометрическая аутентификация

Аннотация

Для поставленной задачи распознавания рукописного образа неопределенной длины как наиболее эффективная была определена композитная нейросетевая модель CNN-LSTM. Для определения значений параметров нейросетевой модели в статье рассматриваются принципы адаптации структуры сверточной нейронной сети к задаче биометрической аутентификации пользователя на основании анализа двухмерной геометрии их биометрических образов, отображаемых в окне фиксированного размера. Разработана и приведена укрупненная блок-схема алгоритма адаптации значений параметров CNN-LSTM. В результате реализации алгоритма адаптации значений параметров CNN-LSTM получена структура адаптированной нейросетевой модели CNN-LSTM. Для оценки эффективности CNN-LSTM был проведен сравнительный анализ результатов работы системы, реализованной на данной нейросетевой модели с другими системами по времени тестирования и по величине ошибки второго рода.

Биография автора

Жулдыз Алимсеитова, Академия логистики и транспорта

PhD, директор департамента по академическим вопросам, ассоциированный профессор, Алматы, Казахстан, zhuldyz_al@mail.ru  

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] Алимсеитова Ж.К. Қолжазба бейнелерін танып білу үшін CNN-LSTM нейрожелілік модельді қолдану ерекшеліктері. ҚазККА Хабаршысы № 1 (120), 2022, б. 127-133

[3] 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.

[4] 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

[5] 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.

[6] 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.

[7] 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

Опубликован

22.04.2022

Как цитировать

Алимсеитова, Ж. (2022). РЕЗУЛЬТАТЫ АДАПТАЦИИ ЗНАЧЕНИЙ ПАРАМЕТРОВ CNN-LSTM ДЛЯ РАСПОЗНАВАНИЯ РУКОПИСНЫХ ОБРАЗОВ. Вестник КазАТК, 121(2). извлечено от https://vestnik.alt.edu.kz/index.php/journal/article/view/433

Выпуск

Раздел

Автоматика, телемеханика, связь, электроэнергетика, информационные системы