Percepcion De Patrones Visuales

RECONOCIMIENTO DE PATRONES

ANTECEDENTES

La capacidad de reconocer patrones ha sido considerada siempre como una de las características fundamentales de la inteligencia humana, en ese sentido, ha sido también una de las áreas de estudio de prácticamente todas las disciplinas que conforman la Ciencia Cognitiva. Así, en su papel más concreto y menos ambicioso en sus planteamientos que la Inteligencia Artificial, el Reconocimiento de Patrones se ha establecido como una disciplina relativamente independiente de aquélla, buscando siempre en otras áreas de conocimiento los modelos, explicaciones y herramientas que le permitan cumplir su cometido.

Modernamente podemos distinguir varias corrientes o "enfoques" en el reconocimiento de patrones: el enfoque Estadístico, el Numérico, el Sintáctico, el Lógico-Combinatorio, el de Redes Neuronales, etc. Todos ellos abordan la misma problemática: el Problema Universal de la Clasificación, desde diferentes posturas y con diferentes herramientas. A través de una revisión del estado del arte en sistemas de software relacionados con la disciplina de reconocimiento de patrones, encontramos gran cantidad de sistemas de reconocimiento especializados (procesamiento de imágenes, reconocimiento de voz, reconocimiento de caracteres, identificadores personales de seguridad, etc.), muchos de ellos con aplicaciones industriales o comerciales. Muy pocos, sin embargo, están orientados hacia la aplicación académica y prácticamente no existe ningún sistema de carácter general.

DEFINICIÓN

Reconocimiento de Patrones es una disciplina que estudia la asignación automática de objetos a clases. Estas clases pueden estar predeterminadas o no. El número de aplicaciones prácticas es muy extenso: lectura automática de caracteres manuscritos e impresos; reconocimiento de voz, caras, huellas digitales, firmas; identificación de partículas elementales; detección de fraude; segmentación de mercados, etc.

Reconocimiento de Patrones es una área de la tecnología conocido como Aprendizaje de Maquinas (Machine Learning) o Aprendizaje Automático. El único propósito de este método es el clasificar un grupo de patrones conocido como conjunto de pruebas en dos o mas clases de categorías. Esto es logrado al calcular las categorías del conjunto en prueba comparándolo con un conjunto de entrenamiento (previo) o training set. Un clasificador dado mide la distancia entre varios puntos dados (compara), para saber cuales puntos son mas cercanos a la meta en un modelo parametizado

Un esquema modular de un sistema de RP se muestra en la siguiente figura.

Etapas de un sistema de reconocimiento de patrones.

Este esquema no debe verse como los pasos a seguir en la construcción de un sistema

...