Hvad er mønstergenkendelse?

Mønstergenkendelse er et systems evne til at genkende mønstre inden for datasæt, der er afhængige af programmeret såvel som indlært viden. Dette er en vigtig del af datalogi, fordi det giver mulighed for udvikling af systemer, der er i stand til kompleks dataanalyse. Dette kan hjælpe forskere med at sortere data hurtigt for at finde meningsfuld information, fordi de ikke behøver at manuelt læse dataene for at finde interessepunkter. Mønstergenkendelse kan også være nyttigt til at opdage fejl, svig og andre problemer inden for datasæt.

Dette er forskelligt fra mønstermatchning, hvor systemet nøjagtigt kan matche materialer ved hjælp af en kendt database. Et klart eksempel på denne sondring kan ses i e -mail -filtre. Mange webbaserede e-mail-konti leveres med en spam-mappe. E -mail -udbyderen scanner indgående mail og bruger mønstergenkendelse til at identificere spam og slippe den ind i denne mappe. Brugeren filtrerer muligvis også sin e -mail og beder klienten om at droppe e -mail fra en partikulAR -afsender eller med særligt indhold i en bestemt mappe.

handlingen med at kontrollere for spam kræver evnen til at genkende generelle mønstre, såsom tilstedeværelsen af ​​specifikke ord, kendte mistænkelige internetprotokol (IP) adresser og andre røde flag, der kan markere et brev som falske. Dette er mere avanceret end et filter, der simpelthen beder systemet om at matche mønstre. Hvis systemet ser et ord eller en afsender, der passer til mønsteret, kan det flytte e -mailen til den relevante mappe.

Komplekse algoritmer understøtter genkendelse af mønster. Systemet kan bruge flere midler til at udforske indgående data og beslutte, hvordan man bedst skal håndtere dem. Det kan programmeres til at udføre specifikke funktioner, såsom routing af mistænkelige eller korrupte data til et bestemt sted, klassificering af data på en meningsfuld måde og så videre. Systemet er i stand til at lære og bruger dette som et værktøj til at blive bedre til mønstergenkendelse. Hver gangEn bruger markerer en e -mail som spam, for eksempel, systemet scanner e -mailen for at lære mere om den, og systemet fortsætter ikke med at begå fejlen ved at lægge lignende e -mails i indbakken.

Computerforskere udvikler nye mønstergenkendelsesteknikker i lab- og forskningsmiljøer. Disse kan anvendes til en række forskellige opgaver og kræver opførelse af neurale netværk, der er i stand til at interagere med data og ændre sig over tid. Nogle programmer er ekstremt sofistikerede og i stand til meget detaljeret mønstergenkendelse, og andre er mere forenklede. Sådanne programmer skåret ned på antallet af menneskelige timer, der kræves for at analysere data og kan fange ting, som et menneske kan gå glip af, såsom bevis for svig i form af uregelmæssigheder, der spænder over tusinder af forsikringskrav.