Next: Otro Ejemplo: descripción de un proyecto
Up: Reconocimiento de Patrones: Una aproximacion para
Previous: Elementos en Sistemas de Reconocimiento de
Aprendizaje y Adaptación
Casi todos los sistemas de reconocimiento de patrones son sistemas
complejos y en ellos es posible no tener alguna suposición sobre lo
que sería una meta al diseñar el sistema de clasificación. Por lo
tanto y en un amplio sentido, cualquier método que incorpora
información sobre un ejemplo o conjunto entrenamiento en el diseño del
clasificador, necesariamente emplea algún tipo de aprendizaje, razón
básica para considerar nociones sobre aprendizaje. Además al construir
clasificadores es importante imponer algún tipo de generalidad para
realizar el modelo, forma de modelo o forma de un clasificador y por
lo cuál es necesario utilizar patrones de entrenamiento para resolver
las incógnitas en los patrones del modelo. Este aprendizaje se refiere
a algún tipo de algoritmo que ayude a reducir la cantidad de errores
en la información para el entrenamiento. Existen varios tipos de
aprendizaje:
- Aprendizaje Supervisado.
En el aprendizaje supervisado una especie de profesor suministra
una marca o costo para cada patrón en el conjunto de entrenamiento y
también busca en reducir la suma de estos costos.
- Aprendizaje no Supervisado.
En el aprendizaje no supervisado no hay un profesor explicito pero
el sistema realiza agrupamientos en forma natural sobre los patrones
de entrada. Lo natural puede ser definido tanto implícitamente como
explícitamente dentro del sistema de agrupación y es dado por un
conjunto particular de patrones o funciones de costo, los diferentes
algoritmos que generan agrupaciones también generan agrupaciones de
patrones diferentes.
- Aprendizaje Reforzado.
Este tipo de aprendizaje también es conocido como aprendizaje con la
asistencia de un critico o editor. Esto quiere decir que aunque no
existe una categoría sugerida, en cambio la categoría dada en un
nuevo grupo de sugerencias puede interpretarse como correcta o
incorrecta aunque específicamente no se señale ni el porqué ni el como
de que esté equivocada.
Next: Otro Ejemplo: descripción de un proyecto
Up: Reconocimiento de Patrones: Una aproximacion para
Previous: Elementos en Sistemas de Reconocimiento de
© Copyright 2003 CCRMA, Stanford University. All rights reserved.
Created and Mantained by Juan Reyes