14
RECONOCIMIENTO DE PATRONES INTEGRANTES: FELIPE TOLENTINO, JESÚS GARRO MURILLO, GEORGE MEZA HINOSTROZA, KEVIN OCHOA GOIZUETA, OMAR RUELAS ROJAS, LEO SEQUEIROS YATACO, MARIO Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Reconocimiento de patrones

Embed Size (px)

Citation preview

Page 1: Reconocimiento de patrones

RECONOCIMIENTO DE PATRONESINTEGRANTES:

FELIPE TOLENTINO, JESÚS

GARRO MURILLO, GEORGE

MEZA HINOSTROZA, KEVIN

OCHOA GOIZUETA, OMAR

RUELAS ROJAS, LEO

SEQUEIROS YATACO, MARIO

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 2: Reconocimiento de patrones

INTRODUCCIÓN

• Es interesante ver cómo funciona el ser humano frente a

diversas situaciones con las que se encuentra, relacionando

hechos en forma de patrones, además de la forma en cómo

se adapta al realizar esas actividades.

• Podemos incluso reconocer imágenes y letras aun cuando la

información no está completa o se encuentre distante o

distorsionada. Esto es posible gracias al conocimiento y la

experiencia que se tiene, esto puede ser llevado hacia las

computadoras orientándolo a resolver ciertos problemas

relacionados al manejo de conocimiento, dotando de esta

maneara un comportamiento similar al del ser humanoEscuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 3: Reconocimiento de patrones

ANTECEDENTES

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 4: Reconocimiento de patrones

MARCO TEÓRICORECONOCIMIENTO DE PATRONES(RP)

• Es la ciencia que se ocupa de

los procesos sobre ingeniería,

computación y matemáticas

relacionadas con objetos

físicos y/o abstractos y

matemáticas, con el propósito

de extraer información que

permita establecer propiedades

de o entre conjuntos de dichos

objetos.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 5: Reconocimiento de patrones

MARCO TEÓRICOENFOQUES DEL RPEstadístico o Teoría de la decisión:

• Usa probabilidad y estadística, supone la existencia de distribución

de probabilidad a partir de ellas se hace el reconocimiento.

Sintáctico o estructural:

• Encuentra relaciones estructurales, utilizando teoría de lenguajes

formales, construyendo una gramática que describa al objeto.

Redes Neuronales:

• Se utiliza la arquitectura para que la red aprenda a reconocer

ciertos valores y pueda dar un respuesta.

Lógico combinatorio:

• Se modela el problema lo más cercana a la realidad del mismo, se

estudian sus características cuidadosamente, para no hacer

suposiciones

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 6: Reconocimiento de patrones

MARCO TEÓRICOPROCESAMIENTO DIGITAL DE IMÁGENES(PDI)

El Procesamiento Digital de Imágenes(PDI) es un área de permanenteimportancia tecnológica. Su objetivos vandesde procesar datos adquiridossatelitalmente para mejorar lapercepción, detección o interpretación dealgún patrón especifico, aplicar filtradosa las imágenes, fotográficas parareconstruir o retocar sus característicasvisuales o comprimir información gráficapara facilitar su transporte por las redesde comunicaciones.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 7: Reconocimiento de patrones

MARCO TEÓRICOPROCESAMIENTO NUMÉRICO

• Actualmente la mayor parte de las técnicas avanzadas utilizadas

en el reconocimiento de patrones se basa en un procesamiento

numérico, donde mediante un tratamiento heurístico se busca

conjugar los resultados de ciertos estimadores con valores

específicos de una distribución.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 8: Reconocimiento de patrones

MARCO TEÓRICOFASES DEL PROCESAMIENTO NUMÉRICO

• Pre-Procesado: En general son operaciones que requieren algoritmos simples pero

de gran insumo de operaciones numéricas en su ejecución, entre los que se destacan

conversión a escala de grises, filtrado, umbralización, escalamiento, extracción de

regiones de interés.

• Segmentación: Aquí se busca simplificar la imagen reduciéndola a un subconjunto

predeterminado de objetos básicos (puntos, segmentos u otras primitivas

geométricas sencillas), con el objeto de facilitar luego un procesamiento de un nivel

superior.

• Descripción de la imagen: se genera una representación útil para el problema de

interpretación de interés a partir de la información proveniente de las operaciones

de filtrado y segmentación previos.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 9: Reconocimiento de patrones

MARCO TEÓRICOFASES DEL PROCESAMIENTO NUMÉRICO

• Reconocimiento: En el mismo se busca descubrir, identificar y comprender la

información contenida en los descriptores.Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 10: Reconocimiento de patrones

MARCO TEÓRICO REDES NEURONALES

• Las neuronas reciben señales (inputs)

de otras neuronas vía conexiones

sinápticas que pueden ser excitantes o

inhibidoras. En función de las señales

recibidas, una neurona envía a su vez

una señal a otras neuronas por medio

del axón. [1] (José Manuel Gutiérrez

(Universidad de Cantabria))

Page 11: Reconocimiento de patrones

MARCO TEÓRICO REDES NEURONALES ARTIFICIALES

• Son modelos matemáticos

construidos basándose en el

funcionamiento de las redes

neuronales biológicas (sistema

nervioso), por consiguiente, las

unidades de procesamiento

fundamental de una RNA, serán las

neuronas artificiales.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 12: Reconocimiento de patrones

MARCO TEÓRICO ESTRUCTURA RNA

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 13: Reconocimiento de patrones

MARCO TEÓRICOALGORITMO: BACK PROPAGATION

• El algoritmo back propagation se usa en el proceso deaprendizaje de las redes neuronales multicapa. Supotencia reside en su capacidad de entrenar capasocultas y de este modo supera las posibilidadesrestringidas de las redes de una única capa, las mismasque únicamente dan solución a problemas linealmenteseparables, en el mundo real, la mayoría de problemasno son linealmente separables.

• Según (Bernacki & Wlodarczyk, 2004), se muestra unared neuronal con una capa de neuronas de entrada, unacapa intermedia u oculta y una capa de salida. Todas lasneuronas de cada capa deben estar conectadas a todaslas neuronas de la siguiente capa.

Escuela de Ingeniería de sistemas - Sistemas Inteligentes

Page 14: Reconocimiento de patrones

MARCO TEÓRICOALGORITMO: HOPFIELD

• Son redes de adaptación probabilística y

recurrente. Aprenden a reconstruir los

patrones de entrada que memorizan

durante el entrenamiento.

• Son modo capa con interconexión total y

en la que el valor de salida de cada

unidad es binario (0 y 1) y siguen una

regla de aprendizaje no supervisado.