Full metadata record
DC FieldValueLanguage
dc.contributor.authorЧекмарев Д. И.
dc.contributor.authorЛезина И. В.
dc.contributor.authorБельгер И. С.
dc.coverage.spatialPYQT
dc.coverage.spatialPYTORCH
dc.coverage.spatialконтрастная функция ошибки
dc.coverage.spatialобратное распространение ошибки
dc.coverage.spatialподлинность подписи
dc.coverage.spatialсверточная нейронная сеть
dc.coverage.spatialсиамская нейронная сеть
dc.creatorЧекмарев Д. И.
dc.date2024
dc.date.accessioned2025-11-27T12:23:17Z-
dc.date.available2025-11-27T12:23:17Z-
dc.date.issued2024
dc.identifier.identifierRU\НТБ СГАУ\ВКР20240918185912
dc.identifier.citationЧекмарев, Д. И. Исследование применения сети CNN для проверки подлинности подписи : вып. квалификац. работа по направлению подгот. 09.04.01 Информатика и вычислительная техника (уровень магистратуры), направленность (профиль) «Информационные системы и технологии» / Д. И. Чекмарев ; рук. работы И. В. Лезина ; нормоконтролер И. С. Бельгер ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики и. - Самара, 2024. - 1 файл (4,3 Мб). - Текст : электронный
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/46448-
dc.description.abstractВ данной выпускной квалификационной работе магистра была разработана автоматизированная система проверки подлинности подписи сиамской нейронной сетью, состоящей из двух сверточных подсетей. Целью работы является исследование применения свёрточной нейронной сети для проверки подлинности подписи. В работе проведен анализ предметной области и различных методов, применяющихся для решения задачи подтверждения подлинности подписи. В данной системе есть следующие возможности: сохранять и загружать обученную модель, загружать изображение подписи для проверки подлинности. Для обучения сети используется метод обратного распространения ошибки с применением контрастной функции. Начальная инициализация параметров сети сделана по алгоритму Хе. Для обученной сети реализован процесс определения подлинности подписи. Простой интерфейс позволяет оценивать результат обучения сети. Оценка качества способности сети классифицировать подписи производится с помощью таких метрик как: аккуратность, точность, полнота и F-мера. Они вычис
dc.subjectPYQT
dc.subjectPYTORCH
dc.subjectконтрастная функция ошибки
dc.subjectобратное распространение ошибки
dc.subjectподлинность подписи
dc.subjectсверточная нейронная сеть
dc.subjectсиамская нейронная сеть
dc.subject.rugasnti50.33.39
dc.subject.udc004.032.26
dc.titleИсследование применения сети CNN для проверки подлинности подписи
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.contributor.authorИнститут информатики и кибернетики
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-primeneniya-seti-CNN-dlya-proverki-podlinnosti-podpisi-111219
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-primeneniya-seti-CNN-dlya-proverki-podlinnosti-podpisi-111219
Appears in Collections:Выпускные квалификационные работы



Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.