تقييم عدم اليقين لأنظمة التحقق من المتحدثين باستخدام نهج بايزي
| العنوان | تقييم عدم اليقين لأنظمة التحقق من المتحدثين باستخدام نهج بايزي |
|---|---|
| المؤلف | يتوهم ، قاس |
| تاريخ النشر: | 2021-01-18 |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | 321c64bd-1216-421e-be12-b24c4dfe458a |
| موقع المكتبة | قسم علوم الحاسوب |
| التاريخ | 2021-01-18 |
| نص عينة | تم تطوير أنظمة التحقق التلقائي من السماعات (ASV) لتمييز السماعات الأصلية عن هجمات الانتحال، كما يتم استخدامها كتطبيق أمني في مختلف الصناعات (مثل الأنظمة المصرفية والأنظمة القائمة على الهاتف). تعتبر أنظمة التدابير المضادة للانتحال (SCS) مهمة لأنظمة ASV لحماية نفسها من هجمات الانتحال. بشكل عام، تم تطوير SCSs باستخدام وظيفة فقدان الإنتروبيا المتقاطعة وطبقة تصنيف softmax لأداء أفضل درجات التصنيف. على الرغم من أن وظيفة softmax تستخدم بشكل شائع كطبقة تصنيف لمهام الشبكة العصبية العميقة، إلا أنها تزيد من عدم اليقين في احتمالات الفئة المقدرة عن طريق سحق التنبؤات الاحتمالية للنماذج التنبؤية. كان الهدف من هذا العمل هو تقليل عدم اليقين بشأن مقاييس الإنتروبيا التقليدية ووظيفة softmax SCS باستخدام النهج البايزي. ولتحقيق ذلك، تم تطوير العديد من أنظمة SCS لتتفوق في الأداء على النظام الأساسي لتحدي انتحال التحقق التلقائي من مكبر الصوت والتدابير المضادة لعام 2017. تم تطبيق النهج البايزي على أفضل نموذج (على سبيل المثال، النموذج الذي حقق أدنى درجة من EER) لتقليل عدم اليقين في الانتروبيا التقليدية المتوافقة مع rics ووظيفة softmax SCS. وتمت مقارنة عدم اليقين في كلا النظامين مع دالة التوزيع الاحتمالي وقيمة AUC ومنحنى ROC. كما يمكن ملاحظته من منحنى ROC، قللت الشبكة الافتراضية من عدم اليقين في مقاييس الإنتروبيا التقليدية ووظيفة softmax SCS عن طريق زيادة قيمة AUC بنسبة 14٪. كما قدمت شبكة Bayesian أدنى درجة لـ EER (16.79٪) من خلال التفوق على النظام الأساسي لتحدي ASV spoof 2017. bazı sektörlerde (Örn; Bankacılık, telekominikasyon) güvenlik sistemi oluşturma amacı ile kullanılmaktadır. Sahte konuş macı önleme (SKÖ) sistemleri، OKD sitemlerinin kendilerini sahte konuşmacılara karşı koruyabilmeleri açısından büyük önem kendilerini sahte konuşmacılara karşı koruyabilmeleri açısından büyük önem kendilerini. تعمل أنظمة SKÖ Genellikle على تحسين أداء الأجهزة الأخرى، مما يؤدي إلى تحسين وظائف الانتروبي ووظائف softmax المضمنة. Softmax sınıflandırma fonksiyonu derin öğrenme alanında birçok defa kullanılmasına rağmen، SKÖ sis temlerinin ürettiği tahmini olasılık değerlerinde sıkıştırılmaya sebep olarak، olasılık değerlerinin belirsizlik ölçümlerinde artışa sebep olabilmektedir. بفضل هذه الخبرة الرائعة، قامت نظرية بايز بدمج الكائنات الحية في الانتروبي وخطوط softmax على نظام SKÖ الذي يمكن من خلاله تطوير أنظمة softmax. لقد تم تطويره وتفعيله وتفعيله تلقائيًا وتمكنه من الوصول إلى المعلومات (OKDSKÖ 2017) 2017 بفضل أنظمة SKÖ للتعلم وأنظمة التشغيل الذكية. تم تطوير نظام بايز لنظرية بايز. تم إنشاء أنظمة التشغيل هذه بواسطة Olasılık Dağılım Fonksiyonu (ODF) وEğri Altında Kalan Alan (EAKA) وAlıcı Operasyon Karakteristiği (AOK). نظرة عامة، نظرية بايز لنظام التشغيل، إنشاء نظام إنتروبي كايبي وبرمجيات softmax SKÖ sisteminin EAKA değerini 14% من التصفية، إنشاء نظام قابل للتنفيذ gözlemlenmiştir. في هذه الأثناء، حققت أنظمة Bayes الأساسية (EHO) معدل فائدة (16.79%)، وتم تطوير نظام OKDSKÖ 2017 للأنظمة الأساسية منذ ذلك الحين. |
