MAPress
مقاله تجزیه و تحلیل لمسی: یک ارزیابی تجربی الگوریتم های طبقه بندی یادگیری ماشین بر روی داده های لمسی

مقاله تجزیه و تحلیل لمسی: یک ارزیابی تجربی الگوریتم های طبقه بندی یادگیری ماشین بر روی داده های لمسی

تگ‌ها: Machine Learning Neural and Evolutionary Computing محاسبات عصبی و تکاملی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Touch Analysis: An Empirical Evaluation of Machine Learning Classification Algorithms on Touch Data
عنوان مقاله به فارسی مقاله تجزیه و تحلیل لمسی: یک ارزیابی تجربی الگوریتم های طبقه بندی یادگیری ماشین بر روی داده های لمسی
نویسندگان Melodee Montgomery, Prosenjit Chatterjee, John Jenkins, Kaushik Roy
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 11
دسته بندی موضوعات Machine Learning,Neural and Evolutionary Computing,یادگیری ماشین , محاسبات عصبی و تکاملی ,
توضیحات Submitted 23 November, 2023; originally announced November 2023.
توضیحات به فارسی ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد.

چکیده

Our research aims at classifying individuals based on their unique interactions on touchscreen-based smartphones. In this research, we use Touch-Analytics datasets, which include 41 subjects and 30 different behavioral features. Furthermore, we derived new features from the raw data to improve the overall authentication performance. Previous research has already been done on the Touch-Analytics datasets with the state-of-the-art classifiers, including Support Vector Machine (SVM) and k-nearest neighbor (kNN), and achieved equal error rates (EERs) between 0% to 4%. Here, we propose a novel Deep Neural Net (DNN) architecture to classify the individuals correctly. The proposed DNN architecture has three dense layers and uses many-to-many mapping techniques. When we combine the new features with the existing ones, SVM and kNN achieved the classification accuracy of 94.7% and 94.6%, respectively. This research explored seven other classifiers and out of them, the decision tree and our proposed DNN classifiers resulted in the highest accuracy of 100%. The others included: Logistic Regression (LR), Linear Discriminant Analysis (LDA), Gaussian Naive Bayes (NB), Neural Network, and VGGNet with the following accuracy scores of 94.7%, 95.9%, 31.9%, 88.8%, and 96.1%, respectively.

چکیده به فارسی (ترجمه ماشینی)

تحقیقات ما با هدف طبقه بندی افراد بر اساس تعامل منحصر به فرد آنها در تلفن های هوشمند مبتنی بر صفحه لمسی انجام شده است.در این تحقیق ، ما از مجموعه داده های آنالیز لمسی استفاده می کنیم که شامل 41 موضوع و 30 ویژگی رفتاری مختلف است.علاوه بر این ، ما ویژگی های جدیدی را از داده های خام به دست آوردیم تا عملکرد هویت کلی را بهبود بخشیم.تحقیقات قبلی قبلاً در مورد مجموعه داده های لمسی با طبقه بندی کننده های مدرن ، از جمله دستگاه بردار پشتیبانی (SVM) و K-Nearest همسایه (KNN) انجام شده است و بین 0 ٪ به نرخ خطای برابر (EERS) رسیده است.به 4 ٪در اینجا ، ما یک معماری رمان عمیق عصبی (DNN) را برای طبقه بندی صحیح افراد پیشنهاد می کنیم.معماری DNN پیشنهادی دارای سه لایه متراکم است و از تکنیک های نقشه برداری بسیار به بسیاری استفاده می کند.هنگامی که ویژگی های جدید را با موارد موجود ترکیب می کنیم ، SVM و KNN به ترتیب به دقت طبقه بندی 94.7 ٪ و 94.6 ٪ دست یافتند.این تحقیق به بررسی هفت طبقه بندی کننده دیگر و خارج از آنها ، درخت تصمیم و طبقه بندی کننده های پیشنهادی DNN ما منجر به بالاترین دقت 100 ٪ شد.سایر موارد عبارتند از: رگرسیون لجستیک (LR) ، تجزیه و تحلیل تبعیض آمیز خطی (LDA) ، Bayes Naive Gaussian (NB) ، شبکه عصبی و VGGNET با نمرات دقت زیر 94.7 ٪ ، 95.9 ٪ ، 31.9 ٪ ، 88.8 ٪ و 96.1 ٪، به ترتیب.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.