Glosario IA
El diccionario completo de la Inteligencia Artificial
Redes Bayesianas
Modelos gráficos dirigidos que representan las dependencias condicionales entre variables a través de probabilidades condicionales.
Campos Aleatorios de Markov
Modelos gráficos no dirigidos que capturan las dependencias simétricas entre variables a través de potenciales locales.
Modelos Ocultos de Markov
Modelos secuenciales estocásticos donde los estados ocultos siguen una cadena de Markov y generan observaciones.
Redes de Creencia
Extensiones de las redes bayesianas con variables discretas y continuas, utilizando tablas de probabilidad condicional.
Modelos Condicionales Aleatorios
Modelos discriminatorios no dirigidos para la predicción estructurada, condicionados en observaciones
Máquinas de Boltzmann
Redes neuronales estocásticas no dirigidas utilizadas para el aprendizaje de representaciones y el muestreo.
Inferencia Exacta
Algoritmos que calculan distribuciones de probabilidad exactas en los modelos gráficos mediante eliminación de variables o paso de mensajes.
Inferencia Aproximada
Métodos de aproximación como MCMC y muestreo para la inferencia en modelos gráficos complejos.
Aprendizaje Paramétrico
Estimación de los parámetros de probabilidad condicional en los modelos gráficos a partir de datos observados.
Aprendizaje Estructural
Determinación automática de la estructura del grafo (aristas y nodos) a partir de los datos.
Modelos Gráficos Dinámicos
Extensión temporal de los modelos gráficos que capturan las dependencias evolutivas entre variables a lo largo del tiempo.
Modelos Factoriales
Representación compacta de las distribuciones de probabilidad mediante la factorización en términos locales multiplicativos.