사람의 뇌가 어떻게 인식을 수행하는지를 알아내려는 연구는 컴퓨터 이전부터 진행되어 왔다.
그 결과 어느정도 뇌의 정보 처리 과정에 대한 비밀이 벗겨졌다. 아주 간단한 연산을 담당하는 뉴런이 있고 엄청난 수의 뉴런이 엄청난 양으로 상호 연결되어 서로 신호를 주고 받으며 정보를 처리한다는 사실이 알려졌다. 이런 지식은 사람으로 하여금 자동 인식 기계를 만들게하였다. 하지만 컴퓨터의 정보처리는 순차적이며 뇌의 정보처리 방식과 근본적으로 차이가 있다. 이 차이를 어떻게 메울 것인가에 대한 해답을 구하기 위해 두뇌의 정보 처리 과정을 모방하는 컴퓨터를 만들겠다는 야심 찬 연구가 들이 있어왔다. 그 성과로 인공 신경망이 있다.
컴퓨터 지능은 공장 자동화, 문자인식, 음성인식, 자연어 처리, 데이터 마이닝, 지능교통 시스템등 많은 분야에 빠르게 응용되고 발전하고 있다. 지능 로봇은 풍부한 인식기능을 갖추어야 한다. 사람이 처한 상황을 자동으로 인식하여 문제를 해결 할 수 있어야 한다.
인식의 방법을 간단하게 표현하면 다음과 같다.
사람의 얼굴을 인식할때 알아보기위해 얼굴이 작다, 코가 뾰족하다, 눈이 크다 등의 특징(feature)를 사용한다. 이런 패턴을 이미 알고있는 정보와 비교하는 의사결정을 분류(classification)라고 한다.
인식 시스템을 만들기 위해 수집하는 패턴을 샘플이라고 하며, 보통 두 개의 집합으로 나눈다.
하나는 인식기를 만드는 데 사용할 훈련집합(training set)이고 다른 하나는 성능을 평가하기 위해 사용하는 테스트 집합(test set)이다.
특징들을 개별적인 화소로 나타내어 패턴으로 인식할 수 있다. 비트맵에 가로와 세로로 배열된 64개의 화소를 행과 열로 재배치한다.
<필기 숫자에서 특징을 추출 한 예>
서로 다른 부류를 얼마나 잘 구별해 주느냐가 분별력이라고 한다. 특징을 많이 사용한다고 좋은 결과를 얻는 것은 아니다. 쓸모없는 특징이 포함될 수도 있고 또한 두 개 특징이 개별적으로는 쓸모있지만 상관 관계가 강해 하나만 있어도 되는 경우도 있다. 또한 특징 벡터의 차원에 따라 계산량 또는 메모리 요구량이 폭발적으로 증가하기도 한다.
결정 직선(1차) , 결정 곡선(2차), 결정 곡선 (3차 이상)
<분류기 설계>
패턴 인식의 훈련 방법에 따라 위와 같이 분류 할 수 있다.