<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Дослідження внутрішньоперсональної та міжперсональної варіабельності динамічних параметрів підпису у процесі їх ідентифікації

Ескіз

Файли

574-Текст статті-635-1-10-20210907.pdf (1,31 MB)

Дата

2020

Автори



Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

https://doi.org/10.31649/1681-7893-2020-40-2-5-15

Анотація

The choice of dynamic parameters of the signature, steady against geometric variability is substantiated, the process of their normalization both on amplitude, and on time is described. The stability of dynamic signature parameters to intrapersonal variability is investigated on the basis of statistical analysis of scatter parameters of individual signature implementations relative to the average dependence. The sensitivity of dynamic signature parameters to interpersonal variability is investigated. The validity of the choice of the parameter l(t) and the unreasonableness of the choice of the parameter α(t) for use in the highly reliable method of dynamic identification of signatures based on the spiking neural network are proved.

Опис

Ключові слова

dynamic signature identification , intrapersonal signature variability

УДК

Тип документа

Article

Мова

uk_UA

Є частиною

Оптоелектронні інформаційно-енеретичні технології. № 2 : 5-15.

ISSN

2311-2662
1681-7893

Бібліографічний опис

Куцман В. Дослідження внутрішньоперсональної та міжперсональної варіабельності динамічних параметрів підпису у процесі їх ідентифікації [Текст] / В. Куцман, О. Колесницький, І. Денисов // Оптоелектронні інформаційно-енеретичні технології. – 2020. – № 2. – С. 5-15.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/35498

Зібрання

Оптико-електронні інформаційно-енергетичні технології. 2020. № 2

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (8)

  1. M. Diaz, M. A. Ferrer, D. Impedovo, M. I. Malik, G. Pirlo, and R. Plamondon, “A Perspective Analysis of Handwritten Signature Technology”, ACM Comput. Surv., Vol. 51, No. 6, Article 117, January 2019.
  2. Al-banhawy N. H., Mohsen H., Ghali N. I. (2020) "Signature identification and verification systems: a comparative study on the online and offline tech-niques", Future Computing and Informatics Journal: Vol. 5 : Iss. 1 , Article 3.
  3. I.M. El-Henawy, M. Z. Rashad, O. Nomir, and K. Ahmed, “Online Signature Verification: State of the art”, International Journal of Computers & Technology, Volume 4, No. 2, March-April, 2013.
  4. W. Maass, “Networks of spiking neurons: the third generation of neural network models”, Neural Networks, 10:1659-1671, 1997.
  5. J. Ortega-Garcia, J. Fierrez-Aguilar, and et al., “MCYT Baseline Corpus: A Bimodal Biometric Database,” Proc. IEEE Vision, Image and Signal Processing, Special Issue on Biometrics on the Internet, vol. 150, no. 6, pp. 395–401, 2003.
  6. R. Tolosana, R. Vera-Rodriguez, J. Fierrez, and J. Ortega-Garcia, “DeepSign: Deep On-Line Signature Verification”, Preprint in IEEE Transactions on Biometrics Behavior and Identity Science, January 2021.
  7. O. K. Kolesnytskyj, I. V. Bokotsey, and S. S. Yaremchuk, “Optoelectronic Implementation of Pulsed Neurons and Neural Networks Using Bispin-Devices”, Optical Memory & Neural Networks (Information Optics), 2010, Vol.19, №2, рр.154-165.
  8. O. K. Kolesnytskyj, V. V. Kutsman, K. Skorupski, and M. Arshidinova, “Neurocomputer architecture based on spiking neural network and its optoelectronic implementation”, Proc. SPIE 11176, Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019, 1117609 (6 November 2019); doi: https://doi.org/10.1117/12.2536607.