Pattern Rec. vs Function fitti < Künstl. Intelligenz < Praktische Inform. < Hochschule < Informatik < Vorhilfe
|
| Status: |
(Frage) beantwortet  | | Datum: | 21:29 Fr 15.07.2011 | | Autor: | Wimme |
Hallo!
Ich frage mich, was genau der Unterschied zwischen "Pattern Recognition" und "Function Fitting" ist.
Ich weiß, dass Pattern Recognition Mustererkennung ist, wo also der Computer versucht Muster in Daten zu erkennen und aufgrund seiner Erkenntnise Entscheidungen zu treffen.
Function Fitting stelle ich mir so vor, dass im Prinzip eine Funktion approximiert/gefunden werden soll, die also Eingaben auf Ausgaben abbildet.
Aber wo ist jetzt genau der Unterschied? Denn bei der Pattern Recogntion wenn wir sie zum Klassifizieren verwenden, wird doch im Prinzip nichts anderes gemacht, als die Eingabedaten auf eine Klasse abzubilden (=Funktion), oder?
Ein paar klärende Worte wären super!
Wimme
|
|
| |
|
Hossa :)
Beim Function-Fitting hast du eine Anzahl von Messpunkten, meistens in einem Koordinatensystem, und versuchst dazu eine Funktion zu finden, die möglichst gut zu den Messpunkten "passt". Damit das vernünftig klappt, muss die Form der Funktion aber schon vorgegeben sein, z.B. eine Parabel:
[mm] $f(x)=ax^2+bx+c$
[/mm]
Die Algorithmen versuchen nun, die Parameter a, b und c so zu bestimmen, dass die theoretische Funkton f(x) die Messpunkte optimal trifft. Dabei tasten sich die Algorithmen zunächst grob an die Lösung heran und nehmen die Feinabstimmung erst am Ende vor. Ohne Vorgabe einer Modellfunktion wird es sehr schwierig und rechenintensiv. Es gibt genetische Algorithmen, die manchmal ganz gute Funktionen finden, aber richtig gut passen solche Ergebnisse im Allgemeinen nicht.
Beim Erkennen von Mustern wird das gleiche Prinzip verwendet. Auch hier muss es Algorithmen geben, die das zu findende Objekt erst grob und dann immer feiner beschreiben bzw. herausfiltern. Wenn man z.B. beim Toll-Collect System Autos erkennen möchte, sucht man die Fotos nach rechteckigen Strukturen ab. Die gefundenen Strukturen werden werden weiter untersucht, mit feineren Algorithmen, um z.B. zu entscheiden, ob es sich um einen LKW oder um einen PKW handelt.
Die Vorgabe einer vernünftigen Modellierung macht die Mustererkennung bzw. das Fitting so schwierig. Mustererkennung ist also (zum Glück) eine Fähigkeit, die unser Gehirn hervorragend beherrscht, aber im Computer nur in speziellen Einzelfällen wirklich funktionierend nachgeahmt werden kann. Im Prinzip sind Mustererkennung und Fitting wie zwei Seiten derselben Medaille.
Viele Grüße
Hasenfuß
|
|
|
|
