¿Qué otras técnicas pueden mejorar el reconocimiento de patrones?

El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniería,

computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito
de extraer información que permita establecer propiedades de entre conjuntos de dichos
objetos.
El reconocimiento de patrones es una técnica de la inteligencia artificial y es empleado por
tecnologías como el procesamiento del lenguaje natural y la visión computacional.
El reconocimiento de patrones se apoya de otras técnicas de la IA como:
 Lógica Difusa
 Minería de Datos
 Redes Neuronales
 Agentes
 Robótica
Además se apoya en técnicas de otras ciencias
 Estadística
 Geometría
 Teoría de Lenguajes
 Lógica Simbólica
Con el uso del reconocimiento de patrones se pretende automatizar la identificación de
patrones simples o estructurados y modelar diversos procesos preceptúales como lo son la
visión y la audición.
El uso de reconocimiento de patrones se ha visto reflejado en terapias de lenguaje mediante
el reconocimiento de la voz y sonidos, en las imágenes de rayos X, de positrones y de
resonancia magnética nuclear (RMN), de ultrasonido (donde se desarrollan técnicas para
mejorar la identificación y seguimiento de formas, como la actividad del feto en el útero) o
la cirugía plástica, en la cual se puede generar una reconstrucción tridimensional de la parte
del cuerpo a intervenir y así mostrar diferentes vistas al paciente y explicarle mejor en qué
consistirá su tratamiento, el resultado final y las modificaciones que se le aplicarían durante
una operación.
EJERCICIO: Supongamos ahora que el lanzamiento de dos dados de 6 caras.
(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
𝑆 = (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)
{ }
Para el espacio muestral definido por:
𝑆 = {(x, y) | x ∈ {1,2, … ,6}, y ∈ {1,2, … ,6} }
Podemos definir varias variables aleatorias como: 𝑋3 = 𝑥 ∗ 𝑦

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

𝑋3 = 𝑥 ∗ 𝑦 𝐶𝐴𝑆𝑂𝑆 𝑃𝑅𝑂𝐵𝐴𝐵𝐼𝐿𝐼𝐷𝐴𝐷
1 (1,1) 1⁄
36
2 (1,2),(2,1) 2⁄
36
3 (1,3),(3,1) 2⁄
36
4 (1,4),(2,2),(4,1) 3⁄
36
5 (1,5),(5,1) 2⁄
36
6 (1,6),(2,3),(3,2),(6,1) 4⁄
36
8 (2,4),(4,2) 2⁄
36
9 (3,3) 1⁄
36
10 (2,5),(5,2) 2⁄
36
12 (2,6),(6,2) 2⁄
36
15 (3,5),(5,3) 2⁄
36
16 (4,4) 1⁄
36
18 (3,6),(6,3) 2⁄
36
20 (4,5),(5,4) 2⁄
36
24 (4,6),(6,4) 2⁄
36
25 (5,5) 1⁄
36
30 (5,6),(6,5) 2⁄
36
36 (6,6) 1⁄
36