Glosario IA
El diccionario completo de la Inteligencia Artificial
Procedimiento Forward
Parte recursiva del algoritmo Forward-Backward que calcula las probabilidades conjuntas de las observaciones hasta el tiempo t y del estado oculto en t. Permite propagar la información del pasado hacia el presente en el modelo.
Procedimiento Backward
Componente recursivo que calcula las probabilidades condicionales de las observaciones futuras dado el estado oculto en el tiempo t. Propaga la información del futuro hacia el pasado para completar la inferencia.
Probabilidades marginales
Probabilidades posteriores de los estados ocultos calculadas marginalizando sobre los otros estados invisibles. Representan nuestro conocimiento incierto sobre los estados después de la observación de los datos.
Distribución de emisión
Función de probabilidad condicional que relaciona cada estado oculto con la observación generada en ese instante. Formaliza cómo los estados invisibles producen las señales observables.
Variables Alpha
Variables intermedias calculadas durante el paso forward que representan las probabilidades parciales del estado oculto. Permiten una implementación numéricamente estable del algoritmo.
Variables Beta
Variables intermedias del paso backward que cuantifican la contribución de las observaciones futuras a la probabilidad del estado actual. Son esenciales para el cálculo exacto de las probabilidades posteriores.
Coeficiente de normalización
Factor de escala que garantiza que las probabilidades permanezcan numéricamente estables durante los cálculos forward y backward. Previene el underflow numérico en secuencias largas.
Retículo de programación dinámica
Estructura de cálculo que reutiliza los resultados intermedios para evitar la redundancia en la enumeración de las trayectorias. Hace que el cálculo sea polinomial en lugar de exponencial.
Estadísticas suficientes
Estadísticas suficientes calculadas mediante el algoritmo Forward-Backward y utilizadas en el paso M del algoritmo EM. Resumen la información necesaria para la actualización de los parámetros.
Suavizado óptimo
Estimación de los estados ocultos utilizando todas las observaciones pasadas y futuras para cada instante. El algoritmo Forward-Backward produce el estimador MMSE para esta tarea.
Densidad de filtrado
Distribución de probabilidad del estado actual conociendo únicamente las observaciones pasadas. Puede obtenerse como subproducto del paso forward del algoritmo.
Suavizado de estadísticas
Cálculo de las esperanzas de las variables latentes ponderadas por las probabilidades posteriores. Estas estadísticas suavizadas son esenciales para la estimación de máxima verosimilitud.