基于 Transformer 的自由文本按键身份验证:架构和损失函数的比较研究
原文中文,约500字,阅读约需1分钟。发表于: 。该论文研究了基于敲击行为的生物特征识别与验证方法,提出了一种基于 Transformer 的网络模型,通过自注意机制从敲击序列中提取信息特征,超越了传统的循环神经网络的性能。该研究探索了两种不同的网络架构,分别是双编码器和交叉编码器,并比较了它们在敲击身份验证中的效果。同时,作者还研究了不同的损失函数和距离度量方法,通过一系列实验优化了训练过程,提高了模型性能。通过使用 Aalto...
该论文提出了一种基于Transformer的网络模型,用于敲击身份验证。研究探索了两种不同的网络架构,并比较了它们在敲击身份验证中的效果。结果表明采用批量全三元组损失和余弦距离的双编码器架构取得了最佳性能,等错误率仅为0.0186%。