Fugu-MT 論文翻訳(概要): Machine Learning and Deep Learning for Fixed-Text Keystroke Dynamics

論文の概要: Machine Learning and Deep Learning for Fixed-Text Keystroke Dynamics

arxiv url: http://arxiv.org/abs/2107.00507v1
Date: Thu, 1 Jul 2021 14:54:29 GMT
ステータス: 処理完了
システム内更新日: 2021-07-02 17:30:13.546098
Title: Machine Learning and Deep Learning for Fixed-Text Keystroke Dynamics
Title（参考訳）: 固定テキストキーストロークダイナミクスのための機械学習とディープラーニング
Authors: Han-Chih Chang, Jianwei Li, Ching-Seh Wu, Mark Stamp
Abstract要約: キーストロークダイナミクスは、キーボード入力の様々な側面を測定することで、ユーザーがタイプする方法を分析するために使用することができる。固定テキストキーストロークに基づく多種多様な機械学習およびディープラーニング技術について検討する。
参考スコア（独自算出の注目度）: 6.626171743551614
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Keystroke dynamics can be used to analyze the way that users type by measuring various aspects of keyboard input. Previous work has demonstrated the feasibility of user authentication and identification utilizing keystroke dynamics. In this research, we consider a wide variety of machine learning and deep learning techniques based on fixed-text keystroke-derived features, we optimize the resulting models, and we compare our results to those obtained in related research. We find that models based on extreme gradient boosting (XGBoost) and multi-layer perceptrons (MLP)perform well in our experiments. Our best models outperform previous comparable research.
Abstract（参考訳）: キーストロークダイナミクスは、キーボード入力の様々な側面を測定することで、ユーザーがタイプする方法を分析するために使用することができる。キーストロークダイナミクスを利用したユーザ認証と識別の実現可能性を示す以前の研究がある。本研究では,固定テキストキーストロークをベースとした多種多様な機械学習および深層学習技術について検討し,得られたモデルを最適化し,関連する研究結果と比較する。 xgboost (extreme gradient boosting) と多層パーセプトロン (multi-layer perceptrons, mlp) に基づくモデルが実験でうまく機能していることがわかりました。私たちの最高のモデルは、以前の比較研究より優れている。

関連論文リスト

Multitaper mel-spectrograms for keyword spotting [42.82842124247846]
そこで本研究では,KWSの改良機能を実現するために,マルチタッパー技術を用いた手法について検討する。提案した改良機能を使用することの利点を実験により確認した。
論文参考訳（メタデータ） (2024-07-05T17:18:25Z)
Generative Input: Towards Next-Generation Input Methods Paradigm [49.98958865125018]
我々はGeneInputという新しい生成入力パラダイムを提案する。すべての入力シナリオと他のインテリジェントな補助入力関数を処理するためにプロンプトを使用し、ユーザーフィードバックでモデルを最適化し、パーソナライズされた結果を提供する。その結果,FK2C(Full-mode Key-sequence to Characters)タスクにおいて,最先端のパフォーマンスを初めて達成したことを示す。
論文参考訳（メタデータ） (2023-11-02T12:01:29Z)
Robust Learning with Progressive Data Expansion Against Spurious Correlation [65.83104529677234]
本研究では,2層非線形畳み込みニューラルネットワークの学習過程について検討した。分析の結果,不均衡なデータ群と学習容易なスプリアス特徴が学習過程におけるスプリアス特徴の優位性に繋がる可能性が示唆された。本稿では,PDEと呼ばれる新たなトレーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-06-08T05:44:06Z)
Multi-granulariy Time-based Transformer for Knowledge Tracing [9.788039182463768]
過去のテストスコアを含む学生の過去のデータを活用して、各学生にパーソナライズされたモデルを作成します。次に、これらのモデルを使用して、将来のパフォーマンスを所定のテストで予測します。
論文参考訳（メタデータ） (2023-04-11T14:46:38Z)
Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文参考訳（メタデータ） (2023-01-30T12:38:31Z)
Pre-trained Language Models for Keyphrase Generation: A Thorough Empirical Study [76.52997424694767]
事前学習言語モデルを用いて,キーフレーズ抽出とキーフレーズ生成の詳細な実験を行った。 PLMは、競争力のある高リソース性能と最先端の低リソース性能を持つことを示す。さらに,領域内のBERTライクなPLMを用いて,強大かつデータ効率のよいキーフレーズ生成モデルを構築できることが示唆された。
論文参考訳（メタデータ） (2022-12-20T13:20:21Z)
Towards a learning-based performance modeling for accelerating Deep Neural Networks [1.1549572298362785]
我々は、畳み込みニューラルネットワーク(CNN)を最適化するために、機械学習技術に基づく予測モデルの調査を開始する。 MidgardベースのARM Mali GPUの予備実験では、我々の予測モデルはライブラリが手作業で選択したすべての畳み込み演算子よりも優れていた。
論文参考訳（メタデータ） (2022-12-09T18:28:07Z)
Which priors matter? Benchmarking models for learning latent dynamics [70.88999063639146]
古典力学の先行概念を機械学習モデルに統合する手法が提案されている。これらのモデルの現在の機能について、精査する。連続的および時間的可逆的ダイナミクスの使用は、すべてのクラスのモデルに恩恵をもたらす。
論文参考訳（メタデータ） (2021-11-09T23:48:21Z)
Machine Learning-Based Analysis of Free-Text Keystroke Dynamics [7.447152998809457]
キーストロークダイナミクスは、ユーザーが様々なキーボード入力に基づいてタイプする方法を分析するために使用することができる。これまでの研究では、キーストロークのダイナミクスに基づいてユーザ認証と分類が可能であることが示されている。畳み込みニューラルネットワーク(CNN)とゲートリカレントユニット(GRU)を組み合わせた新しいディープラーニングモデルの実装と解析を行う。
論文参考訳（メタデータ） (2021-07-01T14:50:17Z)
Trajectory-wise Multiple Choice Learning for Dynamics Generalization in Reinforcement Learning [137.39196753245105]
本稿では,動的一般化のためのマルチヘッドダイナミックスモデルを学習するモデルベース強化学習アルゴリズムを提案する。文脈学習は,過去の経験から得られる動的情報からコンテキスト潜在ベクトルにエンコードする。提案手法は,最先端のRL法と比較して,様々な制御タスクにおいて優れたゼロショット一般化性能を示す。
論文参考訳（メタデータ） (2020-10-26T03:20:42Z)
Predicting Chemical Properties using Self-Attention Multi-task Learning based on SMILES Representation [0.0]
本研究では,変圧器変圧器モデルの構造的差異について検討し,新しい自己注意モデルを提案する。不均衡な化学データセットを用いたマルチタスク学習環境において,自己認識モジュールの表現学習性能を評価した。
論文参考訳（メタデータ） (2020-10-19T09:46:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。