Glosario IA
El diccionario completo de la Inteligencia Artificial
Autoencoder Contractivo (CAE)
Un tipo de autoencoder cuya función de pérdida incluye una penalización sobre la norma de la matriz jacobiana del codificador, forzando a la representación latente a ser insensible a pequeñas variaciones de la entrada.
Penalización Jacobiana
Término de regularización añadido a la función de pérdida de un autoencoder contractivo, calculado como la suma de los cuadrados de las derivadas parciales de la representación latente con respecto a cada píxel de entrada.
Robustez ante Perturbaciones
Capacidad de un modelo, en particular un autoencoder contractivo, de mantener un rendimiento estable frente a ligeras modificaciones o ruidos en los datos de entrada.
Función de Pérdida Contractiva
Función objetivo que combina el error de reconstrucción estándar y la penalización jacobiana, optimizada durante el entrenamiento de un autoencoder contractivo.
Desvanecimiento del Gradiente (Gradient Vanishing)
Problema potencial durante el cálculo de la penalización jacobiana en redes profundas, donde los gradientes pueden volverse extremadamente pequeños, dificultando la optimización.
Espacio Latente Contraído
El espacio de representación de baja dimensión producido por el codificador de un CAE, caracterizado por una baja sensibilidad a variaciones locales de la entrada.
Factor de Regularización (Lambda)
Hiperparámetro que controla la importancia relativa de la penalización jacobiana respecto al error de reconstrucción en la función de pérdida de un autoencoder contractivo.
Desentrelazado de Factores (Factor Disentanglement)
Objetivo asociado a los autoencoders contractivos donde la representación latente busca capturar los factores de variación más relevantes de los datos mientras ignora las variaciones no informativas.
Autoencoder Desruidor (Denoising Autoencoder)
Modelo relacionado que aprende a reconstruir una entrada limpia a partir de una versión corrupta, compartiendo el objetivo de robustez con el autoencoder contractivo pero mediante un enfoque diferente.
Sensibilidad del Modelo
Medida de la variación de la salida de un modelo (aquí, la representación latente) en respuesta a pequeñas modificaciones de su entrada, que el autoencoder contractivo busca minimizar.
Regularización por Restricción
Estrategia de regularización utilizada en los CAE, donde se impone una restricción explícita (la penalización sobre el jacobiano) sobre los parámetros del modelo para guiar su aprendizaje.