Reconocimiento de patrones

Reconocimiento de patrones

1. Ciencia, extrae información de los objetos para establecer propiedades entre conjuntos.

2. Conceptos

   • Se clasifica la descripción del objeto
   • Descripción se crea a partir de un modelo con sus características
   • Extracción de características (repesentación matemática)
     • Imagen: color forma
     • Sonido: ritmo, tono
     • Finanzas: valor acciones

3. Modelo de sistema de reconocimiento

4. Enfoques

   • Estadístico(Probabilidad)
   • Sintáctico (construir gramática)
   • Redes neuronales (neuronas entrenadas)
   • Lógico combinatorio(modelación sin suposiciones)

5. Problemas

   • Selección variables (caracs. más adecuadas)
     • Para Clasif: las más relevantes del objeto
     • Para Repres: las que representan mejor
     • Estrategias
       • wrapper(depende de la clasificación)
       • filter(criterio independiente)
     • Métodos
       • Tablas decisión
         • (subconjunto sin confusión entre clases)
       • ID3
         • (árbol de decisión, vars. discriminan entre clases)
       • Teoría testores
         • (de todos los subconjuntos se evalúa la relevancia por variable)
   • Clasif. supervisada (basado en muestra clasif)
     • Métodos
       • Superficies de separación
       • Funciones discriminantes
         •  (según la más alta se coloca al objeto)
       • Vecino más cercano
         • (nuevo objeto se ubica donde esté el objeto más cercano)
       • Redes neuronales
         •  (mediante una red entrenada)
   • Clasif. no superv. (encontrar clasificación)
     • Restringida(clases definidas)
     • Libre
     • Estrategias
       • Jerárquica (divisiva o aglomerativa)
       • Reagrupamiento
         • (de un primer agrupamiento se va refinando)
       • Lógico combinatorio
         • (grupos que cumplan ciertas condiciones
     • Métodos
       • Simple y Complete Link
         • (de grupos unitarios se van uniendo parecidos)
       • Isodata
         •  (grupos que se unen según probabilidades)
       • C-means
         • (grupo de semillas se asocian a un objeto)
       • Criterio lógico combinatorio
         • (grupos completos maximales y conexos)

6. Etapas

   • Sistema físico(Realidad)
   • Modelación
   • Sistema medición
   • Datos obtenidos
   • Validación datos
   • Definir modelo de reconocimiento
   • Modelación matemática
   • Selección variables
   • Diseño clasificador
   • Prueba clasificador
   • Aplicación modelo
   • Interpretación resultado
   • Feedback

7. Seres vivos

   • Son buenos al reconocer patrones por supervivencia
   • Ventajas de reemplazarlos
     • Hacer tareas repetitivas
     • Trabajo en zonas peligrosas
     • Menos errores y costos
     • Autonomía

Bilder und Dateien der Mindmap