АҚЫРЛЫ АВТОМАТТАР МЕН МАШИНАЛЫҚ ОҚЫТУДЫ ПАЙДАЛАНУ АРҚЫЛЫ ТІЗБЕКТЕРДІ ТАНУ

Тізбектерді тану көптеген пәндер бойынша маңызды міндет болып табылады. Ақырлы автоматтарға (КА) негізделген дәстүрлі әдістер деректерді құрылымдалған түрде ұсынуға және жоғары түсініктілікке қол жеткізуге мүмкіндік береді, алайда олардың икемділігі шектеулі. Қазіргі заманғы машиналық оқыту (ML) алгоритмдері жоғары дәлдікке қол жеткізеді, бірақ айтарлықтай есептеу ресурстарын қажет етеді. Осы парадигмаларды біріктіру күрделі тізбектерді тану тиімділігін арттыра алады. Бұл зерттеу тізбектерді талдау мәселелерін шешу үшін ақырлы автоматтар мен машиналық оқыту әдістерін біріктіруге арналған. Үш түрлі қолдану саласы қарастырылады: мәтіндерді жіктеу (спамды анықтау), Альцгеймер ауруымен байланысты генетикалық тізбектерді тану және сурет негізінде қимылдарды анықтау.

Әрбір сала үшін детерминирленген ақырлы автоматтар (DFA), недетерминирленген ақырлы автоматтар (NFA) және Random Forest, Gradient Boosting және көп қабатты перцептрондар (MLP) сияқты машиналық оқыту алгоритмдерін біріктіретін гибридті модельдер әзірленіп, тексерілді. Эксперименттік нәтижелер осы гибридті модельдердің дәстүрлі ML әдістерімен салыстырмалы өнімділікке қол жеткізетінін және кейбір жағдайларда дәлдіктің одан да жоғары болатынын көрсетті.

Спамды жіктеу міндетінде нейрондық желі модельдері ең үздік нәтижелер көрсетті, ал КА мен нейрондық желілердің комбинациясы ұқсас тиімділікті қамтамасыз етті.

Генетикалық тізбектерді талдау кезінде градиенттік бустингке негізделген модельдер ең жоғары дәлдікке жетті, ал ақырлы автоматтарды енгізу өнімділікті сақтап, түсіндіру қабілетін арттырды.

Қимылдарды тану міндетінде нейрондық желіге негізделген тәсілдер ең тиімді болып шықты, алайда ансамбльдік әдістермен ақырлы автоматтарды біріктіру дәстүрлі ML модельдерінен асып түсетін жоғары деңгейдегі болжамдық қабілеттілікке қол жеткізді.

Қорытындылай келе, ақырлы автоматтар мен машиналық оқытуды біріктіру тізбектерді талдау саласындағы перспективалы бағыт болып табылады. Болашақ зерттеулер модельдердің архитектурасын оңтайландыруға және күрделі құрылымдарды жоғары дәлдікпен тануды талап ететін басқа да салаларда қолдануға бағытталуы мүмкін.

1. Determinism and Nondeterminism in Finite Automata with Advice / Р. Ďuriš et al // In Lecture notes in computer science. – 2018. – Р. 3-16. https://doi.org/10.1007/978-3-319-98355-4_1.

2. Veanes M. Applications of symbolic finite automata / M. Veanes // In Lecture notes in computer science. – 2013. – Р. 16-23. https://doi.org/10.1007/978-3-642-39274-0_3.

3. An introduction to learning automata and Optimization / J.K. Kordestani et al // In Intelligent systems reference library. – 2021. Р. 1-50. https://doi.org/10.1007/978-3-030-76291-9_1.

4. Hong P. Gesture modeling and recognition using finite state machines / P. Hong, M. Turk, T.S. Huang // IEEE. – 2002. https://doi.org/10.1109/afgr.2000.840667.

5. Decombinator: a tool for fast, efficient gene assignment in T-cell receptor sequences using a finite state machine / N. Thomas et al // Bioinformatics. – 2013. – № 29(5). – Р. 542-550. https://doi.org/10.1093/bioinformatics/btt004.

6. Road network extraction: a neural-dynamic framework based on deep learning and a finite state machine / J. Wang et al // International Journal of Remote Sensing. – 2015. – № 36(12). – Р. 31443169. https://doi.org/10.1080/01431161.2015.1054049.

7. Constrained training of recurrent neural networks for automata learning / В.К. Aichernig et al // In Lecture notes in computer science. – 2022. – Р. 155-172. https://doi.org/10.1007/978-3-03117108-6_10.

8. Privacy attacks to the 4G and 5G cellular paging protocols using side channel information / S.R. Hussain et al // in Proc. Netw. Distrib. Syst. Security Symp. (NDSS). – 2019. – Р. 1-15.

9. Baray E. WLAN security protocols and WPA3 security approach measurement through aircrackng technique / E. Baray, N.K. Ojha // in Proc. 5th Int. Conf. Comput. Methodologies Commun. (ICCMC). – 2021. – Р. 23-30.

10. Vanhoef M. Dragonblood: Analyzing the Dragonfly Handshake of WPA3 and EAP-pwd / M. Vanhoef, E. Ronen // 2020 IEEE Symposium on Security and Privacy (SP). – IEEE, 2020. – P. 517533.