pattern recognition (tsz. pattern recognitions)
A pattern recognition – magyarul: mintázatfelismerés – az informatikában, mesterséges intelligenciában, gépi tanulásban és statisztikában használt eljárás, amelynek célja, hogy strukturálatlan adatból (képekből, hangból, szövegből, számokból) automatikusan felismerjük a jelentős mintákat, struktúrákat vagy szabályszerűségeket.
Ez a terület alapvető szerepet játszik a gépi látásban, beszédfelismerésben, orvosi diagnosztikában, arcfelismerésben, ujjlenyomat-elemzésben, és rengeteg más gyakorlati alkalmazásban.
A pattern recognition célja:
Adattípus | Példák |
---|---|
Képek | Arcfelismerés, karakterfelismerés (OCR) |
Hang | Beszédfelismerés, hangtípus azonosítás |
Szöveg | Nyelvazonosítás, szentimentelemzés |
Idősor | Pénzügyi adatok, szenzoradatok |
Biometrikus adatok | Ujjlenyomat, retina, DNS-minta |
Technika | Leírás |
---|---|
Közeli szomszéd (k-NN) | Egyszerű klasszifikátor, a legközelebbi példák alapján dönt. |
SVM (Support Vector Machine) | Nagy távolságot keres az osztályok között, hatékony sok dimenzióban. |
Döntési fa | Szabályalapú döntéshozatal, olvasható struktúra. |
Neurális hálók / Deep Learning | Különösen erős képfeldolgozásban és komplex minták esetén. |
Bayes-hálók | Valószínűségszámításon alapuló döntések. |
HMM (Hidden Markov Model) | Időfüggő mintákra (pl. beszéd, szekvenciák). |
Clustering (K-means, DBSCAN) | Nem felügyelt tanulás, hasonló elemek csoportosítása. |
A klasszikus algoritmusokat egyre inkább felváltják a mély tanulási (deep learning) megközelítések, amelyek képesek:
A mintázatfelismerő rendszer minőségét az alábbiakkal mérik:
Mérőszám | Leírás |
---|---|
Pontosság (accuracy) | Helyes találatok aránya |
Precizitás | A valóban helyes találatok aránya a pozitív találatok között |
Recall | A helyesen felismert pozitív esetek aránya |
F1-score | A precizitás és a recall harmonikus átlaga |
Confusion matrix | Részletes osztályozási mátrix, hibák nyomon követésére |
Fogalom | Leírás |
---|---|
Mintázatfelismerés | Adatokban rejlő struktúrák felismerése |
Mesterséges intelligencia (AI) | Intelligens döntéshozatal és tanulás |
Gépi tanulás (ML) | Algoritmusok, amelyek adatból tanulnak |
Deep learning | Az ML része, mély neurális hálókkal |
A pattern recognition kulcsfontosságú az adatvezérelt rendszerek működésében. Képes automatizálni azokat a feladatokat, amelyeket az emberi agy természetesen végez (minták felismerése, képek értelmezése, beszéd megértése), és hatalmas lehetőségeket nyitott meg a mesterséges intelligencia, gépi látás, orvosi diagnosztika és pénzügyi elemzés területén.