論文の概要: Neural network modelling of kinematic and dynamic features for signature verification

• arxiv url: http://arxiv.org/abs/2411.17506v1
• Date: Tue, 26 Nov 2024 15:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:34:08.083393
• Title: Neural network modelling of kinematic and dynamic features for signature verification
• Title（参考訳）: 署名検証のためのキネマティックおよび動的特徴のニューラルネットワークモデリング
• Authors: Moises Diaz, Miguel A. Ferrer, Jose Juan Quintana, Adam Wolniakowski, Roman Trochimczuk, Konstantsin Miatliuk, Giovanna Castellano, Gennaro Vessio,
• Abstract要約: 角速度, 角位置, 力トルクを推定するための2つの手法を提案する。 最初のアプローチは、物理的なUR5eロボットアームを使用して、それらのパラメータを時間をかけてキャプチャしながらシグネチャを再現する。 2つ目の方法はコスト効率のよいアプローチで、ニューラルネットワークを使って同じパラメータを推定する。
• 参考スコア（独自算出の注目度）: 9.143522881319294
• License:
• Abstract: Online signature parameters, which are based on human characteristics, broaden the applicability of an automatic signature verifier. Although kinematic and dynamic features have previously been suggested, accurately measuring features such as arm and forearm torques remains challenging. We present two approaches for estimating angular velocities, angular positions, and force torques. The first approach involves using a physical UR5e robotic arm to reproduce a signature while capturing those parameters over time. The second method, a cost effective approach, uses a neural network to estimate the same parameters. Our findings demonstrate that a simple neural network model can extract effective parameters for signature verification. Training the neural network with the MCYT300 dataset and cross validating with other databases, namely, BiosecurID, Visual, Blind, OnOffSigDevanagari 75 and OnOffSigBengali 75 confirm the models generalization capability.
• Abstract（参考訳）: 人的特性に基づくオンライン署名パラメータは,自動署名検証装置の適用範囲を広げる。 これまでは動力学的、動的特徴が示唆されていたが、腕や前腕のトルクなどの特徴を正確に測定することは困難である。 角速度, 角位置, 力トルクを推定するための2つの手法を提案する。 最初のアプローチは、物理的なUR5eロボットアームを使用して、それらのパラメータを時間をかけてキャプチャしながらシグネチャを再現する。 2つ目の方法はコスト効率のよいアプローチで、ニューラルネットワークを使って同じパラメータを推定する。 この結果から, 単純なニューラルネットワークモデルにより, 署名検証に有効なパラメータを抽出できることが示唆された。 MCYT300データセットでニューラルネットワークをトレーニングし、BiosecurID、Visual、Blind、OnOffSigDevanagari 75、OnOffSigBengali 75といった他のデータベースとクロスバリデーションすることで、モデルの一般化機能を確認する。

関連論文リスト

• Using deep neural networks to detect non-analytically defined expert event labels in canoe sprint force sensor signals [3.1446633690603356]
  本稿では、パドルストロークイベントを自動的に予測する能力の観点から、畳み込みニューラルネットワーク(CNN)と繰り返しニューラルネットワーク(RNN)について検討する。 以上の結果から,双方向ゲート再帰単位(BGRU)に基づくRNNがパドルストローク検出に最も適したモデルであることが判明した。
  論文  参考訳（メタデータ） (2024-07-11T10:59:11Z)
• Data-driven discovery of self-similarity using neural networks [0.0]
  本稿では、観測データから直接自己相似性を発見するニューラルネットワークに基づく新しいアプローチを提案する。 物理問題における自己相似解の存在は、支配法則が権力者指数によって主張される関数を含むことを示す。 観測データを用いてニューラルネットワークモデルをトレーニングし、トレーニングが成功すれば、物理問題のスケール・トランスフォーメーション対称性を特徴付けるパワー指数を抽出できる。
  論文  参考訳（メタデータ） (2024-06-06T09:36:05Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
  ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。 提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。 我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-26T17:59:58Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• High-Robustness, Low-Transferability Fingerprinting of Neural Networks [78.2527498858308]
  本稿では,ディープニューラルネットワークを効果的にフィンガープリントするための特性例を提案する。 モデルプルーニングに対するベースモデルへの高いロバスト性、無関係モデルへの低透過性などが特徴である。
  論文  参考訳（メタデータ） (2021-05-14T21:48:23Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• Improving Video Instance Segmentation by Light-weight Temporal Uncertainty Estimates [11.580916951856256]
  本稿では,インスタンスセグメンテーションネットワークの不確かさをモデル化するための時間動的手法を提案する。 本稿では,偽陽性の検出と予測品質の推定に本手法を適用した。 提案手法は、容易に訓練されたニューラルネットワークとビデオシーケンス入力のみを必要とする。
  論文  参考訳（メタデータ） (2020-12-14T13:39:05Z)
• Automated and Formal Synthesis of Neural Barrier Certificates for Dynamical Models [70.70479436076238]
  バリア証明書(BC)の自動的,形式的,反例に基づく合成手法を提案する。 このアプローチは、ニューラルネットワークとして構造化されたBCの候補を操作する誘導的フレームワークと、その候補の有効性を認証するか、反例を生成する音検証器によって支えられている。 その結果,音のBCsを最大2桁の速度で合成できることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T07:39:42Z)
• A Hybrid Objective Function for Robustness of Artificial Neural Networks -- Estimation of Parameters in a Mechanical System [0.0]
  本稿では,加速度プロファイルに基づく機械車両モデルのパラメータ推定の課題について考察する。 未知のパラメータが異なる車両モデル群に対するパラメータを予測できる畳み込みニューラルネットワークアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2020-04-16T15:06:43Z)

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。