Glosario IA
El diccionario completo de la Inteligencia Artificial
Redes Prototípicas
Arquitectura de few-shot learning que aprende un espacio métrico donde las clases se representan mediante prototipos calculados como el promedio de los embeddings de los ejemplos de soporte.
Entrenamiento por Episodios
Estrategia de entrenamiento en few-shot learning donde cada episodio simula una tarea de few-shot con un conjunto de soporte y un conjunto de consulta para imitar las condiciones de prueba.
Conjunto de Soporte
Conjunto de ejemplos etiquetados proporcionados al modelo durante la inferencia para ayudarle a comprender y clasificar nuevas clases con muy pocos ejemplos disponibles.
Conjunto de Consulta
Conjunto de ejemplos no etiquetados que el modelo debe clasificar utilizando los conocimientos adquiridos a partir del conjunto de soporte durante la evaluación few-shot.
Metric Learning
Área del aprendizaje automático que tiene como objetivo aprender una función de distancia o similitud que acerque los ejemplos similares y aleje los que son diferentes, fundamental en few-shot learning.
One-Shot Learning
Caso extremo del few-shot learning donde el modelo debe aprender a reconocer nuevas clases a partir de un solo ejemplo por clase durante la inferencia.
Redes de Relación
Arquitectura few-shot que aprende explícitamente una función de comparación para medir la relación entre los ejemplos de soporte y de consulta en un espacio de embeddings.
Clases Base
Categorías de entrenamiento con muchos ejemplos disponibles utilizadas para pre-entrenar el modelo antes de la adaptación few-shot a las nuevas clases.
Clases Novelas
Nuevas clases con pocos o ningún ejemplo que el modelo debe aprender a reconocer durante la fase de prueba en few-shot learning.
Few-Shot Multi-Dominio
Variante del few-shot learning donde las clases objetivo provienen de un dominio diferente de las clases de entrenamiento, presentando un desafío de transferencia más complejo.
Incrustación de Características
Representación vectorial de baja dimensionalidad de los datos de entrada que captura las características semánticas esenciales, crucial para la comparación en few-shot learning.
Redes de Correspondencia
Arquitectura few-shot que utiliza un mecanismo de atención para comparar cada ejemplo de consulta con todos los ejemplos de soporte y generar una predicción ponderada.
Preentrenamiento Agnóstico a Tareas
Fase de preentrenamiento donde el modelo aprende representaciones generales sin conocimiento de las tareas few-shot específicas que encontrará más tarde.
Ajuste Fino Adaptativo
Técnica de adaptación rápida de los pesos del modelo con pocas iteraciones sobre los ejemplos de soporte para adaptarse a las nuevas clases en few-shot learning.
Few-Shot Jerárquico
Enfoque few-shot que explota las relaciones jerárquicas entre clases para mejorar la generalización cuando hay pocos ejemplos disponibles.
Few-Shot Auto-Supervisado
Combinación del aprendizaje auto-supervisado con few-shot learning para mejorar las representaciones antes de la adaptación a nuevas clases con pocos ejemplos.