O que se entende por reconhecimento de padrões e aprendizado de máquina?

O que significa Reconhecimento de Padrões?

Em TI, o reconhecimento de padrões é um ramo do aprendizado de máquina que enfatiza o reconhecimento de padrões ou regularidades de dados em um determinado cenário. É uma subdivisão do aprendizado de máquina e não deve ser confundida com o estudo real de aprendizado de máquina. O reconhecimento de padrões pode ser “supervisionado”, onde os padrões conhecidos anteriormente podem ser encontrados em um dado dado ou “não supervisionado”, onde padrões totalmente novos são descobertos.

O objetivo por trás dos algoritmos de reconhecimento de padrões é fornecer uma resposta razoável para todos os dados possíveis e classificar os dados de entrada em objetos ou classes com base em determinados recursos. Uma correspondência “mais provável” é realizada entre várias amostras de dados e seus principais recursos são correspondidos e reconhecidos.

O reconhecimento de padrões e a correspondência de padrões às vezes são confundidos como a mesma coisa quando, de fato, não são. Enquanto o reconhecimento de padrões procura um padrão semelhante ou mais provável em um dado dado, a correspondência de padrões procura exatamente o mesmo padrão. A correspondência de padrões não é considerada parte do aprendizado de máquina, embora em alguns casos leve a resultados semelhantes ao reconhecimento de padrões.

Aprendizado de máquina

O aprendizado de máquina é um tipo de inteligência artificial (IA) que permite que os aplicativos de software se tornem mais precisos na previsão de resultados sem serem explicitamente programados. A premissa básica do aprendizado de máquina é criar algoritmos que possam receber dados de entrada e usar a análise estatística para prever um valor de saída dentro de um intervalo aceitável.

Os algoritmos de aprendizado de máquina são geralmente classificados como supervisionados ou não supervisionados. Os algoritmos supervisionados exigem que os humanos forneçam a entrada e a saída desejada, além de fornecer feedback sobre a precisão das previsões durante o treinamento. Após a conclusão do treinamento, o algoritmo aplicará o que foi aprendido aos novos dados. Os algoritmos não supervisionados não precisam ser treinados com os dados de resultado desejados. Em vez disso, eles usam uma abordagem iterativa chamada aprendizado profundo para revisar dados e chegar a conclusões. Os algoritmos de aprendizado não supervisionado são usados ​​para tarefas de processamento mais complexas do que os sistemas de aprendizado supervisionado.

Os processos envolvidos no aprendizado de máquina são semelhantes aos de mineração de dados e modelagem preditiva. Ambos exigem pesquisa nos dados para procurar padrões e ajustar as ações do programa de acordo. Muitas pessoas estão familiarizadas com o aprendizado de máquina comprando na Internet e recebendo anúncios relacionados à sua compra. Isso acontece porque os mecanismos de recomendação usam o aprendizado de máquina para personalizar a entrega de anúncios on-line quase em tempo real. Além do marketing personalizado, outros casos de uso comuns de aprendizado de máquina incluem detecção de fraude, filtragem de spam, detecção de ameaças à segurança de rede, manutenção preditiva e criação de feeds de notícias.

Dica 1: encontre a sequência de transformações aplicada nas figuras

Algumas transformações comuns que são seguidas neste tipo de perguntas são:

Rotação : Uma parte ou toda a figura pode ser girada por um determinado ângulo.

Ilustração 1: Selecione uma figura adequada nas figuras de resposta para substituir (?)

Nas figuras, a folha sombreada gira 225⁰ no sentido horário, enquanto a folha não sombreada gira 225⁰ no sentido anti-horário. Analisando as opções, vemos que os 3

rd

A figura satisfaz essas condições. Assim, a resposta é 3.

Gabinete : Uma parte ou parte específica da figura pode ser anexada de alguma forma.

Lados / Linhas : O número de lados / linhas na figura pode seguir uma certa progressão.

Ilustração 2: Selecione uma figura adequada nas figuras de resposta para substituir (?)

Nestas figuras, o polígono gira 90 ° no sentido horário, diminui de tamanho e é delimitado por uma figura com um lado a menos que ele. Portanto, a última figura terá um losango fechado em um triângulo. Assim, a resposta correta é 1.

Inversão vertical / lateral: A figura pode ser invertida verticalmente, lateralmente ou ambas durante transformações sucessivas.

Ilustração 3: Selecione uma figura adequada nas figuras de resposta para substituir (?)

A Figura B é o resultado da inversão vertical de A. Podemos, portanto, concluir que uma figura é invertida verticalmente na figura subsequente. Assim, a figura que falta será uma forma invertida de C. Observando as figuras de resposta, vemos que a figura 1 segue essa transformação. Assim, a resposta é 1 .

Mudança : Uma figura específica ou inteira pode ser alterada em qualquer direção.

Combinação : Uma figura pode seguir mais de uma das transformações mencionadas acima.

Ilustração 4: Selecione uma figura adequada nas figuras de resposta para substituir (?)

Exceto pelos pontos, a parte restante da figura se inverte e muda para o lado oposto do limite do quadrado. Assim, na figura final, o sinal ‘<' será invertido e mudará para o lado esquerdo do limite do quadrado. Esta será a figura 3 das figuras de resposta. Assim, a resposta será 3 .

Dica # 2: Divida a figura em partes menores para identificar o padrão de conclusão da figura

A seguir, estão algumas maneiras de dividir uma figura em partes menores:

Geometria : a figura pode ser dividida em círculos, triângulos, quadriláteros, polígonos etc. que se sobrepõem, se tocam, envolvem algumas formas ou são apenas partes da figura.

Ilustração 5: identifique a figura que completa o padrão.

Cada quarto do triângulo consiste em 2 triângulos retângulos. Assim, a opção D está correta.

Ilustração 6: Identifique a figura que completa o padrão.

A seção ausente deve ter 4 linhas. Uma dessas linhas deve tocar o canto inferior esquerdo do quadrado e outra deve tocar o canto superior direito. Somente (D) corresponde a esses requisitos.

Dica 3: classifique as figuras com base em lados, geometria ou dimensões

Algumas das bases de classificação comuns são as seguintes:

  1. No. dos lados : Os números podem ser classificados dependendo do no. dos lados que eles têm.
  2. Tipo de geometria : As figuras podem ser classificadas em triângulos, quadriláteros, círculos, etc.
  3. Dimensão : Você pode classificar as figuras como figuras 2-D ou 3-D.
  4. Conjuntas, fechadas ou sobrepostas : algumas figuras podem ser complexas, consistindo em formas conjuntas, formas menores fechadas em figuras maiores e / ou formas parcialmente ou completamente sobrepostas, enquanto outras podem ser simples.

Ilustração 7: Agrupe as figuras dadas em 3 classes usando cada figura apenas uma vez.

Os números fornecidos podem ser classificados com base no número de lados. As figuras 1, 6 e 9 têm 3 lados cada; 3, 4 e 7 têm 4 lados cada; 2, 5 e 8 têm 5 lados cada.

Resposta: 1, 6, 9 | 3, 4, 7 | 2, 5, 8.

Ilustração 8: Agrupe as figuras dadas em 3 classes usando cada figura apenas uma vez.

1, 2 e 7 são figuras simples.

3, 5 e 9 têm uma forma que encerra outra forma menor.

4, 6 e 8 têm, cada um, duas formas que se tocam.

Assim, os números fornecidos podem ser classificados como:

1, 2, 7 | 3, 5, 9 | 4, 6, 8.

O infográfico abaixo será útil para responder a perguntas no teste de raciocínio lógico sobre reconhecimento de padrões –

Você também pode fazer este teste de raciocínio lógico para melhorar sua aptidão.

O aprendizado de máquina e o reconhecimento de padrões são diferentes, mas estão intimamente conectados.

Aprendizado de máquina significa ensinar as máquinas a partir de exemplos. Ou máquinas aprendendo com exemplos. Há aprendizado supervisionado e não supervisionado.

O reconhecimento de padrões é o processo de reconhecer padrões de um conjunto de dados para tarefas de classificação ou regressão.