20. Применение распознавания образов для идентификации и прогнозирования.

Термины "Распознавание образов" и "Идентификация" являются синонимами.

Прикладные задачи, решаемые методами Р. о., возникают при идентификации машинописных и рукописных текстов, идентификации фотоизображений, при автоматич. распознавании речи, в медицинской диагностике, при геологич. прогнозировании, прогнозировании свойств химич. соединений, оценке экономических, политических, производственных ситуации, при классификации социологич. материала и т. н.

Видеоаналитика

Задача системы видеоанализа — автоматическое получение систематизированной информации с помощью алгоритмов интеллектуальной обработки потока видеоданных без участия оператора системы безопасности. Видеоаналитика представляет развитие функций систем видеонаблюдения, позволяя сократить объем регистрируемых данных. Система идентификации и распознавания образов, имеющая возможность интеграции с различными подсистемами, позволяет сформировать структурированную базу данных событий с сопряженной видеоинформацией. Основная задача системы видеоанализа — исключить человеческий фактор, минимизировав вероятность возникновения ситуации, когда какое-либо событие может быть незамечено или неправильно истолковано.

Прогнозирование

Реальные примеры: прогноз курсов валют, постановка диагноза больному, оценка риска невозврата кредита заемщиком банка.

Описание. Прогнозирование значений одних показателей по значениям других показателей - наиболее часто возникающая группа задач, служащая базой и для решения других задач, например, при управлении объектом (когда прогнозируются величины требуемых воздействий на объект). Основной особенностью является разделение анализируемых данных на две группы − по значениям показателей первой группы (независимым признакам) прогнозируются значения показателей второй группы (зависимые признаки). Зависимый признак может быть непрерывнозначным, (количественным, числовым) − в этом случае задача прогноза называется задачей регрессии. Либо зависимый признак может принимать некоторое малое число значений, являющихся характеристиками "внутреннего состояния", класса объекта − это задача классификации с учителем или задача распознавания образов.

Существует большое число способов решения: классические методы статистики (линейная регрессия, байесовский классификатор), методы непараметрической статистики, аппроксимация полиномами, метод группового учёта аргументов (МГУА), методы на основе искусственных нейронных сетей. Каждый из методов решения имеет свои преимущества и недостатки.

Прогнозирование временных рядов (будущих значений показателей)

Научное название: задача авторегрессии, прогнозирование временного ряда.

Реальные примеры: прогнозирование температуры дня на завтра по температурам предыдущих дней, прогнозирование курса валют или котировок акций на завтра по результатам торгов в предыдущие дни.

Описание. Имеется упорядоченный во времени ряд измерений, и необходимо получить возможность делать прогноз значения на момент времени t по значениям за некоторое число k предыдущих моментов времени t-1, t-2, ... , t-k.

При наличии нескольких одновременно протекающих процессов задача авторегрессии может быть превращена в задачу регрессии-авторегрессии, когда следующее значение показателя прогнозируется не только по предыдущим его значениям, но и по значениям других показателей в предыдущие моменты времени. Например, при наборе биржевых курсов "доллар-евро", "доллар-йена", "доллар-фунт стерлингов" для прогноза курса доллара относительно евро могут быть использованы и значения его прошлых курсов относительно других валют.

Решаемые задачи прогнозирования

Несколько примеров сложных реальных задач описано отдельно, а нижеследующий список задач обработки и анализа данных, прогнозирования и классификации является более абстрактным и академичным.

Построение модели для прогнозирования значений одних показателей по известным значениям других показателей.

Прогнозирование будущих значений показателей.

Повышение точности прогноза по сравнению с некоторой существующей прогнозирующей или решающей моделью.

Сокращение числа показателей, на основе которых принимается решение.

Определение значений свойств объекта, соответствующих новому состоянию объекта.

Сжатие данных.

Коррекция данных, исправление искажений в данных, фильтрация, поиск нетипичных данных.

Восстановление неизвестных данных.

Кластеризация данных (автоматическая классификация, разбиение набора ситуаций на несколько групп).

Визуализация данных.

Оптимизация.

Идентификация набора параметров объекта и их значений.

Управление объектом.

Обнаружение событий во временных рядах.

Обработка, распознавание и анализ изображений.

распознавание видео.

и другие задачи анализа данных и принятия решения на основе наборов данных.

Идентификация и прогнозирование часто практически ничем друг от друга не отличаются по математическим моделям и алгоритмам. Основное различие между ними состоит в том, что при идентификации признаки и состояния объекта относятся к одному времени, тогда как при прогнозировании признаки (факторы) относятся к прошлому, а состояния объекта – к будущему.

Это означает, что системы распознавания образов с успехом могут применяться не только для решения задач идентификации, но и прогнозирования.

21. Сходство и различие в содержании понятий "идентификация" и "прогнозирование".

Термины "Распознавание образов" и "Идентификация" являются синонимами.

Идентификация и прогнозирование часто практически ничем друг от друга не отличаются по математическим моделям и алгоритмам. Основное различие между ними состоит в том, что при идентификации признаки и состояния объекта относятся к одному времени, тогда как при прогнозировании признаки (факторы) относятся к прошлому, а состояния объекта – к будущему.

Это означает, что системы распознавания образов с успехом могут применяться не только для решения задач идентификации, но и прогнозирования.