Влияние выбора функции потерь на точность при обучении представлений с использованием данных электроэнцефалограммы для решения задачи идентификации субъекта
Статья в сборнике трудов конференции
Перспективным подходом для преодоления различных недостатков парольных систем является использование биометрической аутентификации, в частности, использование данных электроэнцефалограммы (ЭЭГ) и не зависимого от субъекта метода обучения (обучения представлений) для биометрии на основе ЭЭГ с использованием спектрограмм Гильберта. Исследовалось влияние выбора функции потерь на итоговую точность указанного подхода, лучшую точность показала функция NCA Loss. Архитектура была протестирована на общедоступном наборе данных PhysioNet EEG Motor Movement/Imagery Dataset (PEEGMIMDB) с достижением 11,7% Equal Error Rate (EER).
Библиографическая запись: Светлаков, М. О. Влияние выбора функции потерь на точность при обучении представлений с использованием данных электроэнцефалограммы для решения задачи идентификации субъекта [Электронный ресурс] / М. О. Светлаков; науч. рук. И. А. Ходашинский // Сборник избранных статей научной сессии ТУСУР : по материалам Международной научно-технической конференции студентов, аспирантов и молодых ученых "Научная сессия ТУСУР–2022" (Томск, 18-20 мая 2022 г.) : в 3 ч. – Томск : В-Спектр, 2022. – Ч. 2. – С. 92-94.
Ключевые слова:
ЭЭГ БИОМЕТРИЯ ОБУЧЕНИЕ ПРЕДСТАВЛЕНИЙ СПЕКТРОГРАММЫ ПРЕОБРАЗОВАНИЕ ГИЛЬБЕРТА-ХУАНГА PHYSIONETКонференция:
- Научная сессия ТУСУР–2022
- Россия, Томская область, Томск, 18-20 мая 2022,
- Международная
Издательство:
Томский государственный университет систем управления и радиоэлектроники
Россия, Томская область, Томск