Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Datos, Informacin y
conocimiento
Entendimiento
Entendiendo principios
Aprendizaje
Conocimiento
Entendiendo patrones
Informacin
Entendiendo relaciones
Datos
Percepcin por los sentidos
Qu es el conocimiento?
Es la informacin til.
Es la experiencia adquirida.
3
Qu es el conocimiento?
Conocimiento
Ejercicio
Si el conocimiento es una experiencia humana,
cmo podemos hacer para que una computadora
encuentre el conocimiento, lo categorice y luego lo
aplique para resolver problemas?
Entendimiento
Entendiendo principios
Aprendizaje
Conocimiento
Buscando patrones
Informacin
Relaciones entre los datos
Datos
Captura por sensores
Reconocimiento de Patrones
Aprendizaje y Memoria
Aprendizaje Natural
Memoria
Aprendizaje Significativo
9
Aprendizaje Natural
Memoria
Generado por patrones de actividad.
Resonancia.
en las neuronas.
Reforzamiento de conexiones.
Eliminacin de conexiones .
Ejemplo: Aprender a resolver problemas de
matemticas, Bailar, etc.
10
Aprendizaje Automtico
11
Aprendizaje Automtico
Aplicaciones donde
mquinas aprendan.
se
requiere
que
las
Ejemplos:
Deteccin de fraude en operaciones on-line.
Reconocimiento de transacciones sospechosas.
Identificacin de objetos, seguimiento de personas y
vehculos.
Diagnstico automtico: enfermedades, fallas
mecnicas.
Evaluacin automtica: clientes on-line.
Bsqueda de patrones de compra en clientes.
12
Reconocimiento de Patrones
Unidad 1. Introduccin
13
Cmo Reconocer?
El proceso de reconocer cosas es algo que hacemos
de forma inconsciente.
Sonido
Amigo
Comida
Depredador
Imagen
Sabor
14
Qu es Reconocer?
Esta habilidad natural que tiene prcticamente todo
ser vivo nos lleva a varias preguntas.
cmo y por qu funciona
nuestro cerebro?
?
cmo identificamos
cosas?
cmo podemos
abstraer conceptos?
15
Qu es Reconocimiento de
Patrones?
Estas preguntas son importantes para varias ramas
de la ciencia.
Biologa
Neurologa
Psicologa
Ciencias de la
computacin
La rama interdisciplinaria
de las ciencias de la
computacin
que
se
encarga de resolver este
tipo de problemas se
denomina Reconocimiento
de Patrones, el cual
incluye
entre
sus
principales tareas a la
clasificacin de patrones.
16
Reconocimiento de Patrones
1.1. Conceptos bsicos
17
Patrn
Es una entidad a la que se le puede dar un nombre y
que est representada por un conjunto de propiedades
medidas u observaciones y las relaciones entre ellas
(vector de caractersticas).
Es la forma de algn objeto, son tiles en
computacin puesto que proveen una base para el
reconocimiento de patrones o comparacin entre
fenmenos.
Objeto
Es un concepto por el cual se representa a los
elementos sujetos a estudio.
Los objetos puedes ser:
Concretos
Abstractos
Objeto (individuo, fenmeno o ente).
19
Patrn
Objeto Patrn
Objeto ya
clasificado en
alguna clase
20
Ejemplos de Objetos
Un paciente
Un conjunto de personas
Una imagen satelital
Clase
Clase (grupo):
Es un conjunto de objetos
22
Ejemplos de Clases
Pacientes con bronquitis
Zonas de no perspectividad de petrleo
Electrocardiogramas anormales
Imgenes de hgados cancerosos
23
Atributos
Atributos (rasgos, variables, caractersticas o parmetros):
Cualquier medida o cualidad extrable. Propiedad o factor.
Tipos de Atributos
o Cuantitativos
Numricos
o Cualitativos
Simblicos
o Binarios
Presencia-ausencia
24
Atributos
Cuantitativos: Representan una variable que toma
valores numricos que puede ser operados (+,*,-,/) y tienen
un orden.
Ejemplo: La temperatura
presencia-
25
Ejemplos de Atributos
Sexo
Edad
Altura
Peso
Raza
Temperatura
* Depende del contexto
Campo magntico
Tipos de suelo
Edad de la roca
Presin sangunea
Concentracin de
elementos radiactivos
26
Vector de caractersticas
Es la composicin de varias caractersticas en un vector.
Define un punto en un espacio n-dimensional
27
Ejercicio
Observe cualquier objeto: Un Automvil
Reconocimiento de patrones
Es la rama de la computacin que estudia las
tcnicas que permiten a una computadora
identificar los patrones de estructuras o de
configuraciones.
Es la caracterizacin de datos de entrada en
clases identificadas, por medio de la extraccin
de caractersticas significativas o atributos de
los datos extrados.
29
Reconocimiento de patrones
El punto esencial del reconocimiento de patrones
es la clasificacin.
Entre las aplicaciones del reconocimiento de
patrones son: El reconocimiento de voz, la clasificacin
de documentos (por ejemplo spam/no spam), el
reconocimiento de escritura, parmetros para reconocer
la cara de una persona, agrupacin de palabras para
hacer sentido en una frase, buscar la llave para abrir
una chapa y muchas ms.
30
Reconocimiento de Patrones
1.2. Aspectos Generales del
Anlisis Exploratorio de
Datos
31
Observacin
1 2 m
X11 X12 X1m
X21 X22 X2m
.
.
.
Qu es lo interesante?
Cul es la estructura interna del fenmeno?
Qu es lo esencial y redundante?
Qu hiptesis pueden ser obtenidas y cules
son sustentadas por los datos?
.
.
.
Qu conocimiento est
contenido en los datos?
32
Problemas observacionales
observaciones
Hiptesis 1
dato
s
Anlisis
exploratorio
Hiptesis 2
.
.
.
Hiptesis R
34
Caractersticas de los
problemas observacionales
Se
resuelven
mediante
anlisis
exploratorio de datos.
Los datos se obtienen directamente de la
observacin.
Se buscan las hiptesis que sustentan
los datos.
No existe control sobre las variables.
35
hiptesis
Problemas experimentales
Deduccin de
hechos
observacionales
Diseo de
experimento
dato
s
Test (Anlisis)
Confirmatorio
Hiptesis
Valida
Hiptesis
Rechazada
36
Caractersticas de los
problemas experimentales
Se
resuelven
mediante
anlisis
confirmatorio de datos.
Se disean experimentos para obtener
los datos.
Se tienen hiptesis de partida.
Es posible controlar las variables.
37
Reconocimiento de Patrones
Bsqueda de factores
Seleccin de variables
Bsqueda de parmetros relevantes
Generacin de hiptesis
38
Problema Observacional
M=
1
2
1 2 m
X11 X12 X1m
X21 X22 X2m
.
.
.
.
.
.
.
.
.
M - Matriz Observacional
Anlisis exploratorio de datos
Planteamiento
del Problema
Procesamiento
Variables
Procesamiento
de Individuos
Anlisis
Combinatorio
40
Exploracin de datos.
Bsqueda de tipologa entre objetos o
variables.
Ajuste de modelos.
Prediccin, diagnstico y pronstico
basados en configuracin de grupos.
Generacin y prueba de hiptesis.
Reduccin de dimensionalidad.
Bsqueda de redundancias.
41
Reconocimiento de Patrones
1.3. Familias de problemas
de Reconocimiento de
Patrones
42
Familias de problemas de
Reconocimiento de Patrones (RP)
Los problemas de RP son todos aquellos
relacionados con la clasificacin de
objetos y fenmenos; y con la
determinacin de los factores que
inciden en los mismos.
43
Familias de problemas de
Reconocimiento de Patrones (RP)
Las familias de dichos problemas son:
A) Clasificacin no supervisada, clasificacin
sin aprendizaje, agrupamiento o clustering.
B) Clasificacin supervisada o clasificacin con
aprendizaje.
C) Clasificacin con aprendizaje parcial.
D) Seleccin de Variables.
44
A) Clasificacin no supervisada
Se tiene un universo de objetos, pero no se
conoce cmo se agrupan.
El problema radica en encontrar como se
estructura el universo de objetos mencionados
anteriormente, es decir, asignar el patrn a una
clase todava no definida.
45
B) Clasificacin supervisada
Se conoce un universo de objetos que se
agrupan en un nmero de clases dada, y se
tiene una muestra de objetos de cada clase.
El problema consiste en dado un nuevo objeto,
poder establecer las relaciones con cada una
de dichas clases, o sea, identificar el patrn
como miembro de una clase ya definida.
46
47
D) Seleccin de variables
Se utiliza para reducir el nmero de rasgos con
los cuales se deben describir los objetos en
modo eficiente.
Tambin se utiliza para encontrar los rasgos
que inciden en el problema de manera
determinante.
48
Reconocimiento de Patrones
1.4. Aspectos generales que
contempla cualquier
Mtodo de RP
49
nxm
Matriz de Semejanzas
1
2
1 2 m
X11 X12 X1m
X21 X22 X2m
1
2
1 2 m
S11 S12 S1m
S21 S22 S2m
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
nxn
Diagonal simtrica
Sij representa la
semejanza entre el
individuo i y el individuo j
51
Ejemplo
Personas
1
2
3
4
5
6
7
Altura (m)
Peso (kg)
52
Reconocimiento de Patrones
1.5. Diferentes enfoques en
Reconocimiento de
Patrones
53
Diferentes enfoques en
Reconocimiento de Patrones
Enfoque Estadstico.
Enfoque Sintctico - Estructural.
Redes Neuronales.
Algoritmos Genticos.
54
Enfoque Estadstico
Es histricamente el primer enfoque que
existi
y
probablemente
el
ms
desarrollado.
Utiliza el anlisis Discriminante, la Teora
Bayesiana de la Decisin, la Teora de las
Probabilidades
y
el
anlisis
de
agrupamientos.
55
Enfoque Estadstico
Caractersticas: Basado en descripciones
de objetos en trminos de mediciones;
presupuestos sobre las variables, como
estar definidas en un espacio mtrico o
normado; es muy frecuente el uso de
probabilidades.
Aplicaciones: Imgenes y seales.
56
Enfoque Sintctico-Estructural
Se basa en la Teora de Autmatas y
Lenguajes Formales para hacer la clasificacin.
La idea central consiste en suponer que los
objetos se pueden descomponer (fsicamente) en
elementos primarios, como si fueran letras de
ciertos alfabetos, y a partir de aqu, hallar las
reglas gramaticales que permitan formar la seal.
57
Enfoque Sintctico-Estructural
Caractersticas:
Se
basa
en
las
descripciones de los objetos en trminos de
sus partes constitutivas; se apoya en la
Teora de Lenguajes Formales y Autmatas;
se asume que la estructura de los objetos a
ser reconocida es cuantificable.
Aplicaciones: Imgenes y seales.
58
Enfoque Lgico-Combinatorio
Tiene como principal caracterstica el
poder trabajar con variables de todo tipo,
aunque sus algoritmos suelen ser de
complejidad alta.
Utiliza la Lgica Matemtica, la Teora
Clsica y Difusa de conjuntos, la Teora
Combinatoria, la Teora de Testores y la
Matemtica Discreta en general.
59
Enfoque Lgico-Combinatorio
Caractersticas: Se considera que los
objetos se describen por medio de una
combinacin de rasgos numricos y no
numricos (datos mezclados). La forma de
manejar los objetos es mas flexible que en
los enfoques tradicionales.
Aplicaciones: Ciencias poco formalizadas.
60
Enfoque Neuronal
Se basa en modelos matemticos de
las neuronas biolgicas, o dicho de otra
forma, trata de emular la forma en cmo
interactan nuestras neuronas.
61
Reconocimiento de Patrones
1.6. Tcnicas
Reconocimiento de Patrones
62
Reconocimiento de Patrones
El reconocimiento de patrones es una tcnica
de la Inteligencia Artificial (IA) y es empleado por
tecnologas como el procesamiento del lenguaje
natural, la visin computacional, etc.
Agentes
Minera de Datos
Robtica
Redes Neuronales
63
Reconocimiento de Patrones
El reconocimiento de patrones adems se
apoya en tcnicas de otras ciencias como lo
son:
Estadstica
Geometra
Teora de Lenguajes
Lgica Simblica
Entre otras
64