Soluciones match-on-device y processing-on-device en sistemas móviles
Notice bibliographique
Résumé
La identificación biométrica está comenzando a ganarse un hueco en nuestras vidas. Cada vez son más las instituciones donde se autentica a las personas utilizando dispositivos biométricos. Su excelente tasa de reconocimiento, unido a la comodidad que ofrece al usuario, junto a su dificultad de suplantación de identidad, hacen de la identificación biométrica una opción muy atractiva a la hora de reconocer personas en el ámbito de la seguridad. Sin embargo, dado el gran número de fabricantes que existen, es necesario definir un estándar para poder compatibilizar todas las tecnologías en una sola. Nace así el estándar BioAPI. \nPor otro lado, el mercado actual de telefonía se ha incrementado vertiginosamente con la llegada de los teléfonos móviles conocidos como “smartphones”. Estos dispositivos se han convertido en herramientas indispensables para la población, haciendo que la mayoría de personas los lleven siempre consigo. Además, posibilitan la realización de operaciones que antes sólo los ordenadores eran capaces de ejecutar. \nUniendo estos puntos anteriores, surge este Trabajo de Fin de Grado, cuyo objetivo es comprobar las propuestas al nuevo estándar BioAPI. Para verificar la compatibilidad que ofrece estas nuevas propuestas, se implementará un sistema basado en reconocimiento por huellas dactilares, formado por un ordenador y un teléfono móvil, con el requisito de que las funcionalidades biométricas se ejecuten en el dispositivo móvil.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».