O que é FAN (Free Associtive Neurons)?
É uma abordagem neuro-fuzzy que faz o reconhecimento de padrões.
Seu objetivo principal é a classificação.
A abordagem comum em reconhecimento de padrões é dividir o problema em duas partes:
•extração das características
•classificação
O que é Extração das Características?
“É o processo pelo qual um problema é simplificado de forma a ser possível o seu tratamento computacional.”
Geralmente se tem a idéia de que havendo mais volume de dados, mais eficiente será o tratamento destes dados.
Em reconhecimento de padrões esta não é uma boa estratégia, pois um volume excessivo de dados pode gerar uma sobrecarga dos sistemas.
Igualmente, um volume insuficiente de dados pode não ser suficiente para abordar todas as características.
O que é Conjuntos difusos?
A lógica difusa é o ramo da lógica que usa graus de pertinência para os conjuntos. Difere de lógica que avalia a pertinência como total ou nula.
Para se avaliar elementos na lógica difusa, são atribuídos valores que vão de 0 a 1, de acordo com a pertinência ao padrão.
O que é Treinamento ?
Depois de extraídas as características, há um conjunto representando os padrões do modelo, que é chamado de conjunto de treinamento.
Este conjunto de padrões classificados constitui o modelo de reconhecimento.
Sendo as classes de padrões de treinamento conhecidas, o treinamento é denominado supervisionado.
É no treinamento que a rede neural obtém o “conhecimento” para classificar os padrões.
O que é Reconhecimento de Padrões?
O Reconhecimento de Padrões é a ciência que trata da classificação e descrição de objetos.
As técnicas de RP são usadas para classificar ou descrever padrões ou objetos através de um conjunto de propriedades ou características o RP tem por objetivo atribuir um padrão a um conjunto desconhecido de classes de padrões ou identificar um padrão como membro de um conjunto conhecido de classes.