Notas de lectura
inteligencia artificial
- Grado
- Inteligencia Artificial
- Institución
- Universitat Autónoma De Barcelona
inteligencia artificial
[Mostrar más]Vista previa 2 fuera de 8 páginas
Vista previa 2 fuera de 8 páginas
Añadir al carritoVendedor
Seguir
Vista previa del contenido
Reconeixement de patronsDescriure les refularitats (“patrons”) presents en un tipus de dades i prendre decisions basades en
els patrons trobats
Els humans fem aquesta tasca de fora habitual sense esforç:
Som capaços d’aprendre quines caracterísitques generals permeten diferenciar cada tipus
d’objecte, cara, símbol, etc.
Automatitzar aquesta tasca ha estat un dels objectius importants de la Intel·ligència
Artificial
Tractarem problemes de classificació de patrons: es tracta d’establir conjunts dins les dades
segons les seves característiques
Objectiu: Poder classificar qualsevol dada individual en un dels grups establerts.
Analitzem com hem solucionat el problema dels objectes
Probablement, sense ni pensar-hi, hem seguit un procés que respon les següents qüestions:
-Quina informació és important per representar els objectes?
Hem buscar regularitats en les dades com: Forma (ovalat, rectangular)
Mida (gran, petit)
Número de quadrats interiors
-Com diferenciar entre les classes d’objectes?
Hem buscat les característiques dels objectes que diferencien les classes.
-Com utilitzar aquesta informació per classificar nous objectes en una de les classes
definides?
Hem establit una relació entre l’objecte a classificar i les classes exitents basant-nos en la
semblança de les seves característiques.
Espai de característiques: És una representació de coneixement que definim com:
-Lèxic: característiques, eixos, sistema de
coordenades, punts, classes, partició de
l’espai, funció de decisió.
-Estructural:
-Les característiques van associades a cada
un dels eixos de l’espai
-Els punts són vectors de tantes dimensions
com l’espai
-Una classe vindrà donada per una part de la
partició de l’espai
Espai de característiques: És una representació de coneixement que definim com:
Semàntic:
-Els punts representen objectes del
problema
-Les coordenades del punts representen la
descripció dels objectes en base a les seves
característiques
-Una part de l’espai representarà tots els
objectes semblants o una classe
, Espai de característiques. És una representació de coneixement que definim com:
Lèxic: característiques, eixos, sistema de coordenades, punts, classes, partició de l’espai, funció
de decisió
Estructural: -Les característiques van associades a cada un dels eixos de l’espai
-Els punts són vectors de tantes dimensions com l’espai
-Una classe vindrà donada per una part de la partició de l’espai
Semàntic: -Els dos punts representen objectes del problema
-Les coordenades del punts representen la descripció dels objectes en base a les
seves característiques
-Una part de l’espai representarà tots els objectes semblants o una classe
Procedimental: -Procediments que extreuen les característiques que descriuen un objecte
-Procediments que permeten dividir l’espai en una partició
-Procediments que decideixen a quina classe pertany un punt
Metodologia de solució de problemes de reconeixement de patrons
Passos a seguir en un problema:
1. Definició de l’espai de característiques
-Captació de característiques interessants (depèn del problema)
-Exploració de l’espai (Reducció de la dimensió - Anàlisi de Components Principals)
2. Partició de l’espai o Categorització
-Aprenentatge (supervisat, no supervisat)
-Definició de la funció de decisió (veí més proper, lineal, no lineal, probabilística)
3. Presa de decisions o Classificació
-Representació de la mostra a classificar en l’espai de cracterístiques
-Aplicació de les funcions de decisió
1. Definició de l’espai de característiques
Selecció de característiques interessants
En l’espai de característiques —> Cada eix representa una característica de les dades del
problema
Volem tenir unes classes (grups) definides segons algun criteri
Davant una mostra nova (objecte, dada, etc) de la qual no sabem a quina classe pertany —>
volem classificar-la en una de les classes definides
L’elecció de les millors característiques per a cada problema és un dels temes clau del
reconeixement de patrons.
Per a definir un bon espai de característiques que representi la informació rellevant per la
classificació de les dades cal tenir en compte el següent:
-les característiques a triar depenen de cada problema
-convé triar característiques fàcils d’obtenir
-és desitjable que les característiques siguin invariants a transformacions irrellevants i
insensibles a soroll
Objectiu: Triar característiques que tinguin poca variabilitat entre les mostres d’una mateixa
classe, però molta diferència entre les mostres de classes diferents.
Volem que els punts d’una mateixa classe quedin molt junts entre sí, i que els punts de classes
diferents quedin molt allunyats els uns dels altres.
Los beneficios de comprar resúmenes en Stuvia estan en línea:
Garantiza la calidad de los comentarios
Compradores de Stuvia evaluaron más de 700.000 resúmenes. Así estas seguro que compras los mejores documentos!
Compra fácil y rápido
Puedes pagar rápidamente y en una vez con iDeal, tarjeta de crédito o con tu crédito de Stuvia. Sin tener que hacerte miembro.
Enfócate en lo más importante
Tus compañeros escriben los resúmenes. Por eso tienes la seguridad que tienes un resumen actual y confiable. Así llegas a la conclusión rapidamente!
Preguntas frecuentes
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
100% de satisfacción garantizada: ¿Cómo funciona?
Nuestra garantía de satisfacción le asegura que siempre encontrará un documento de estudio a tu medida. Tu rellenas un formulario y nuestro equipo de atención al cliente se encarga del resto.
Who am I buying this summary from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller blancacampos. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy this summary for 7,99 €. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
45,681 summaries were sold in the last 30 days
Founded in 2010, the go-to place to buy summaries for 15 years now