Resumen

Para evitar el riesgo de que la base de datos biológica sea atacada y manipulada por hackers, en este artículo se propone un modelo de Memoria Autoasociativa (AAM). El modelo se basa en las redes neuronales recurrentes (RNNs) para el reconocimiento facial, bajo la condición de que la base de datos facial sea reemplazada por sus parámetros de modelo. Se demuestra y analiza la estabilidad del modelo para relajar las restricciones de los parámetros del modelo AAM. Además, se proporciona un procedimiento de diseño para resolver los parámetros del modelo AAM, y se establece el método de reconocimiento facial mediante el modelo AAM, que incluye preprocesamiento de imágenes, entrenamiento del modelo AAM y reconocimiento de imágenes. Por último, los resultados de simulación en dos experimentos muestran la viabilidad y el rendimiento del método de reconocimiento facial propuesto.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Riesgo; Base de datos biológica; Piratas informáticos; Memoria Autoasociativa; Parámetros del modelo; Reconocimiento facial
• Keywords:Risk; Biological database; Hackers; Autoassociative Memory; Model parameters; Face recognition