Снижение требований к корректирующей способности классических кодов с обнаружением и исправлением ошибок
при использовании предварительного нейросетевого обогащения биометрических данных 

Алексей Петрович Иванов, кандидат технических наук, доцент, заведующий кафедрой технических средств информационной безопасности, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) , ap_ivanov@pnzgu.ru
Елена Анатольевна Кольчугина, доктор технических наук, доцент, профессор кафедры математического обеспечения и применения ЭВМ, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) ,kea@pnzgu.ru
Александр Викторович Безяев, кандидат технических наук, докторант кафедры технических средств информационной безопасности, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) , tsib@pnzgu.ru
Роман Викторович Еременко, старший преподаватель кафедры радио- и спутниковой связи, Военный учебный центр, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), tsib@pnzgu.ru

Актуальность и цели. Получение численных оценок корректирующей способности классических кодов с высокой избыточностью и нейросетевых корректирующих конструкций на примере контроля 416 биометрических параметров рукописного парольного слова «Пенза». Материалы и методы. Предложено использовать настройку корректоров ошибок для единственного кодового состояния, состоящего только из состояний «0». Автоматическое обучение нейросетевого корректора ведется стандартным алгоритмом согласно ГОСТ Р 52633.5–2011. Результаты. На примере реальных данных показано, что корректирующая способность нейросетевых конструкций позволила снизить поток ошибок в два раза при использовании обогащающих данные сетью из 416 нейронов с четырьмя входами. При использовании нейронов с восемью входами удается дополнительно снизить число ошибок еще в два раза. Выводы. Предварительное нейросетевое обогащение данных перед их свертыванием избыточным самокорректирующимся кодом многократно снижает требования к корректирующей способности кода.  

Ключевые слова

искусственные нейроны, нейроны среднего гармонического, нейроны среднего геометрического, защита искусственного интеллекта

 Скачать статью в формате PDF

Для цитирования:

Иванов А. П., Кольчугина Е. А., Безяев А. В., Еременко Р. В. Рост корректирующей способности нейросетевых конструкций с избыточностью за счет замены в них бинарных нейронов на троичные нейроны // Известия высших учебных заведений. Поволжский регион. Технические науки. 2022. № 3. С. 37–45. doi:10.21685/2072-3059-2022-3-4