інтернет-адреса сторінки: http://jnas.nbuv.gov.ua/article/UJRN-0000502503
Кибернетика и системный анализ   А - 2019 /  Випуск (2016, Т. 52, № 3)
Иванов А. И., Ложников П. С., Серикова Ю. И.
Снижение размеров достаточной для обучения выборки за счет симметризации корреляционных связей биометрических данных Показано, что на малых тестовых выборках коэффициенты корреляции биометрических данных имеют значительную погрешность. Это препятствует их использованию при обучении (настройке) классических квадратичных форм и сетей Байеса. Предложено использовать способ симметризации корреляционных связей. Доказано, что в этом случае требования к объему биометрических данных существенно снижаются. Как следствие, настройка (обучение) квадратичных форм и настройка сетей наибольшего правдоподобия Байеса становятся гораздо более устойчивыми задачами. Последнее эквивалентно многократному снижению требований к размерам обучающей выборки примеров биометрического образа "свой".
 https://doi.org/10.1007/s10559-016-9838-x
 Scopus
Бібліографічний опис:
Иванов А. И., Ложников П. С., Серикова Ю. И. Снижение размеров достаточной для обучения выборки за счет симметризации корреляционных связей биометрических данных. Кибернетика и системный анализ. 2016. Т. 52, № 3. С. 49-56. doi: https://doi.org/10.1007/s10559-016-9838-x URL: http://jnas.nbuv.gov.ua/article/UJRN-0000502503 |
 Cybernetics and Systems Analysis / Issue (2016, 52 (3))
Ivanov A.I.,
Lozhnikov P.S.,
Serikova Y.I.
Reducing the size of training-sufficient sampling due to symmetrization of correlation relationshps of biometric data This paper shows that correlation coefficients obtained from small test samples for biometric data involve considerable uncertainty. This interferes with using them for machine training (setting) of classical quadratic forms and Bayesian networks. A method for symmetrizing correlation relationships is proposed. The requirement on the volume of biometric data is proved to be reduced considerably in this case. As a consequence, the setting (teaching) of quadratic forms and setting of maximum likelihood Bayesian networks become much more stable problems. This enables many-fold reduction in the requirement on the size of the training sample for an “own” biometric image. © 2016, Springer Science+Business Media New York. Keywords: biometric identification, machine learning based on small test samples, symmetrization of correlation relationships, Artificial intelligence, Bayesian networks, Learning systems, Maximum likelihood, Number theory, Biometric identifications, Biometric image, Correlation coefficient, Machine trainings, Stable problem, symmetrization of correlation relationships, Test samples, Training sample, Biometrics
Cite:
Ivanov A.I.,
Lozhnikov P.S.,
Serikova Y.I.
(2016). Reducing the size of training-sufficient sampling due to symmetrization of correlation relationshps of biometric data. Cybernetics and Systems Analysis, 52 (3), 49-56. doi: https://doi.org/10.1007/s10559-016-9838-x http://jnas.nbuv.gov.ua/article/UJRN-0000502503 [In Russian]. |
PDF