Mintázatfelismerés

Mintázatfelismerés, a magyar nyelvben gyakran mintázatfelismerésként, vagy egyszerűen mintafelismerésként említik, a mesterséges intelligencia (MI) és a gépi tanulás egyik alapvető területe. Lényegében az a folyamat, amely során számítógépes rendszerek képesek felismerni és azonosítani ismétlődő vagy jellemző alakzatokat, rendszereket, illetve kapcsolatokat különböző típusú adatokban. Ezek az adatok lehetnek képek, hangok, szövegek, számadatok vagy akár idősorok is. A mintázatfelismerés célja, hogy a gépek képesek legyenek tanulni a tapasztalatokból, és ezáltal képesek legyenek új, korábban nem látott adatokban is hasonló mintázatokat azonosítani.

Ez a technológia számos alkalmazási területen jelen van. A képfelismerésben például a rendszerek képesek arcokat, tárgyakat vagy akár kóros elváltozásokat azonosítani orvosi képeken. A hangfelismerés lehetővé teszi a beszéd átalakítását szöveggé, vagy a hangalapú asszisztensek működését. Szövegfeldolgozásban a mintázatfelismerés segít a dokumentumok osztályozásában, a sentimentanalízisben, vagy a gépi fordításban. Az adatelemzésben a nagy mennyiségű adatból kiemelhetők trendek, anomáliák vagy egyéb értékes információk. A mintázatfelismerés alapvető algoritmusai közé tartoznak például a felügyelt tanulási módszerek, mint a klasszikus klasszifikációs algoritmusok (például támogató vektor gépek, döntési fák), vagy a mélytanulási hálózatok, mint a konvolúciós neurális hálózatok (CNN-ek) képekhez, és a rekurrens neurális hálózatok (RNN-ek) szekvenciális adatokhoz. A felügyelet nélküli tanulási technikák, mint a klaszterezés, szintén fontos szerepet játszanak a rejtett mintázatok felfedezésében.