El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de entre conjuntos de dichos objetos. El reconocimiento de patrones llamado también lectura de patrones, identificación de figuras y reconocimiento de formas consiste en el reconocimiento de patrones de señales. Los patrones se obtienen a partir de los procesos de segmentación, extracción de características y descripción, dónde cada objeto queda representado por una colección de descriptores. El sistema de reconocimiento debe asignar a cada objeto su categoría o clase, que es el conjunto de entidades que comparten alguna característica que las diferencia del resto. Para reconocer los patrones se siguen las siguientes etapas: (1) adquisición de datos, (2) extracción de características, (3) toma de decisiones. El punto esencial del reconocimiento de patrones es la clasificación: se quiere clasificar una señal dependiendo de sus características. Señales, características y clases pueden ser de cualquiera forma.
En términos históricos, el reconocimiento de patrones tiene su inicio a principios de los años 1960 cuando los investigadores Eden, Narasimham y Ledley publican los primeros trabajos. En el año 1965, se abre una línea de aplicación de la Teoría de Testores a los problemas clásicos de reconocimiento de patrones. El año 1966, Zhuravliov hace el primer trabajo que habla de la Teoría de Testores y el reconocimiento de patrones. A partir de este momento, el reconocimiento de patrones se convierte en un objeto de estudio más serio. El año 1972 se realiza la primera conferencia sobre el reconocimiento de patrones en Washington. El año 1974 se realiza la segunda conferencia sobre el reconocimiento de patrones en Copenhague. En el año 1977 Vapnik y Chervonenkis escriben el libro “Reconocimiento de Patrones”. En éste libro mencionan: “En esencia, diferentes puntos de vista en la formulación del problema del reconocimiento de patrones se determinan por la respuesta a la pregunta: ¿Existen principios generales adecuados para describir clases de patrones de diversa naturaleza?. En enero del año 1978 se funda la “Asociación internacional para el Reconocimiento de Patrones”. A partir de los años 1980 hasta fines del siglo veinte se produce una explosión combinatoria de trabajos desarrollados sobre reconocimiento de patrones, realizándose en términos académicos las siguientes conferencias: Kyoto en 1978, Miami el año 1980, Munich en 1982, Montreal en 1984, París en 1986, Roma en 1988, Atlantic City en 1990, el Hague en 1992, Jerusalén en 1994, Viena en 1996, Brisbane en 1998, Barcelona el año 2000, Quebec en 2002, Cambridge en 2004, Hong‐Kong en 2006 y Tampa el año 2008.
El reconocimiento de patrones hace referencia a los medios por los cuales se puede interpretar el mundo. En términos formales se dice que es la ciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de o entre conjuntos de dichos objetos.
Un sistema completo de reconocimiento de patrones incluye un sensor que recoge fielmente los elementos del universo a ser clasificado, un mecanismo de extracción de características cuyo propósito es extraer la información útil, eliminando la información redundante e irrelevante, y finalmente una etapa de toma de decisiones en la cual se asigna a la categoría apropiada los patrones de clase desconocida a priori. En este entendido se realizan las siguientes etapas: (1) Sensor. El sensor es el dispositivo encargado de la adquisición de datos. Debe ser capaz de transformar magnitudes físicas o químicas, llamadas variables de instrumentación, en magnitudes eléctricas. Las variables de instrumentación dependen del tipo de sensor y pueden ser por ejemplo: temperatura, intensidad lumínica, distancia, aceleración, inclinación, desplazamiento, presión, fuerza, torsión, humedad, etc. (2) Extracción de características. Es el proceso de generar características que puedan ser usadas en el proceso de clasificación de los datos. En ocasiones viene precedido por un pre-procesado de la señal, necesario para corregir posibles deficiencias en los datos debido a errores del sensor, o bien para preparar los datos de cara a posteriores procesos en las etapas de extracción de características o clasificación. Las características elementales están explícitamente presentes en los datos adquiridos y pueden ser pasados directamente a la etapa de clasificación. Las características de alto orden son derivadas de las elementales y son generadas por manipulación o transformaciones en los datos. (3) Selección de variables. Consiste en seleccionar cuál es el tipo de características o rasgos más adecuados para describir los objetos. Para ello, se deben localizar los rasgos que inciden en el problema de manera determinante.
Algunos enfoques sobresalientes del reconocimiento de patrones son: (1) Reconocimiento estadístico de patrones. Este enfoque se basa en la teoría de probabilidad y estadística y supone que se tiene un conjunto de medidas numéricas con distribuciones de probabilidad conocidas y a partir de ellas se hace el reconocimiento. (2) Reconocimiento sintáctico de patrones. Este enfoque se basa en encontrar las relaciones estructurales que guardan los objetos de estudio, utilizando la teoría de lenguajes formales. El objetivo es construir una gramática que describa la estructura del universo de objetos. (3) Redes neuronales. Este enfoque supone que tiene una estructura de neuronas interconectadas que se estimulan unas a otras, las cuales pueden ser “entrenadas” para dar una cierta respuesta cuando se le presentan determinados valores. (4) Reconocimiento lógico combinatorio de patrones. Este enfoque se basa en la idea de que la modelación del problema debe ser lo más cercana posible a la realidad del mismo, sin hacer suposiciones que no estén fundamentadas. Uno de los aspectos esenciales del enfoque es que las características utilizadas para describir a los objetos de estudio deben ser tratadas cuidadosamente.
Existen diferentes orientaciones dentro del reconocimiento de patrones, las más significativas son: (1) Geométrica. Los patrones deben ser graficables, en éste enfoque se emplea el cálculo de distancias, geometría de formas, vectores numéricos, puntos de atracción, etc. (2) Estadística. Se basa en la teoría de la probabilidad y la estadística, utiliza análisis de varianzas, covarianzas, dispersión, distribución, etc. (3) Sintáctica‐Estructural. Estudia la estructura de los objetos, es decir, utiliza teoría de lenguajes formales, gramáticas, teoría de autómatas, etc. (4) Neuro‐Reticular. Se utilizan redes neuronales que se “entrenan” para dar una cierta respuesta ante determinados valores. (5) Lógico‐Combinatoria. Se basa en la idea de que la modelación del problema debe ser lo más cercana posible a la realidad del mismo, sin hacer suposiciones que no estén fundamentadas. Se utiliza para conjuntos difusos y utiliza lógica simbólica, circuitos combinatorios y secuenciales, etc.
Los sistemas de reconocimiento de patrones tienen diversas aplicaciones. Algunas de las más relevantes y utilizadas actualmente son: (1) Previsión meteorológica. En esta aplicación se intenta clasificar todos los datos meteorológicos según diversos patrones, con el conocimiento a priori que se tiene de las diferentes situaciones que pueden aparecer, permitiendo la creación automática de mapas de predicción. (2) Reconocimiento de caracteres escritos a mano. Es una de las utilidades más populares de los sistemas de reconocimiento de patrones ya que los símbolos de escritura son fácilmente identificables. (3) Reconocimiento de voz. El análisis de la señal de voz se utiliza actualmente en muchas aplicaciones, un ejemplo claro son los teleoperadores informáticos. (4) Aplicaciones en medicina. Entre las más importantes se encuentran. Análisis de biorritmos, detección de irregularidades en imágenes de rayos-x, detección de células infectadas, marcas en la piel y otras. (5) Reconocimiento de huellas dactilares. Utilizado y conocido por la gran mayoría, mediante las huellas dactilares es posible identificare a todas las personas y con programas que detectan y clasifican las coincidencias, resulta sencillo encontrar correspondencias. (6) Reconocimiento de rostros. Utilizado para contar asistentes en una manifestación o simplemente para detectar una sonrisa, ya hay diferentes cámaras en el mercado con esta opción disponible. (7) Interpretación de fotografías aéreas y de satélite. De gran utilidad para propuestas militares o civiles, como la agricultura, geología, geografía, planificación urbana y otras. (8) Predicción de magnitudes máximas de terremotos. Una aplicación útil para los servicios de alerta temprana. (9) Reconocimiento de objetos. Especialmente con importantes aplicaciones para personas con discapacidad visual. (10) Reconocimiento de música. Identifica el tipo de música o la canción concreta que se reproduce en ese momento.
En términos históricos, el reconocimiento de patrones tiene su inicio a principios de los años 1960 cuando los investigadores Eden, Narasimham y Ledley publican los primeros trabajos. En el año 1965, se abre una línea de aplicación de la Teoría de Testores a los problemas clásicos de reconocimiento de patrones. El año 1966, Zhuravliov hace el primer trabajo que habla de la Teoría de Testores y el reconocimiento de patrones. A partir de este momento, el reconocimiento de patrones se convierte en un objeto de estudio más serio. El año 1972 se realiza la primera conferencia sobre el reconocimiento de patrones en Washington. El año 1974 se realiza la segunda conferencia sobre el reconocimiento de patrones en Copenhague. En el año 1977 Vapnik y Chervonenkis escriben el libro “Reconocimiento de Patrones”. En éste libro mencionan: “En esencia, diferentes puntos de vista en la formulación del problema del reconocimiento de patrones se determinan por la respuesta a la pregunta: ¿Existen principios generales adecuados para describir clases de patrones de diversa naturaleza?. En enero del año 1978 se funda la “Asociación internacional para el Reconocimiento de Patrones”. A partir de los años 1980 hasta fines del siglo veinte se produce una explosión combinatoria de trabajos desarrollados sobre reconocimiento de patrones, realizándose en términos académicos las siguientes conferencias: Kyoto en 1978, Miami el año 1980, Munich en 1982, Montreal en 1984, París en 1986, Roma en 1988, Atlantic City en 1990, el Hague en 1992, Jerusalén en 1994, Viena en 1996, Brisbane en 1998, Barcelona el año 2000, Quebec en 2002, Cambridge en 2004, Hong‐Kong en 2006 y Tampa el año 2008.
El reconocimiento de patrones hace referencia a los medios por los cuales se puede interpretar el mundo. En términos formales se dice que es la ciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de o entre conjuntos de dichos objetos.
Un sistema completo de reconocimiento de patrones incluye un sensor que recoge fielmente los elementos del universo a ser clasificado, un mecanismo de extracción de características cuyo propósito es extraer la información útil, eliminando la información redundante e irrelevante, y finalmente una etapa de toma de decisiones en la cual se asigna a la categoría apropiada los patrones de clase desconocida a priori. En este entendido se realizan las siguientes etapas: (1) Sensor. El sensor es el dispositivo encargado de la adquisición de datos. Debe ser capaz de transformar magnitudes físicas o químicas, llamadas variables de instrumentación, en magnitudes eléctricas. Las variables de instrumentación dependen del tipo de sensor y pueden ser por ejemplo: temperatura, intensidad lumínica, distancia, aceleración, inclinación, desplazamiento, presión, fuerza, torsión, humedad, etc. (2) Extracción de características. Es el proceso de generar características que puedan ser usadas en el proceso de clasificación de los datos. En ocasiones viene precedido por un pre-procesado de la señal, necesario para corregir posibles deficiencias en los datos debido a errores del sensor, o bien para preparar los datos de cara a posteriores procesos en las etapas de extracción de características o clasificación. Las características elementales están explícitamente presentes en los datos adquiridos y pueden ser pasados directamente a la etapa de clasificación. Las características de alto orden son derivadas de las elementales y son generadas por manipulación o transformaciones en los datos. (3) Selección de variables. Consiste en seleccionar cuál es el tipo de características o rasgos más adecuados para describir los objetos. Para ello, se deben localizar los rasgos que inciden en el problema de manera determinante.
Algunos enfoques sobresalientes del reconocimiento de patrones son: (1) Reconocimiento estadístico de patrones. Este enfoque se basa en la teoría de probabilidad y estadística y supone que se tiene un conjunto de medidas numéricas con distribuciones de probabilidad conocidas y a partir de ellas se hace el reconocimiento. (2) Reconocimiento sintáctico de patrones. Este enfoque se basa en encontrar las relaciones estructurales que guardan los objetos de estudio, utilizando la teoría de lenguajes formales. El objetivo es construir una gramática que describa la estructura del universo de objetos. (3) Redes neuronales. Este enfoque supone que tiene una estructura de neuronas interconectadas que se estimulan unas a otras, las cuales pueden ser “entrenadas” para dar una cierta respuesta cuando se le presentan determinados valores. (4) Reconocimiento lógico combinatorio de patrones. Este enfoque se basa en la idea de que la modelación del problema debe ser lo más cercana posible a la realidad del mismo, sin hacer suposiciones que no estén fundamentadas. Uno de los aspectos esenciales del enfoque es que las características utilizadas para describir a los objetos de estudio deben ser tratadas cuidadosamente.
Existen diferentes orientaciones dentro del reconocimiento de patrones, las más significativas son: (1) Geométrica. Los patrones deben ser graficables, en éste enfoque se emplea el cálculo de distancias, geometría de formas, vectores numéricos, puntos de atracción, etc. (2) Estadística. Se basa en la teoría de la probabilidad y la estadística, utiliza análisis de varianzas, covarianzas, dispersión, distribución, etc. (3) Sintáctica‐Estructural. Estudia la estructura de los objetos, es decir, utiliza teoría de lenguajes formales, gramáticas, teoría de autómatas, etc. (4) Neuro‐Reticular. Se utilizan redes neuronales que se “entrenan” para dar una cierta respuesta ante determinados valores. (5) Lógico‐Combinatoria. Se basa en la idea de que la modelación del problema debe ser lo más cercana posible a la realidad del mismo, sin hacer suposiciones que no estén fundamentadas. Se utiliza para conjuntos difusos y utiliza lógica simbólica, circuitos combinatorios y secuenciales, etc.
Los sistemas de reconocimiento de patrones tienen diversas aplicaciones. Algunas de las más relevantes y utilizadas actualmente son: (1) Previsión meteorológica. En esta aplicación se intenta clasificar todos los datos meteorológicos según diversos patrones, con el conocimiento a priori que se tiene de las diferentes situaciones que pueden aparecer, permitiendo la creación automática de mapas de predicción. (2) Reconocimiento de caracteres escritos a mano. Es una de las utilidades más populares de los sistemas de reconocimiento de patrones ya que los símbolos de escritura son fácilmente identificables. (3) Reconocimiento de voz. El análisis de la señal de voz se utiliza actualmente en muchas aplicaciones, un ejemplo claro son los teleoperadores informáticos. (4) Aplicaciones en medicina. Entre las más importantes se encuentran. Análisis de biorritmos, detección de irregularidades en imágenes de rayos-x, detección de células infectadas, marcas en la piel y otras. (5) Reconocimiento de huellas dactilares. Utilizado y conocido por la gran mayoría, mediante las huellas dactilares es posible identificare a todas las personas y con programas que detectan y clasifican las coincidencias, resulta sencillo encontrar correspondencias. (6) Reconocimiento de rostros. Utilizado para contar asistentes en una manifestación o simplemente para detectar una sonrisa, ya hay diferentes cámaras en el mercado con esta opción disponible. (7) Interpretación de fotografías aéreas y de satélite. De gran utilidad para propuestas militares o civiles, como la agricultura, geología, geografía, planificación urbana y otras. (8) Predicción de magnitudes máximas de terremotos. Una aplicación útil para los servicios de alerta temprana. (9) Reconocimiento de objetos. Especialmente con importantes aplicaciones para personas con discapacidad visual. (10) Reconocimiento de música. Identifica el tipo de música o la canción concreta que se reproduce en ese momento.
Para conocer más acerca del Doctor Choque y sus publicaciones, haz clic en el siguiente vínculo:
No hay comentarios:
Publicar un comentario