| DC Field | Value | Language |
|---|
| dc.contributor.author | Assanovich, B. A. | - |
| dc.date.accessioned | 2020-02-27T11:19:46Z | - |
| dc.date.available | 2020-02-27T11:19:46Z | - |
| dc.date.issued | 2020 | - |
| dc.identifier.citation | Assanovich, B. A. AutoEncoders for Denoising and Classification Applications / Boris A. Assanovich // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2020) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков (гл. ред.) [и др.]. – Минск, 2020. – Вып. 4. – С. 309–312. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/38614 | - |
| dc.description.abstract | Several structures of autoencoders used for the efficient data coding with unsupervised learning and applied to solving the tasks of classification and removing the internal noise from data used in problems of biometric and emotional recognition have been analyzed in this paper. Smile type recognition and biometric identification experiments using the transformed features from UvA-
NEMO Smile Database and Caltech Faces datasets showed the possibility of improving the classification accuracy by 10%. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | stacked autoencoder | ru_RU |
| dc.subject | denoising | ru_RU |
| dc.subject | unsupervised learning | ru_RU |
| dc.subject | smile type recognition | ru_RU |
| dc.subject | biometric identification | ru_RU |
| dc.title | AutoEncoders for Denoising and Classification Applications | ru_RU |
| dc.title.alternative | Автоэнкодеры для приложений шумоподавления и классификации | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | Проанализировано несколько структур автоэнкодеров, используемых для эффективного кодирования данных с обучением без учителя и применяемых для решения задач классификации и удаления внутреннего шума из данных, используемых в задачах биометрического и эмоционального распознавания. Эксперименты по распознаванию типов улыбок и биометрической идентификации с использованием преобразованных характеристик данных из видео базы улыбок Smile UvA-NEMO и наборов данных Caltech Faces показали возможность повышения точности классификации на 10%. | - |
| Appears in Collections: | OSTIS-2020
|
