5.2. Проблема обучения распознаванию образов.

Проблема распознавания образов состоит из двух частей: обучения и распознавания.

Обучение осуществляется путем показа системе отдельных объектов. В результате распознающая система должна приобрести способность реагировать одинаковыми реакциями на все объекты одного класса и различными – на все объекты различных классов. Процесс обучения должен завершиться только путем показов конечного числа объектов без каких-либо других подсказок. За обучением следует процесс идентификации новых объектов, который характеризует действия уже обученной системы. Автоматизация этих процедур и составляет проблему обучения распознаванию образов.

В круг задач, которые могут решаться с помощью распознающих систем, входят не только задачи распознавания зрительных и слуховых образов, но и задачи распознавания сложных процессов и явлений.

Однако каждый объект наблюдения может воздействовать по-разному, в зависимости от условий восприятия. Кроме того, объекты одного и того же образа могут достаточно сильно отличаться друг от друга и по-разному воздействовать на воспринимающие органы. Выбор исходного описания объектов является одной из центральных задач проблемы распознавания образов.

Задача распознавания сводится к следующей математической постановке: необходимо построить отображение такое, чтобы на каждый возможный входной сигнал формировался правильный выходной сигнал . Отображение задается конечным набором пар (<вход>, <известный выход>). Число таких пар (обучающих примеров) существенно меньше общего числа возможных сочетаний значений входных и выходных сигналов. Совокупность всех обучающих примеров называется обучающей выборкой.

В задачах классификации – некоторое представление объекта (изображение, вектор чисел и т.д.), Y – номер класса, к которому принадлежит входной объект.

В результате построения отображения необходимо добиться того, чтобы:

1. Обеспечивалось формирование правильных выходных сигналов в соответствии со всеми примерами обучающей выборки;

2. Обеспечивалось формирование правильных выходных сигналов в соответствии со всеми возможными входными сигналами, которые не вошли в обучающую выборку.

Большая часть прикладных задач может быть сведена к реализации многомерного функционального преобразования, т.е. к аппроксимации множества точек, заданных в многомерном пространстве.

5.3. Гипотеза компактности.

Любой объект можно представить в виде точки в некотором пространстве признаков. Если возможно однозначно отнести объекты к одному из образов, то в пространстве признаков существуют области, не имеющие общих точек, а объекты – точки из этих областей.

Если пространство признаков формируется исходя из задуманной классификации, то можно надеяться, что заданное пространство признаков само по себе задает свойство, под действием которого образы в этом пространстве легко разделяются.

Гипотеза компактности: образам соответствуют компактные множества в пространстве признаков.

Однако эту гипотезу не всегда удавалось подтвердить экспериментально. Поэтому гипотеза компактности превратилась в признак возможности удовлетворительного решения задач распознавания.