La actividad de identificar objetos o comportamientos que son recurrentes y clasificarlos, es denominada reconocimiento de patrones. Es ampliamente utilizada en la ingeniería, matemáticas e informática.
En la práctica, es muy utilizada, ya que soluciona un gran número de problemas. Y si bien algunas situaciones pueden ser resueltas por humanos de manera sencilla, existen otros contextos que una persona no podría solucionar eficientemente sin la ayuda de un sistema reconocedor de patrones.
Definición de reconocimiento de patrones
El reconocimiento de patrones es una disciplina encargada de identificar figuras, reconocer formas o leer patrones, con la finalidad de recopilar información sobre el objeto que se está estudiando y asignarlo a un grupo o clase.
Para entender este concepto de manera más fácil, desglosemos los siguientes términos:
-
Reconocer: Distinguir un objeto entre varios, ya que dicho objeto posee características y atributos propios que lo diferencia del resto.
-
Patrón: Es un objeto que presenta cierto comportamiento y/o características ya conocidas.
-
Clase: Es un grupo de objetos que comparten los mismos atributos y/o comportamientos.
-
Atributo: Es cualquier medida o cualidad extraíble. Constituye los parámetros, factores, variables y comportamientos.
¿Cómo funciona el reconocimiento de patrones?
-
Adquisición de datos: El primer paso consta en la adquisición de datos. El responsable de este proceso es de un dispositivo llamado sensor. Funciona transformando magnitudes físicas o químicas en magnitudes eléctricas. Las variables captadas pueden ser de distintas índoles, como, por ejemplo: color, temperatura, intensidad lumínica, inclinación, velocidad, fuerza, etc.
-
Formulación de característica: Consta en la formulación de características para usarse posteriormente en la clasificación de objetos.
-
Selección de atributos: Es la selección adecuada de atributos para describir a los objetos.
-
Clasificación de objetos: En este paso, se clasifican los objetos de acuerdo a los atributos que presentan, asignándolos en un grupo u otro. En este procedimiento se utilizan tecnologías de machine learning, que consta en hacer que las computadoras aprendan a clasificar los objetos de manera autónoma.
-
Clasificación supervisada: Es la utilización de modelos ya prestablecidos para clasificar objetos o comportamientos.
-
Clasificación no supervisada: Es cuando la clasificación se realiza intentando identificar similitudes entre objetos.
-
Clasificación parcialmente supervisada: Es un panorama donde existen modelos en algunas clases, pero no en todas. Por lo tanto, combina elementos de la clasificación supervisada y no supervisada.
-
Aplicaciones del reconocimiento de patrones
-
Reconocimiento facial: Es un sistema capaz de reconocer automáticamente un rostro en un espacio dado.
-
Reconocimiento de voz: Es la capacidad que posee un sistema inteligente en reconocer palabras y oraciones en un idioma determinado.
-
Reconocimiento de huella dactilar: Son dispositivos que identifican huellas dactilares, y detectar si dicha huella está almacenada en alguna base de datos.
-
Reconocimiento de caracteres: Es un dispositivo especializado en reconocer caracteres, tanto escritos a mano, como escritos digitalmente. Estos caracteres son presentados al dispositivo como una imagen, y el sistema procede a almacenar estos caracteres, poniéndolos a disposición del usuario para que pueda usarlos posteriormente en un programa de edición de texto.
-
Reconocimiento de objetos: Es usado en conjunto con la visión artificial. Y consta en la detección de objetos en una imagen o secuencia de imágenes (vídeo).
-
Reconocimiento de música: Identifica qué música está sonando.
-
Reconocimiento de sonidos: Distingue qué sonido está produciéndose. Como, por ejemplo, los ladridos de un perro, un bebé llorando, campanada de un timbre, etc.
-
Reconocimiento de anomalías en imágenes de ratos X: Identifica si existen irregularidades en proyecciones de rayos X, con el fin de determinar un problema existente en personas o animales.
-
Reconocimiento de células infectadas: Es capaz de detectar células con partículas víricas en su interior.
-
Reconocimiento de situaciones meteorológicas: Permite pronosticar eventos meteorológicos de acuerdo a diversos patrones.