Архив статей журнала
Исследованы способы определения размера популяции в генетическом алгоритме и изучена зависимость между количеством особей и скоростью работы алгоритма. Описываются методы определения оптимального количества особей в популяции разными методами: в зависимости от размера хромосом, для древовидного типа хромосом, при наличии фактора зашумленности и по методу соседнего элемента с выставлением максимальной и минимальной границы. Данные, полученные по выполнении каждого метода, отличаются между собой, по причине этого произведена оценка с целью проверить точность теоретических данных, сравнив их с экспериментальными. Для проведения экспериментов была разработана программа на графической платформе «Unity» с возможностью изменения количества особей в популяции. После получения результатов было проведено сравнение экспериментальных данных с данными, полученными на основе методов определения размера популяции в генетическом алгоритме из первой части работы. Эксперимент показал, что оптимальный размер популяции лежит в диапазоне 100-160 особей. При уменьшении их количества время выполнения поставленной задачи начинает существенно увеличиваться, а при увеличении за расчетный предел - сокращение времени выполнения не соответствует затрачиваемым вычислительным ресурсам. Сами полученные экспериментальные данные имеют наименьшую погрешность с методом, используемым древовидное представление хромосом. Результаты исследования могут быть использованы для выбора размера популяции при обучении для достижения лучшего соотношения затрачиваемой вычислительной мощности к скорости обучения, а определенный в процессе работы метод может помочь в теоретических расчетах.
Предлагается гибридная модель системы текстонезависимой динамической верификации пользователей информационных систем, которая основана на комплексном использовании искусственных иммунных систем и искусственных нейронных сетей. Подлежащие верификации данные текстонезависимой динамической биометрии пользователей представлены, двумя последовательностями информационных единиц фиксированного размера векторов признаков, соответствующих образам двух классов - «свой» и «чужой». Такое представление ориентировано на массово-параллельную децентрализованную обработку данных, принятую в искусственных иммунных системах. Последующая верификация пользователей обоих классов реализуется с помощью вероятностной искусственной нейронной сети, которая в признаковом пространстве вычисляет плотности вероятности концентрации информационных единиц обоих классов. В дополнение к характеристикам плотности вероятности информационных единиц используются допустимые цены ошибок 1-го и 2-го рода для образов каждого класса. Итоговый результат биометрической верификации работающего пользователя контролируется на основании текущего сравнения совокупных статистических оценок плотности вероятности и допустимой цены ошибок образов каждого из двух классов. Предлагаемый подход к верификации личности работающего пользователя позволяет предложить общую схему этой процедуры для существенно различных модальностей динамической биометрии: голоса, рукописи и клавиатурного набора. Реализация такого подхода для биометрии конкретной модальности будет несколько отличаться, но общая схема верификации может быть сохранена. Преимуществами предлагаемого подхода являются: возможность текстонезависимого анализа динамической биометрии различной модальности, произвольного объема, содержания и языка; возможность принятия верификационного решения в непрерывном режиме в темпе поступления работы пользователя; в перспективе повышать точность работы системы верификации путем увеличения размерности нейронной сети; возможность использования истории анализа результатов верификации реальных пользователей для последующей более точной настройки системы. Относительным недостатком работы является необходимость программной реализации нейронной сети большой размерности. Однако в перспективе этот недостаток быстро нивелируется с повышением производительности средств вычислительной техники.