Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userlie detection
كشف الكذب
831
1 7
0
(
0
)
Added by
Damascus University حلقة بحث
Publication date
2018
fields
Informatics Engineering
and research's language is
العربية
Created by
Wissam Ghazaly
Ask ChatGPT about the research
تلقى اختبار كشف الكذب اهتماما كبيرا منذ زمن بعيد و تتالت التقنيات و الادوات في كل حقبة تاريخة محاولة لانشاء نظام قادر على كشف كذب شخص من صدقه , لما لذلك من استخدامات عديدة أغلبها في كشف الحقيقة في الجرائم و المحاكمات و تنوعت تلك الادوات بداية من مراقبة ردات معل الجسم و قياس المؤشرات الحيوية للشخص الى اجراء اختبارات نفسية على الاشخاص , و في الآونة الاخيرة تم التوجه الى تقنيات التعلم الآلي و الذكاء الصنعي و في بحثنا هذا نناقش عدة طرق في هذا الصدد "تحليل الكلام , تحليل حركة العيون, تحليل تعابير الوجه.
No English abstract
Artificial intelligence review:
Research summary
يتناول هذا البحث موضوع الكشف عن الكذب باستخدام تقنيات الذكاء الاصطناعي والتعلم الآلي. يبدأ البحث بنظرة تاريخية على تطور تقنيات كشف الكذب بدءًا من استخدام جهاز البوليغراف لقياس التغيرات في معدل ضربات القلب وصولاً إلى استخدام خوارزميات الذكاء الاصطناعي لتحليل الكلام، حركة العيون، وتعابير الوجه. يتم التركيز على استخدام مجموعة بيانات 'The Columbia-Sri-Colorado (Csc) Corpus' التي تحتوي على تسجيلات صوتية لمقابلات يتم فيها تصنيف الإجابات إلى صادقة أو كاذبة. يتم استخراج الواسمات الصوتية والمعجمية من هذه التسجيلات واستخدام نماذج تعلم الآلة مثل 'logistic regression' و'support vector classifier' و'gradient boosting classifier' لتحليل البيانات. كما يتم استخدام الشبكات العصبية المتكررة 'RNN' و'LSTM' لتحليل الأنماط الكلامية. النتائج الأولية تشير إلى أن النماذج الخطية أعطت أداءً أفضل من الشبكات العصبية، مما يدل على الحاجة إلى مزيد من البيانات لتحسين الدقة. بالإضافة إلى ذلك، يتم استعراض طرق أخرى للكشف عن الكذب مثل تحليل حركة العين وتعابير الوجه باستخدام تقنيات الفيديو والصور الحرارية. النتائج تشير إلى أن دقة النماذج المستخدمة تصل إلى حوالي 70%، مع وجود تحديات تتعلق بنقص البيانات والتأثيرات الخارجية مثل مستحضرات التجميل والنظارات.
Critical review
دراسة نقدية: على الرغم من أن البحث يقدم نظرة شاملة ومفصلة حول تقنيات الكشف عن الكذب باستخدام الذكاء الاصطناعي، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، يبدو أن حجم البيانات المستخدم في التدريب غير كافٍ لتحقيق نتائج دقيقة وموثوقة. يجب على الباحثين زيادة حجم مجموعة البيانات المستخدمة لتحسين أداء النماذج. ثانياً، هناك انحياز في البيانات حيث أن 60% منها تنتمي إلى صف الصحة، مما يؤثر على دقة النماذج. يجب استخدام تقنيات أفضل لتوازن البيانات. ثالثاً، لم يتم استخدام الواسمات المعجمية بشكل كافٍ في تحليل البيانات، ويمكن أن تكون هذه الواسمات مفيدة جداً في تحسين دقة النماذج. أخيراً، يجب على الباحثين النظر في تأثير العوامل الخارجية مثل مستحضرات التجميل والنظارات على دقة النماذج، ومحاولة إيجاد حلول لتقليل تأثير هذه العوامل.
Questions related to the research
-
ما هي مجموعة البيانات المستخدمة في البحث؟
تم استخدام مجموعة بيانات 'The Columbia-Sri-Colorado (Csc) Corpus' التي تحتوي على تسجيلات صوتية لمقابلات يتم فيها تصنيف الإجابات إلى صادقة أو كاذبة.
-
ما هي النماذج المستخدمة في تحليل البيانات؟
تم استخدام نماذج تعلم الآلة مثل 'logistic regression' و'support vector classifier' و'gradient boosting classifier'، بالإضافة إلى الشبكات العصبية المتكررة 'RNN' و'LSTM'.
-
ما هي التحديات التي واجهها الباحثون في هذا البحث؟
من التحديات الرئيسية نقص حجم البيانات، الانحياز في البيانات، وتأثير العوامل الخارجية مثل مستحضرات التجميل والنظارات على دقة النماذج.
-
ما هي النتائج الأولية التي توصل إليها الباحثون؟
النتائج الأولية تشير إلى أن النماذج الخطية أعطت أداءً أفضل من الشبكات العصبية، مع دقة تصل إلى حوالي 70%. ومع ذلك، هناك حاجة إلى مزيد من البيانات لتحسين الدقة.
References used
http://web.stanford.edu/class/cs224s/reports/Amanda_Chow.pdf
rate research
Read More
In this paper, we present a new algorithm to automate the detection
and extraction of buildings from satellite images, this algorithm is
distinguished since it overcomes some obstacles that limit detecting
within other methods, such as the differe
nce in shape, color, and
height of buildings, and it doesn't need multi-spectral images or other
complex and high cost images.
Reducing communication breakdown is critical to success in interactive NLP applications, such as dialogue systems. To this end, we propose a confusion-mitigation framework for the detection and remediation of communication breakdown. In this work, as
a first step towards implementing this framework, we focus on detecting phonemic sources of confusion. As a proof-of-concept, we evaluate two neural architectures in predicting the probability that a listener will misunderstand phonemes in an utterance. We show that both neural models outperform a weighted n-gram baseline, showing early promise for the broader framework.
We present new results for the problem of sequence metaphor labeling, using the recently developed Visibility Embeddings. We show that concatenating such embeddings to the input of a BiLSTM obtains consistent and significant improvements at almost no cost, and we present further improved results when visibility embeddings are combined with BERT.
Online users today are exposed to misleading and propagandistic news articles and media posts on a daily basis. To counter thus, a number of approaches have been designed aiming to achieve a healthier and safer online news and media consumption. Auto
matic systems are able to support humans in detecting such content; yet, a major impediment to their broad adoption is that besides being accurate, the decisions of such systems need also to be interpretable in order to be trusted and widely adopted by users. Since misleading and propagandistic content influences readers through the use of a number of deception techniques, we propose to detect and to show the use of such techniques as a way to offer interpretability. In particular, we define qualitatively descriptive features and we analyze their suitability for detecting deception techniques. We further show that our interpretable features can be easily combined with pre-trained language models, yielding state-of-the-art results.
Radar detects the targets and measures its parameters, range,
azimuth, height, and velocity of the target.
In some application, such as early warning radar we don’t
have extremely measure all these parameters, but in other
application like detect
ion targets and measures his geo-locations
requires high resolution to all these parameters.
This paper discusses the feasibility of detecting the location of
from four deferent satellites Positions by using of Linear Algebra
and pseudo range’s solution, The Matlab was used to solve the four Equations and to simulate the Geo-Positions on Geo-Map
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
