Glosario IA
El diccionario completo de la Inteligencia Artificial
Tensor
Estructura de datos multidimensional que generaliza vectores y matrices, representada por un arreglo de orden N donde N es el número de dimensiones o modos.
Descomposición CANDECOMP/PARAFAC (CP)
Factorización tensorial que descompone un tensor en una suma mínima de tensores de rango uno, representando las interacciones latentes entre los diferentes modos.
Descomposición en Modo Único (Unique PARAFAC)
Variante de la descomposición CP que impone una restricción de unicidad en los factores de cada modo para mejorar la interpretabilidad y estabilidad de la solución.
Descomposición de Tucker (Tucker Decomposition)
Factorización tensorial que descompone un tensor en un tensor central (core) y matrices de factores para cada modo, permitiendo una compresión flexible de los datos.
Tensor Central (Core Tensor)
En la descomposición de Tucker, tensor multidimensional de menor tamaño que captura las interacciones entre las componentes principales de cada modo.
Rango Tensorial
Número mínimo de tensores de rango uno necesarios para expresar un tensor como una suma, generalizando el concepto de rango matricial a estructuras multidimensionales.
Producto Matricial N-modal (n-mode Product)
Operación fundamental que multiplica un tensor por una matriz a lo largo de un modo específico, esencial para transformaciones tensoriales y descomposiciones.
Descomposición en Valores Singulares Tensorial (Higher-Order SVD)
Extensión de la SVD a tensores, calculando matrices de factores ortogonales para cada modo y el tensor central correspondiente en la descomposición de Tucker.
Descomposición en Factores Acoplados (Coupled Matrix/Tensor Factorization)
Enfoque que factoriza simultáneamente múltiples tensores y/o matrices compartiendo factores comunes para integrar fuentes de datos heterogéneas.
Descomposición Tensor Train (TT)
Descomposición que representa un tensor de alto orden como una cadena de tensores de orden tres (núcleos), reduciendo drásticamente el número de parámetros para tensores de gran dimensión.
Descomposición Jerárquica de Tucker (Hierarchical Tucker)
Estructura de descomposición tensorial recursiva que organiza los tensores centrales en árbol para una compresión adaptativa y eficiente de datos multidimensionales.
Completado de Tensor (Tensor Completion)
Problema que consiste en estimar las entradas faltantes de un tensor explotando su estructura subyacente de bajo rango, generalizando el completado de matrices.
Descomposición CP No Negativa (Non-negative CP)
Variante de la descomposición CP que restringe todos los factores a ser no negativos, garantizando la interpretabilidad aditiva de los componentes para aplicaciones como el análisis de señales.
Regularización Tensorial
Técnicas que añaden restricciones sobre los factores tensoriales (como la escasez o el suavizado) para prevenir el sobreajuste y mejorar la generalización de los modelos.
Desplegado (Matricización)
Operación que reorganiza los elementos de un tensor en una matriz concatenando sus fibras a lo largo de un modo específico, permitiendo la aplicación de algoritmos matriciales.
Fibra Tensorial
Vector obtenido al fijar todos los índices de un tensor excepto uno, representando una columna, fila o tubo según el modo seleccionado para el análisis.
Corte Tensorial (Slice)
Subtenseur de orden inferior obtenido al fijar uno o más índices, produciendo una matriz o vector para el análisis de estructuras locales.
Descomposición en Bloques Diagonales Tensoriales (Block Diagonal Decomposition)
Método de factorización restringida donde el tensor central está estructurado en bloques diagonales, revelando clusters o agrupaciones en datos multidimensionales.
Ortogonalidad Tensorial
Propiedad de los factores en ciertas descomposiciones donde las matrices de factores para diferentes modos son ortogonales, simplificando la interpretación y el cálculo.
Descomposición de Anillo Tensorial (TR Decomposition)
Generalización de la descomposición Tensor Train donde los tensores centrales están conectados en anillo, ofreciendo una representación más flexible para ciertos tipos de datos.