Կերպարների ճանաչումը տվյալների օրինաչափությունների եւ օրինականությունների ավտոմատացված ճանաչումն է։ Կերպարներիի ճանաչումը սերտորեն կապված է արհեստական ինտելեկտի եւ մեքենայական ուսուցումի հետ[1], ,այնպիսի ծրագրերի հետ, ինչպիսիք են տվյալների ուսումնասիրումը եւ գիտելիքների հայտնաբերումը տվյալների բազայում և հաճախ օգտագործվում են անփոփոխ պայմաններով։ Սակայն, դրանք տարբերվում  են միմյանցից։

Սահմանումը խմբագրել

Մեքենայական ուսուցումամ մոտեցումներից մեկը հենց կերպարների ճանաչումն է, իսկ մյուս մոտեցումները ներառում են չսերտված կանոններ և կերպարների ճանաչումը արհեստական ինտելեկտի մեկ մոտեցում է, մինչդեռ այլ մոտեցումները ներառում է հենց տիպիկ արհեստական ինտելեկտը[2]։ Կերպարների ճանաչման ժամանակակից սահմանումը հետևյալն է.

Կերպարների ճանաչման դաշտը վերաբերում է համակարգչային ալգորիթմների օգտագործման միջոցով տվյալների հավաստիության ստուգոմանը  եւ դրա  օգտագործմանը, որպեսզի այնպիսի գործողություններ ձեռնարկեն, ինչպիսիք են տվյալների տարբեր խմբերում դասակարգելը։

Կերպարների ճանաչման համակարգերը շատ դեպքերում ձևավորվում են այսպես կոչված «վերամշակման» տվյալներից (վերահսկվող ուսուցում), բայց երբ մշակված տվյալներ չկան, այլ ալգորիթմներ կարող են օգտագործվել նախկինում ոչ այնքան հայտնի ձևաչափերի հայտնաբերման համար (չվերահսկվող ուսուցում)։

Ծագում խմբագրել

Կերպարների ճանաչումը սկզբնապես առաջացել է ինժեներության մեջ, և տերմինը բավականին հայտնի է համակարգչային գիտություների մեջ։ Վերահսկվող ուսուցումը ենթադրում է, որ օգտագործվել են նախապես մշակված տվյալներ։ Ուսուցման նմուշները ուսումնական գործընթացի նպատակն են եւ չպետք է շփոթել ուսուցողական հավաքածուի հետ[3]։ Չվերահսկվող ուսուցումը, մյուս կողմից, ենթադրում է տվյալներ, որոնք չեն օգտագործվել և փորձարկում են տվյալների մեջ բնորոշ ձևեր գտնելու համար, որոնք կարող են օգտագործվել նոր տվյալների օրինակների ճիշտ արժեքը որոշելու համար։ Նրանց երկուսի համադրությունը, որը ուսումնասիրվել է վերջերս կիսավերահսկվող ուսուցում , օգտագործում է արտոնված եւ ոչ արտոնված տվյալների համադրություն դեպքում(սովորաբար փոքր քանակությամբ չգրանցված տվյալների հետ)։ Նշենք, որ չվերահսկվող ուսուցման դեպքում, սովորաբար, չի կարող խոսել մշակված տվյալների մասին։

Կիրառություն խմբագրել

Բժշկական գիտության շրջանակներում, կերպարների ճանաչումը հիմք է հանդիսանում համակարգչային ախտորոշման (CAD) համակարգերի համար։ CAD- ը նպաստում է բժշկի մեկնաբանությունների եւ եզրակացությունների հավաստիությանը։ Կերպարների ճանաչման այլ կիրառություն է հանդիսանում խոսքի ավտոմատ ճանաչումy, տեքստի դասակարգումը մի քանի կատեգորիաներում (օրինակ, սպամ / ոչ սպամ էլեկտրոնային փոստի հաղորդագրություններ), գրված ծրարների վրա գրված նամակագրության ավտոմատ ճանաչում, մարդկային դեմքերի պատկերների ավտոմատ ճանաչում կամ ձեռագրերի նկարահանումը բժշկական ձևերից[4]։ Հոգեբանության մեջ կերպարների ճանաչումը (առարկաների ճանաչումը) սերտորեն կապված է ընկալման հետ, որը բացատրում է, թե ինչպես են զգայական ազդակները ընկալվում մարդկանց կողմից։ Կերպարների ճանաչումը կարող է ուսումնասիրվել երկու տարբեր ձեւերով. Առաջինը ձեւավորումն է շաբլոնի, իսկ երկրորդը `առանձնահատկությունը։ [5]

Գրականություն խմբագրել

Godfried T. Toussaint, ed. (1988). Computational Morphology. Amsterdam: North-Holland Publishing Company.[6]

Fukunaga, Keinosuke (1990). Introduction to Statistical Pattern Recognition (2nd ed.). Boston: Academic Press.[7]

Image Processing With Neural Networks - a Review (2002)[8]

Mineichi Kudo; Jack Sklansky (2000). "Comparison of algorithms that select features for pattern classifiers". [9]

Ծանոթագրություններ խմբագրել