Glosario IA
El diccionario completo de la Inteligencia Artificial
Degradación Catastrófica
Fenómeno en el que un modelo olvida completamente los conocimientos aprendidos previamente durante el aprendizaje de nueva información, comprometiendo su rendimiento en los datos antiguos.
Memoria de Representación
Almacenamiento selectivo de muestras históricas utilizadas para reentrenar periódicamente el modelo, preservando los conocimientos pasados mientras permite el aprendizaje de nuevos conceptos.
Agregación de Modelos
Técnica que combina las predicciones de varios modelos especializados o históricos para mejorar la robustez y gestionar eficazmente las variaciones conceptuales.
Evaluación Temporal
Metodología de evaluación que mide el rendimiento del modelo en diferentes puntos temporales para detectar degradaciones y validar la eficacia de la adaptación continua.
Preprocesamiento en Línea
Transformación de los datos que llegan en tiempo real con estadísticas actualizadas dinámicamente, sin acceso al conjunto completo de datos históricos.
Aprendizaje por Mini-Lotes
Compromiso entre el aprendizaje por lotes y el estocástico que utiliza pequeños grupos de muestras para actualizar el modelo, equilibrando estabilidad y adaptabilidad.
Selección Activa de Muestras
Estrategia que identifica selectivamente las muestras más informativas en el flujo para el aprendizaje, optimizando el uso de los recursos computacionales.
Detección de Anomalías en Línea
Identificación en tiempo real de observaciones desviantes con respecto al comportamiento normal aprendido dinámicamente, sin conocimiento previo de todas las anomalías posibles.
Aprendizaje No Supervisado en Línea
Algoritmos de agrupamiento o de reducción de dimensionalidad que adaptan sus estructuras a medida que nuevos datos no etiquetados se vuelven disponibles.
Sesgo Temporal
Distorsión sistemática en las predicciones debida a la evolución no tenida en cuenta de las relaciones entre características y objetivo a lo largo del tiempo en los flujos de datos.