دانلود مقاله انگلیسی رایگان:شبکه عصبی چند حالته سیامی (mSNN) برای تأیید شخص با استفاده از امضا و EEG - 2021
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی بیومتریک رایگان
  • A multimodal-Siamese Neural Network (mSNN) for person verification using signatures and EEG A multimodal-Siamese Neural Network (mSNN) for person verification using signatures and EEG
    A multimodal-Siamese Neural Network (mSNN) for person verification using signatures and EEG

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    A multimodal-Siamese Neural Network (mSNN) for person verification using signatures and EEG


    ترجمه فارسی عنوان مقاله:

    شبکه عصبی چند حالته سیامی (mSNN) برای تأیید شخص با استفاده از امضا و EEG


    منبع:

    Sciencedirect - Elsevier - Information Fusion, 71 (2021) 17-27: doi:10:1016/j:inffus:2021:01:004


    نویسنده:

    Debashis Das Chakladar


    چکیده انگلیسی:

    Signatures have long been considered to be one of the most accepted and practical means of user verification, despite being vulnerable to skilled forgers. In contrast, EEG signals have more recently been shown to be more difficult to replicate, and to provide better biometric information in response to known a stimulus. In this paper, we propose combining these two biometric traits using a multimodal Siamese Neural Network (mSNN) for improved user verification. The proposed mSNN network learns discriminative temporal and spatial features from the EEG signals using an EEG encoder and from the offline signatures using an image encoder. Features of the two encoders are fused into a common feature space for further processing. A Siamese network then employs a distance metric based on the similarity and dissimilarity of the input features to produce the verification results. The proposed model is evaluated on a dataset of 70 users, comprised of 1400 unique samples. The novel mSNN model achieves a 98.57% classification accuracy with a 99.29% True Positive Rate (TPR) and False Acceptance Rate (FAR) of 2.14%, outperforming the current state-of-the-art by 12.86% (in absolute terms). This proposed network architecture may also be applicable to the fusion of other neurological data sources to build robust biometric verification or diagnostic systems with limited data size.
    Keywords: User verification | Multimodal | EEG | Siamese Neural Network | LSTM | CNN


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 2136 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi