論文の概要: Serial fusion of multi-modal biometric systems
- arxiv url: http://arxiv.org/abs/2401.13418v1
- Date: Wed, 24 Jan 2024 12:30:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-25 14:45:27.240913
- Title: Serial fusion of multi-modal biometric systems
- Title(参考訳): 多モードバイオメトリックシステムのシリアル融合
- Authors: Gian Luca Marcialis, Paolo Mastinu, and Fabio Roli
- Abstract要約: 複数のバイオメトリック・マーカのシリアルまたはシーケンシャルな融合は、これまで完全には研究されていない。
本稿では,このようなシステムの性能評価のための新しい理論的枠組みを提案する。
- 参考スコア(独自算出の注目度): 6.699652823264316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Serial, or sequential, fusion of multiple biometric matchers has been not
thoroughly investigated so far. However, this approach exhibits some advantages
with respect to the widely adopted parallel approaches. In this paper, we
propose a novel theoretical framework for the assessment of performance of such
systems, based on a previous work of the authors. Benefits in terms of
performance are theoretically evaluated, as well as estimation errors in the
model parameters computation. Model is analyzed from the viewpoint of its pros
and cons, by mean of preliminary experiments performed on NIST Biometric Score
Set 1.
- Abstract(参考訳): 複数のバイオメトリック・マーカのシリアルまたはシーケンシャルな融合は、これまで完全には研究されていない。
しかし、このアプローチは広く採用されている並列アプローチに対していくつかの利点を示す。
本稿では,著者の以前の研究に基づいて,このようなシステムの性能評価のための新たな理論的枠組みを提案する。
性能面での利点は理論的に評価され、モデルパラメータ計算における推定誤差も評価される。
NIST Biometric Score Set 1 で行った予備実験により, モデルとその長所と短所の観点から解析した。
関連論文リスト
- Multiparameter regularization and aggregation in the context of polynomial functional regression [2.1960518939650475]
本稿では,複数のパラメータの正規化のためのアルゴリズムを導入し,関連するパラメータを扱うための理論的基礎的手法を提案する。
提案手法の有効性は, 人工医療データと実世界の医療データの両方を用いて評価し, 有望な結果が得られた。
論文 参考訳(メタデータ) (2024-05-07T09:26:20Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)はこの文脈で際立っているのは、深層生成モデルのトレーニングにシミュレーションのデータセットを必要とすることである。
本研究では,複数の観測値が利用可能であり,それらの共有情報を活用してモデルのパラメータをよりよく推測することのできる,背の高いデータ拡張について考察する。
提案手法は,近年盛んに行われているスコアベース拡散文学の成果に基づいて構築され,個々の観測に基づいて学習したスコアネットワークの情報を用いて,高度データ後部分布を推定することができる。
論文 参考訳(メタデータ) (2024-04-11T09:23:36Z) - Statistical inference for pairwise comparison models [5.487882744996216]
本稿では、ペアワイズ比較モデルの幅広いクラスにおいて、最大極大に対する準最適正規性を確立する。
鍵となる考え方は、フィッシャー情報行列を重み付きグラフラプラシアンとして同定することである。
論文 参考訳(メタデータ) (2024-01-16T16:14:09Z) - New bootstrap tests for categorical time series. A comparative study [4.869045108760265]
分類過程間の相似性尺度に依存する3つの試験を提案する。
差分分布と両プロセスのシリアル依存パターンの相違を評価できる3つの特定の距離を考慮し,実験を行った。
生物学的配列を含む応用は、提案手法の有用性を強調している。
論文 参考訳(メタデータ) (2023-04-30T12:35:28Z) - Mind the Gap: Measuring Generalization Performance Across Multiple
Objectives [29.889018459046316]
本稿では,MHPO法の一般化性能を計測できる新しい評価プロトコルを提案する。
また,2つの最適化実験を比較する能力についても検討した。
論文 参考訳(メタデータ) (2022-12-08T10:53:56Z) - Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。
推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。
本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
論文 参考訳(メタデータ) (2021-07-28T16:29:38Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Marginal likelihood computation for model selection and hypothesis
testing: an extensive review [66.37504201165159]
この記事では、このトピックの最先端に関する総合的な研究について紹介する。
さまざまなテクニックの制限、メリット、コネクション、差異を強調します。
また、不適切な事前利用の問題や解決法についても述べる。
論文 参考訳(メタデータ) (2020-05-17T18:31:58Z) - Causal Modeling with Stochastic Confounders [11.881081802491183]
この作業は、共同設立者との因果推論を拡張します。
本稿では,ランダムな入力空間を持つ表現子定理に基づく因果推論のための変分推定手法を提案する。
論文 参考訳(メタデータ) (2020-04-24T00:34:44Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。