Reconnaissance de formes
La reconnaissance de formes est la reconnaissance automatique des modèles et des règles dans les données.
La reconnaissance de formes est étroitement liée à l’intelligence artificielle et l’apprentissage de la machine, ainsi que des applications telles que l’exploration de données et la découverte de connaissances dans les bases de données (KDD), et est souvent utilisé de manière interchangeable avec ces termes. Cependant, ils se distinguent: l'apprentissage par machine est une approche de la reconnaissance des formes, tandis que d'autres approches incluent des règles ou des heuristiques élaborées à la main (non apprises) ; et la reconnaissance des formes est une approche de l'intelligence artificielle, tandis que d'autres approches incluent l'intelligence artificielle symbolique.
Une définition moderne de la reconnaissance de formes est la suivante:
Le domaine de la reconnaissance de formes concerne la découverte automatique des régularités dans les données grâce à l'utilisation d'algorithmes informatiques et l'utilisation de ces régularités pour mener des actions telles que la classification des données en différentes catégories.
Cet article porte sur les approches d’apprentissage automatique de la reconnaissance des formes. Les systèmes de reconnaissance de formes sont souvent formés à partir de données étiquetées "formation" (apprentissage supervisé), mais lorsqu'aucune donnée numérisée n'est disponible, d'autres algorithmes peuvent être utilisés pour détecter des formes précédemment inconnues (apprentissage non supervisé). L'apprentissage automatique est le terme couramment utilisé pour désigner les méthodes d'apprentissage supervisées et provient d’une intelligence artificielle, alors que KDD et l'exploration de données mettent davantage l'accent sur les méthodes non supervisées et un lien plus fort avec l'utilisation professionnelle. La reconnaissance des formes a ses fonctions en ingénierie, et le terme est populaire dans le contexte de la vision par ordinateur : une des principales conférences sur la vision par ordinateur est appelée conférence sur la vision par ordinateur et la reconnaissance des formes. Dans la reconnaissance de modèles, il peut être plus intéressant de formaliser, d'expliquer et de visualiser le modèle, tandis que l'apprentissage automatique se concentre traditionnellement sur la maximisation des taux de reconnaissance. Cependant, tous ces domaines ont considérablement évolué depuis leurs racines dans l'intelligence artificielle, l'ingénierie et les statistiques, et ils sont devenus de plus en plus similaires en intégrant les développements et les idées les uns des autres.
En machine learning, la reconnaissance de pattern est l'affectation d'une étiquette à une valeur d'entrée donnée. Dans les statistiques, l’analyse discriminante a été introduite pour ce même purp Ose en 1936. A n exemple de reconnaissance de formes est classification, qui tente d'attribuer à chaque valeur d'entrée à l’un d'un ensemble donné de classes (par exemple, déterminer si un e - mail donnée est "spam" ou "non-spam"). Cependant, la reconnaissance des formes est un problème plus général qui englobe également d'autres types de sortie. D'autres exemples sont la régression, qui attribue une sortie à valeur réelle à chaque entrée ; étiquetage de séquence, qui attribue une classe à chaque membre d'une séquence de valeurs (par exemple, une partie du balisage de la parole, qui attribue une partie de la parole à chaque mot d'une entrée); et l’analyse, qui assigne un arbre d'analyse à une phrase d'entrée, décrivant la structure syntaxique de la phrase.
Les algorithmes de reconnaissance de formes visent généralement à fournir une réponse raisonnable pour toutes les entrées possibles et à effectuer la correspondance "la plus probable" des entrées, en tenant compte de leur variation statistique. Ceci est opposé aux algorithmes de correspondance de formes qui recherchent des correspondances exactes dans l'entrée avec les modèles pré-existants. Un exemple courant d'un algorithme de correspondance de formes est l’expression régulière correspondant, qui cherche des formes d'une sorte donnée dans les données textuelles et est inclus dans les capacités de recherche de nombreux éditeurs de texte et de traitement de texte.
Contrairement à la reconnaissance de formes, la correspondance de pattern n'est généralement pas un type d'apprentissage automatique, bien que les algorithmes de correspondance de formes (en particulier avec des formes assez générales et soigneusement adaptées) permettent parfois d’obtenir une sortie de qualité similaire à celle fournie par les algorithmes de reconnaissance de formes
