* Tập huấn luyện của mạng Artmap
Mỗi mẫu đưa vào mạng bao gồm một vector nhị phân đầu vào với N thành phần tương ứng với kích thước ma trận của minutiae (sử dụng mặt nạ 5 x 5 nên kích thước N=5x5 = 25). Mỗi thành phần trong vector đầu vào mang giá trị 0 hoặc 1 tương ứng với giá trị trên mỗi pixel ảnh. Trong hình 2-16, mô tả một mẫu đầu vào của mạng có vector tương ứng (1000001000001000101001010).
Đầu ra của mạng được biểu diễn là vector có số thành phần tương ứng với số lớp cần phân lớp cho mẫu đầu vào. Mạng Artmap được dùng để phân chia minutiae thành 3 lớp: điểm kết thúc (ending), điểm rẽ nhánh (bifurcation), và minutiae sai. Do đó, mẫu đầu ra có vector tương ứng là (1 2 0) trong đó 1 là lớp ending, 2 là lớp bifurcation và 0 là lớp minutiae sai.
Trong quá trình xây dựng mẫu, mạng nơron Artmap cần biến đổi mẫu đầu vào thành vector bù (a,1 –a) do đó mẫu nhận vào mạng sẽ được biến đổi như sau:
Hình 2-15: Một số mẫu dạng rẽ nhánh trong tập huấn luyện mạng nơron Artmap * Cấu trúc và hoạt động của mạng Artmap cho phân lớp minutiae.
- Đầu vào: Mỗi nơron đầu vào tương ứng cho một minutiae có số thành phần là 25 + 25 nơron (25 thuộc tính của mặt nạ 5x5 và 25 thuộc tính cho phần bù của nó).
- Lớp so sánh: có số thành phần bằng với số thành phần của lớp đầu vào là 50 nơron.
- Lớp nhận dạng: Tổng số minutiae được huấn luyện cho mạng là 583 mẫu minutiae, tương ứng với số nơron trong mạng là: 583 x 50 = 29.150 nơron (50 là số thuộc tính của một minutiae).
- Mapfield: số lớp phân chia là 3 lớp tương ứng với số nơron trong lớp này 3 (thuộc tính của lớp này là 1 tương ứng với lớp điểm kết thúc của đường vân, 2 tương ứng với điểm rẽ nhánh, 0 tương ứng với lớp minutiae sai).
- Đầu ra: Gồm 3 nơron tương ứng với 3 lớp phân chia (1: ending; 2: bifurcation; 0: minutiae sai).