Glosario IA
El diccionario completo de la Inteligencia Artificial
Discriminador de distribución
Red neuronal que aprende a distinguir las muestras provenientes de la distribución latente codificada de aquellas extraídas de la distribución a priori objetivo. Optimizado de manera adversarial para mejorar la regularización del espacio latente.
Distribución a priori arbitraria
Distribución de probabilidad elegida para el espacio latente, que puede ser gaussiana, uniforme, categórica o incluso una distribución compleja. El AAE puede imponer cualquier forma de distribución a diferencia de los VAE clásicos.
Inferencia variacional adversarial
Enfoque de inferencia variacional que reemplaza el cálculo explícito de la divergencia KL por un aprendizaje adversarial implícito. Permite una modelización más flexible y evita los sesgos de aproximación.
Coincidencia de modos (Mode matching)
Objetivo del AAE que consiste en hacer coincidir los modos de la distribución latente codificada con los de la distribución objetivo. Contraste con la cobertura de modos (mode covering) de los GAN tradicionales.
Muestreo latente directo
Capacidad de los AAE para generar nuevos datos muestreando directamente desde la distribución a priori sin pasar por un proceso de inferencia. Simplifica enormemente la generación en comparación con los VAE clásicos.
Pérdida adversarial latente
Término de la función objetivo que penaliza la desviación entre la distribución latente codificada y la distribución a priori objetivo. Optimizada mediante el juego entre el codificador (generador) y el discriminador.
Representaciones disentangled
Propiedad de los AAE que permite aprender representaciones donde los factores de variación de los datos están separados en el espacio latente. Facilitada por el control distribucional sobre cada dimensión latente.
Penalización de gradiente latente
Técnica de regularización aplicada al discriminador para estabilizar el entrenamiento y evitar el colapso de modos. Aplica una restricción sobre la norma del gradiente en el espacio latente.
Mezcla de gaussianas latente
Distribución a priori compleja que combina múltiples componentes gaussianos que los AAE pueden aprender a imponer en el espacio latente. Permite un modelado más fino de estructuras de datos multimodales.
Cota inferior de la evidencia (ELBO) relajada
Versión modificada de la cota inferior de la evidencia utilizada en los AAE donde el término de divergencia KL es reemplazado por la pérdida adversarial. Ofrece una optimización más flexible pero sin garantías teóricas.