패턴 인식 문제는 계산을 통해 샘플을 해당 특성에 따라 특정 범주로 나누는 것입니다. 패턴 인식은 수학 기술로 컴퓨터의 패턴 자동 처리와 해석을 연구하여 환경과 물체를 통칭하여' 패턴' 이라고 부른다.
컴퓨터 기술이 발달하면서 복잡한 정보 처리 과정을 연구할 수 있게 되었으며, 이 과정의 중요한 형태는 생물이 환경과 물체를 인식하는 것이다. 패턴 인식은 이미지 처리와 컴퓨터 시각, 음성 및 언어 정보 처리, 뇌 네트워크군, 뇌지능 등을 중점적으로 연구한다. 인체 패턴 인식의 기계와 효과적인 계산 방법을 연구했다.
패턴 인식의 초기 연구는 수학적 방법에 초점을 맞추었다. 1950 년대 말, F. Rosenblat 는 인간의 뇌를 시뮬레이션하는 간단한 수학적 모델인 perceptron 을 제시했고, 주어진 범주의 다양한 샘플을 통해 인식 시스템을 훈련시켜 시스템을 학습한 후 다른 알 수 없는 범주 패턴을 정확하게 분류할 수 있는 능력을 갖추게 했다. (Perceptron, Perceptron, Perceptron, Perceptron, Perceptron, Perceptron)
65438 부터 0957 까지 주소강은 통계적 의사 결정 이론으로 패턴 인식 문제를 해결하고 패턴 인식 연구가 50 년대 말 이후 급속히 발전하도록 추진했다. 1962 에서 R. Narasiman 은 원어 관계에 기반한 구문 인식 방법을 제시했다.
푸경손 (K.S.Fu) 은 이론과 응용 모두에서 체계적이고 효과적인 연구를 수행했으며 1974 에서 전문 저서' 구문 패턴 인식 및 응용' 을 출간했다.
J. Hofffield 는 1982 및 1984 에서 두 개의 중요한 논문을 발표하여 인공 뉴런과 네트워크의 Lenovo 저장 및 컴퓨팅 능력을 깊이 드러내고 패턴 인식 연구를 더욱 추진하며 단 몇 년 만에 현저한 응용 성과를 거두어 패턴 인식을 형성했습니다.