Glosario IA
El diccionario completo de la Inteligencia Artificial
Gráfico de Importancia Temporal
Visualización que representa la importancia relativa de cada paso temporal en una serie cronológica para la predicción final del modelo.
Análisis Contrafactual Dinámico
Método de explicabilidad que genera series temporales alternativas para comprender cómo los cambios temporales afectarían las predicciones del modelo.
SHAP Consciente del Tiempo
Adaptación de SHAP (SHapley Additive exPlanations) que tiene en cuenta las dependencias temporales y la estructura secuencial de los datos cronológicos.
Mapeo de Salencia Temporal
Técnica que identifica las regiones temporales más influyentes en una secuencia calculando los gradientes de la salida con respecto a las entradas temporales.
Atribución de Atención Secuencial
Análisis de los pesos de atención en los modelos basados en atención para determinar qué pasos temporales previos influyen más en la predicción actual.
Modelo Sustituto de Series Temporales
Modelo interpretable que aproxima un modelo complejo sobre series cronológicas, permitiendo comprender las decisiones predictivas temporales.
Atribución de Características Temporales
Proceso de atribución de puntuaciones de importancia a las características en diferentes momentos temporales en una secuencia cronológica.
Análisis de Perturbación Cronológica
Método que evalúa el impacto en las predicciones al perturbar selectivamente diferentes segmentos temporales de la serie cronológica de entrada.
Interpretabilidad de Redes Neuronales Recurrentes
Conjunto de técnicas específicas para visualizar y comprender cómo las RNN y LSTM procesan y memorizan la información temporal.
Atribución Temporal Basada en Gradientes
Método que utiliza los gradientes de la predicción con respecto a las entradas temporales sucesivas para cuantificar la influencia de cada paso temporal.
Explicabilidad por Ventanas Temporales
Enfoque que segmenta las series temporales en ventanas de tiempo y explica las predicciones a nivel de cada segmento.
LIME Secuencial
Adaptación de LIME (Local Interpretable Model-agnostic Explanations) para datos secuenciales, preservando la estructura temporal en la interpretación.
Importancia Dinámica de Características
Evolución de la importancia de las características a lo largo del tiempo en un modelo de series temporales, revelando cómo la influencia de los predictores varía temporalmente.
Métodos de Prototipos para Series Temporales
Técnicas de explicabilidad basadas en la identificación de secuencias prototipo o contraejemplo representativas de las decisiones del modelo.
Análisis de Descomposición Temporal
Enfoque que descompone las predicciones temporales en contribuciones de tendencias, estacionalidades y componentes residuales para una mejor interpretabilidad.
Funciones de Influencia Secuenciales
Extensión de las funciones de influencia a las secuencias temporales, midiendo cómo la adición o eliminación de puntos temporales afecta las predicciones.
Relevancia Cronológica de las Características
Medida cuantitativa de la relevancia de cada característica en cada instante temporal para la predicción final del modelo.