Teoría de reconocimiento de patrones

La versión actual de la página aún no ha sido revisada por colaboradores experimentados y puede diferir significativamente de la versión revisada el 9 de abril de 2022; las comprobaciones requieren 2 ediciones .

La teoría del reconocimiento de patrones  es una sección de las ciencias de la computación y disciplinas afines que desarrolla los conceptos básicos y los métodos para clasificar e identificar objetos, fenómenos, procesos , señales , situaciones , etc. objetos que se caracterizan por un conjunto finito de ciertas propiedades y características. Tales tareas se resuelven con bastante frecuencia, por ejemplo, al cruzar o conducir una calle en los semáforos. Reconocer el color de un semáforo encendido y conocer las reglas de tránsito le permite tomar la decisión correcta sobre si cruzar o no la calle.

La necesidad de tal reconocimiento surge en una variedad de áreas, desde asuntos militares y sistemas de seguridad hasta la digitalización de señales analógicas.

El problema del reconocimiento de patrones se ha vuelto de gran importancia en condiciones de sobrecarga de información, cuando una persona no puede hacer frente a una comprensión secuencial lineal de los mensajes que recibe, como resultado de lo cual su cerebro cambia al modo de simultaneidad de percepción y pensamiento. , que es característico de tal reconocimiento.

No es coincidencia, por lo tanto, que el problema del reconocimiento de imágenes se haya encontrado en el campo de la investigación interdisciplinaria, incluso en relación con el trabajo sobre la creación de inteligencia artificial , y la creación de sistemas técnicos de reconocimiento de imágenes está atrayendo cada vez más la atención . .

Tendencias en el reconocimiento de patrones

Hay dos direcciones principales [1] :

Planteamiento formal del problema

El reconocimiento de patrones es la asignación de datos iniciales a una determinada clase al resaltar las características esenciales que caracterizan estos datos de la masa total de datos.

A la hora de plantear problemas de reconocimiento, intentan utilizar un lenguaje matemático, intentando -a diferencia de la teoría de las redes neuronales artificiales [2] , donde la base es obtener un resultado a través de la experimentación- sustituir la experimentación por el razonamiento lógico y las demostraciones matemáticas [ 3] .

Enunciado clásico del problema del reconocimiento de patrones [4] : ​​Se da un conjunto de objetos. Necesitan ser clasificados. Un conjunto está representado por subconjuntos, que se denominan clases. Dado: información sobre clases, una descripción de todo el conjunto y una descripción de información sobre un objeto cuya pertenencia a una clase en particular se desconoce. Se requiere, de acuerdo con la información disponible sobre las clases y la descripción del objeto, establecer a qué clase pertenece este objeto.

En la mayoría de los casos, las imágenes monocromáticas se consideran en problemas de reconocimiento de patrones , lo que hace posible considerar una imagen como una función en un plano. Si consideramos un conjunto de puntos en el plano , donde la función expresa su característica en cada punto de la imagen - brillo, transparencia, densidad óptica, entonces tal función es un registro formal de la imagen.

El conjunto de todas las funciones posibles en el plano  es un modelo del conjunto de todas las imágenes . Introduciendo el concepto de similitud entre imágenes, podemos plantear el problema del reconocimiento. La forma específica de tal configuración depende en gran medida de las etapas posteriores en el reconocimiento de acuerdo con uno u otro enfoque.

Algunos métodos de reconocimiento de imágenes gráficas

Para el reconocimiento óptico de imágenes, puede aplicar el método de iterar sobre la apariencia de un objeto en diferentes ángulos, escalas, desplazamientos, etc. Para las letras, debe iterar sobre la fuente, las propiedades de la fuente, etc.

El segundo enfoque es encontrar el contorno del objeto y explorar sus propiedades (conectividad, presencia de esquinas, etc.)

Otro enfoque es el uso de redes neuronales artificiales . Este método requiere una gran cantidad de ejemplos de la tarea de reconocimiento (con respuestas correctas) o una estructura de red neuronal especial que tenga en cuenta los detalles de esta tarea.

Perceptrón como método de reconocimiento de patrones

Frank Rosenblatt , al presentar el concepto de un modelo del cerebro , cuya tarea es mostrar cómo pueden surgir fenómenos psicológicos en algún sistema físico, cuya estructura y propiedades funcionales son conocidas, describió los experimentos de discriminación más simples. Estos experimentos están completamente relacionados con los métodos de reconocimiento de patrones, pero difieren en que el algoritmo de solución no es determinista.

El experimento más simple, en base al cual es posible obtener información psicológicamente significativa sobre un determinado sistema, se reduce al hecho de que al modelo se le presentan dos estímulos diferentes y debe responder a ellos de diferentes maneras. El propósito de tal experimento puede ser estudiar la posibilidad de su discriminación espontánea por parte del sistema en ausencia de la intervención del experimentador o, por el contrario, estudiar la discriminación forzada, en la que el experimentador busca enseñar al sistema a llevar a cabo las clasificación requerida.

En un experimento de aprendizaje, al perceptrón se le suele presentar una determinada secuencia de imágenes, que incluye representantes de cada una de las clases a distinguir. De acuerdo con alguna regla de modificación de la memoria , se refuerza la elección correcta de la reacción. Luego se presenta el estímulo de control al perceptrón y se determina la probabilidad de obtener la respuesta correcta para estímulos de esta clase. En función de si el estímulo de control seleccionado coincide o no con una de las imágenes que se utilizaron en la secuencia de entrenamiento, se obtienen diferentes resultados:

  1. Si el estímulo de control no coincide con ninguno de los estímulos de aprendizaje, entonces el experimento se asocia no solo a la discriminación pura , sino que también incluye elementos de generalización .
  2. Si el estímulo de control excita algún conjunto de elementos sensoriales que son completamente diferentes de aquellos elementos que fueron activados bajo la influencia de estímulos previamente presentados de la misma clase, entonces el experimento es un estudio de pura generalización .

Los perceptrones no tienen la capacidad de generalización pura, pero funcionan bastante satisfactoriamente en experimentos de discriminación, especialmente si el estímulo de control coincide lo suficientemente cerca con uno de los patrones sobre los que el perceptrón ya ha acumulado alguna experiencia.

Ejemplos de problemas de reconocimiento de patrones

Véase también

Notas

  1. Tu J., Gonzalez R. Principios de reconocimiento de patrones, M. 1978
  2. Matkasym N. N. Reconocimiento de patrones usando redes neuronales  // Tecnologías de Microsoft en la teoría y práctica de la programación: una colección de actas de la XIII Conferencia científica y práctica de toda Rusia de estudiantes, estudiantes graduados y jóvenes científicos, Tomsk, 22 y 23 de marzo, 2016. - págs. 23-25 . Archivado desde el original el 17 de septiembre de 2017.
  3. Fine V. S.  Reconocimiento de imágenes, M., 1970
  4. Zhuravlev Yu. I.  Sobre el enfoque algebraico para resolver problemas de reconocimiento y clasificación // Problemas de cibernética. — M.: Nauka, 1978, n. 33. - S. 5-68.

Literatura

Enlaces