Glosario IA
El diccionario completo de la Inteligencia Artificial
Autoencoder
Red neuronal no supervizada que aprende a comprimir los datos de entrada en un espacio latente de dimensión reducida y luego a reconstruir los datos originales a partir de esta representación comprimida.
Autoencoder de eliminación de ruido
Variante de autoencoder entrenada para reconstruir los datos originales a partir de una versión corrupta por ruido, forzando así al modelo a aprender representaciones robustas e invariantes.
Función de pérdida de reconstrucción
Métrica que mide la diferencia entre la entrada original y su reconstrucción, típicamente el error cuadrático medio o la entropía cruzada binaria para imágenes binarias.
Cuello de botella
Capa intermedia de dimensión mínima en un autoencoder que fuerza la compresión de la información y la extracción de las características más relevantes de los datos de entrada.
Autoencoder variacional
Autoencoder generativo que aprende una distribución probabilística en el espacio latente en lugar de una representación determinista, permitiendo la generación de nuevos datos mediante muestreo.
Ruido gaussiano
Adición de ruido aleatorio siguiendo una distribución gaussiana a los datos de entrada antes de la reconstrucción, técnica común para mejorar la robustez y la generalización del modelo.
Autoencoder disperso
Autoencoder que incorpora una restricción de dispersión en las activaciones de la capa oculta, animando al modelo a utilizar solo un subconjunto de neuronas para representar cada entrada.
Autoencoder contractivo
Autoencoder que penaliza la sensibilidad de la representación a pequeñas variaciones de la entrada, favoreciendo el aprendizaje de características invariantes y estables.
Autoencoder convolucional
Autoencoder que utiliza capas convolucionales para procesar eficientemente datos estructurados como imágenes, preservando las relaciones espaciales locales durante la compresión y reconstrucción.
Representación distribuida
Codificación de la información donde cada concepto se representa mediante la activación combinada de múltiples neuronas, permitiendo una representación rica y semántica en el espacio latente.
Eliminación de ruido implícita
Propiedad emergente donde el autoencoder aprende automáticamente a eliminar el ruido de los datos incluso sin corrupción explícita, gracias a la restricción de compresión del cuello de botella.
Ajuste fino por reconstrucción
Fase de entrenamiento secundaria donde un autoencoder preentrenado se ajusta a una tarea específica utilizando la pérdida de reconstrucción como señal de optimización.
Autoencoder profundo
Arquitectura de autoencoder con múltiples capas ocultas, permitiendo la extracción jerárquica de características cada vez más abstractas de los datos de entrada.
Sobreajuste en reconstrucción
Fenómeno donde el modelo memoriza los ejemplos de entrenamiento en lugar de aprender representaciones generalizables, detectable por un bajo error de reconstrucción pero un mal rendimiento en nuevos datos.