Glosario IA
El diccionario completo de la Inteligencia Artificial
Saliencia Temporal
Técnica que identifica los momentos o intervalos de tiempo más influyentes en una serie temporal perturbando los datos de entrada y midiendo el impacto en la salida del modelo.
Retropropagación Guiada Temporal
Método de interpretabilidad que adapta la retropropagación guiada a las redes neuronales recurrentes para visualizar las características temporales que activan más las neuronas.
LIME para Series Temporales
Adaptación del algoritmo LIME (Local Interpretable Model-agnostic Explanations) que genera explicaciones locales creando segmentos perturbados de la serie temporal para formar un modelo interpretable simple.
SHAP Temporal
Extensión de los valores SHapley Additive exPlanations a datos secuenciales, atribuyendo una contribución a cada paso de tiempo o a cada característica en cada instante para explicar la predicción global.
Enmascaramiento de Intervalo Temporal
Enfoque de interpretabilidad que enmascara o reemplaza segmentos enteros de la serie temporal para evaluar su importancia colectiva en la decisión del modelo, a diferencia de la saliencia que se centra en puntos individuales.
Reglas de Evolución Temporal
Método que extrae reglas lógicas describiendo cómo los estados o patrones evolucionan en el tiempo para conducir a una predicción específica, haciendo explícito el razonamiento secuencial del modelo.
Análisis de Trayectoria en el Espacio Latente
Técnica que visualiza e interpreta el camino recorrido por una secuencia de datos en el espacio latente de un modelo (como un autoencoder) para entender su dinámica y clasificación.
Relevancia Temporal por Descomposición en Ondículas
Método que descompone la serie temporal en diferentes frecuencias y escalas temporales mediante ondículas, luego evalúa la relevancia de cada componente para la predicción del modelo.
Explicaciones Contrafactuales Temporales
Generación de series temporales mínimamente modificadas que cambian la predicción del modelo, permitiendo comprender las condiciones temporales críticas que habrían llevado a un resultado diferente.
Mapa de Calor Dinámico
Visualización de interpretabilidad que muestra la importancia de las características (o píxeles en un video) de manera evolutiva a lo largo del tiempo, mostrando cómo cambia el enfoque del modelo.
Interpretabilidad por Agregación de Características Temporales
Enfoque que explica las predicciones basándose en características temporales agregadas (media móvil, varianza, etc.) en lugar de puntos de datos brutos, ofreciendo una visión más macroscópica.
Descomposición de la Influencia por Paso de Tiempo
Método que aísla la contribución de cada paso de tiempo individual a la predicción final, a menudo utilizando técnicas de eliminación de ruido o analizando gradientes a través de pasos recurrentes.
Análisis de la Importancia de las Dependencias a Largo Plazo
Conjunto de técnicas destinadas a cuantificar y visualizar cómo los eventos lejanos en el pasado influyen en la predicción actual, un desafío clave para modelos como LSTM o Transformers.
Explicaciones Causales Temporales
Metodología que va más allá de la correlación para identificar relaciones de causa-efecto en datos secuenciales que son explotadas por el modelo, utilizando modelos causales como grafos acíclicos causales temporales.