Reconocimiento de patrones
El reconocimiento de patrones es el reconocimiento automático de patrones y regularidades en los datos . Tiene aplicaciones en análisis de datos estadísticos , procesamiento de señales , análisis de imágenes , recuperación de información , bioinformática , compresión de datos , gráficos por computadora y aprendizaje automático . El reconocimiento de patrones tiene su origen en la estadística y la ingeniería; Algunos enfoques modernos para el reconocimiento de patrones incluyen el uso del aprendizaje automático , debido a la mayor disponibilidad de big data y una nueva abundancia de poder de procesamiento.. Estas actividades pueden verse como dos facetas del mismo campo de aplicación y han experimentado un desarrollo sustancial en las últimas décadas.
Los sistemas de reconocimiento de patrones se entrenan comúnmente a partir de datos etiquetados como "entrenamiento". Cuando no hay datos etiquetados disponibles, se pueden usar otros algoritmos para descubrir patrones previamente desconocidos. KDD y la minería de datos tienen un mayor enfoque en métodos no supervisados y una conexión más sólida con el uso comercial. El reconocimiento de patrones se centra más en la señal y también tiene en cuenta la adquisición y el procesamiento de la señal . Se originó en la ingeniería , y el término es popular en el contexto de la visión por computadora : una conferencia líder en visión por computadora se llama Conferencia sobre visión por computadora y reconocimiento de patrones .
En el aprendizaje automático , el reconocimiento de patrones es la asignación de una etiqueta a un valor de entrada dado. En estadística, el análisis discriminante se introdujo con este mismo propósito en 1936. Un ejemplo de reconocimiento de patrones es la clasificación , que intenta asignar cada valor de entrada a una de un conjunto dado de clases (por ejemplo, determinar si un correo electrónico dado es "spam" o "no spam"). El reconocimiento de patrones es un problema más general que también abarca otros tipos de resultados. Otros ejemplos son la regresión , que asigna una salida con valor real a cada entrada; [1] etiquetado de secuencia , que asigna una clase a cada miembro de una secuencia de valores [2](por ejemplo, etiquetado de parte del discurso , que asigna una parte del discurso a cada palabra en una oración de entrada); y parsing , que asigna un árbol de análisis sintáctico a una oración de entrada, describiendo la estructura sintáctica de la oración. [3]
Los algoritmos de reconocimiento de patrones generalmente tienen como objetivo proporcionar una respuesta razonable para todas las entradas posibles y realizar una coincidencia "más probable" de las entradas, teniendo en cuenta su variación estadística. Esto se opone a los algoritmos de coincidencia de patrones , que buscan coincidencias exactas en la entrada con patrones preexistentes. Un ejemplo común de un algoritmo de coincidencia de patrones es la coincidencia de expresiones regulares , que busca patrones de un tipo determinado en datos textuales y se incluye en las capacidades de búsqueda de muchos editores de texto y procesadores de texto .
El campo del reconocimiento de patrones se ocupa del descubrimiento automático de regularidades en los datos mediante el uso de algoritmos informáticos y del uso de estas regularidades para tomar acciones como clasificar los datos en diferentes categorías. [4]
