basispatronen

Basispatronen zijn eenvoudige, terugkerende patronen die als bouwstenen dienen bij de representatie van complexe data. Ze vormen een set patronen waaruit elk datapunt kan worden opgebouwd als een lineaire combinatie met bijbehorende coëfficiënten. In beeld- en signaalverwerking worden basispatronen ook wel basisfuncties genoemd; in moderne machine learning spreekt men vaak van een dictionary die uit veel basispatronen bestaat en uit de data zelf geleerd kan worden.

In de praktijk wordt data X (bijvoorbeeld een verzameling beeldpatches) gerepresenteerd als X ≈ DA, waarbij D een matrix is met de basispatronen als kolommen (de dictionary) en A de activaties of coëfficiënten die aangeven in welke mate elk patroon bijdraagt aan elk datapunt. Het doel van dictionary learning of sparse coding is om D en A te leren zodat de reconstructiefout minimaal is, terwijl A zo spars mogelijk blijft (bijv. de meeste coëfficiënten nul of klein). Dit leidt tot interpreteerbare basispatronen die complexere structuren van data kunnen verklaren.

Toepassingen omvatten compressie, ruisonderdrukking, beeld- en spraakherkenning en patroonherkenning. Een belangrijk aspect is de keuze van het aantal basispatronen en de sparsiteitseis, die invloed hebben op interpretatie en prestaties. Beperkingen zijn gevoeligheid voor de data, rekenkosten en mogelijk gebrek aan unieke interpretatie wanneer verschillende sets basispatronen vergelijkbare reconstructies opleveren.

---