Reconocimiento de patrones

Ciencia, extrae información de los objetos para establecer propiedades entre conjuntos.
Conceptos
1. Se clasifica la descripción del objeto
2. Descripción se crea a partir de un modelo con sus características
3. Extracción de características (repesentación matemática)
  1. Imagen: color forma
  2. Sonido: ritmo, tono
  3. Finanzas: valor acciones
Modelo de sistema de reconocimiento
Enfoques
1. Estadístico(Probabilidad)
2. Sintáctico (construir gramática)
3. Redes neuronales (neuronas entrenadas)
4. Lógico combinatorio(modelación sin suposiciones)
Problemas
1. Selección variables (caracs. más adecuadas)
  1. Para Clasif: las más relevantes del objeto
  2. Para Repres: las que representan mejor
  3. Estrategias
    1. wrapper(depende de la clasificación)
    2. filter(criterio independiente)
  4. Métodos
    1. Tablas decisión
      Annotations:
      - (subconjunto sin confusión entre clases)
    2. ID3
      Annotations:
      - (árbol de decisión, vars. discriminan entre clases)
    3. Teoría testores
      Annotations:
      - (de todos los subconjuntos se evalúa la relevancia por variable)
2. Clasif. supervisada (basado en muestra clasif)
  1. Métodos
    1. Superficies de separación
    2. Funciones discriminantes
      Annotations:
      - (según la más alta se coloca al objeto)
    3. Vecino más cercano
      Annotations:
      - (nuevo objeto se ubica donde esté el objeto más cercano)
    4. Redes neuronales
      Annotations:
      - (mediante una red entrenada)
3. Clasif. no superv. (encontrar clasificación)
  1. Restringida(clases definidas)
  2. Libre
  3. Estrategias
    1. Jerárquica (divisiva o aglomerativa)
    2. Reagrupamiento
      Annotations:
      - (de un primer agrupamiento se va refinando)
    3. Lógico combinatorio
      Annotations:
      - (grupos que cumplan ciertas condiciones
  4. Métodos
    1. Simple y Complete Link
      Annotations:
      - (de grupos unitarios se van uniendo parecidos)
    2. Isodata
      Annotations:
      - (grupos que se unen según probabilidades)
    3. C-means
      Annotations:
      - (grupo de semillas se asocian a un objeto)
    4. Criterio lógico combinatorio
      Annotations:
      - (grupos completos maximales y conexos)
Etapas
1. Sistema físico(Realidad)
2. Modelación
3. Sistema medición
4. Datos obtenidos
5. Validación datos
6. Definir modelo de reconocimiento
7. Modelación matemática
8. Selección variables
9. Diseño clasificador
10. Prueba clasificador
11. Aplicación modelo
12. Interpretación resultado
13. Feedback
Seres vivos
1. Son buenos al reconocer patrones por supervivencia
2. Ventajas de reemplazarlos
  1. Hacer tareas repetitivas
  2. Trabajo en zonas peligrosas
  3. Menos errores y costos
  4. Autonomía

Media attachments

Image (binary/octet-stream)

Next up

Reconocimiento de patrones

Description

Resource summary

Media attachments

Similar

	Created by Pedro Alejandro Núñez castañeda over 5 years ago