通过实现基于循环神经网络的自动化系统增强银行支票签名的认证
网络与互联网体系结构
2010-06-15 v1
摘要
Hopfield型循环神经网络的联想记忆特性被用于模式存储和模式认证。本文概述了一种基于Hopfield神经网络（HNN）（一种循环网络）的签名验证优化松弛方法。客户的标准样本签名与支票上提供的签名进行交叉匹配。通过计算两幅图像中不同的像素来获得差异百分比。网络拓扑结构使得差异图像中的每个像素都是网络中的一个神经元。每个神经元由其状态分类，这反过来表示该特定像素是否被改变。网络基于实验中推导的能量函数收敛到稳定状态。Hopfield模型允许每个节点对每个像素取两个二进制状态值（改变/未改变）。通过将所提技术应用于各种二值和灰度图像来评估其性能。本文为银行支票上真实签名的自动化验证方案做出了贡献。推导出的能量函数允许在其邻域影响和自身标准之间进行权衡。该设备能够回忆以及完成部分指定的输入。网络通过一种存储规则进行训练，该规则迫使稳定状态对应于网络“能量”函数的（局部）最小值。
引用
@article{arxiv.1006.2684,
title = {Enhancing the Authentication of Bank Cheque Signatures by Implementing Automated System Using Recurrent Neural Network},
author = {Mukta Rao and Nipur and Vijaypal Singh Dhaka},
journal= {arXiv preprint arXiv:1006.2684},
year = {2010}
}
备注
11 Pages IJANA