Glosario IA
El diccionario completo de la Inteligencia Artificial
Aprendizaje Activo Adversarial
Paradigma de aprendizaje donde un agente selecciona activamente las muestras más informativas mientras utiliza técnicas adversariales para mejorar la robustez y la eficiencia del modelo.
GAN para Aprendizaje Activo
Uso de redes generativas adversarias para sintetizar muestras de entrenamiento optimizadas que maximizan la incertidumbre del clasificador y aceleran su aprendizaje.
Muestreo por Incertidumbre Adversarial
Estrategia de selección de muestras que combina las medidas de incertidumbre del modelo con ataques adversariales para identificar los puntos más críticos a anotar.
Estrategia de Consulta Adversarial
Método de consulta que integra perturbaciones adversariales en el proceso de selección para garantizar que el modelo aprenda a partir de los ejemplos más difíciles y robustos.
Aprendizaje Activo con GANs Condicionales
Enfoque que utiliza GANs condicionales para generar muestras sintéticas dirigidas en las regiones de baja confianza del clasificador, optimizando así la selección activa.
Muestreo Activo Adversarial
Técnica de muestreo activo que aplica transformaciones adversariales a los ejemplos existentes para crear variaciones que maximicen la incertidumbre antes de la selección.
Discriminador Activo
Componente de un sistema GAN adaptado para el aprendizaje activo, evaluando no solo la autenticidad sino también el potencial de aprendizaje de cada muestra generada.
Generador de Consultas
Red neuronal diseñada para generar muestras de consulta óptimas en un marco de aprendizaje activo, minimizando el número de anotaciones necesarias.
Aprendizaje Activo Robusto Adversarial
Marco de aprendizaje activo que integra una robustez explícita contra los ataques adversariales mientras optimiza la selección de muestras para la anotación humana.
Varianza Adversarial Activa
Medida que combina la estimación de la varianza del modelo con perturbaciones adversariales para identificar las muestras que ofrecen la mejor relación información/costo de anotación.
ActiveGAN
Arquitectura específica de GAN optimizada para el aprendizaje activo, capaz de generar muestras diversificadas en las zonas fronterizas del espacio de decisión.
Estrategia de Margen Adversarial
Enfoque de selección activa basado en la minimización del margen de decisión del clasificador, reforzado por ataques adversariales para encontrar los ejemplos más ambiguos.
Aprendizaje Activo Sintético
Paradigma donde las muestras sintéticas generadas por modelos adversariales reemplazan o complementan los datos reales en el proceso de aprendizaje activo.
Síntesis de Consultas Adversariales
Proceso de generación de consultas óptimas mediante métodos adversariales, creando muestras que maximizan la ganancia de información para el clasificador.
Aprendizaje Activo con Wasserstein GAN
Variante de aprendizaje activo que utiliza WGANs para mejorar la estabilidad de la generación de muestras críticas y la convergencia del proceso de selección.