Glosario IA
El diccionario completo de la Inteligencia Artificial
Límite Superior de Confianza (UCB)
Función de adquisición que añade un término de exploración, proporcional a la incertidumbre del modelo, a la media predicha, permitiendo un control explícito del compromiso exploración-explotación mediante un parámetro.
Probabilidad de Mejora (PI)
Función de adquisición que calcula la probabilidad de que un punto candidato mejore el mejor resultado actual, tendiendo a favorecer la explotación de áreas ya conocidas como prometedoras.
Núcleo (o Función de Covarianza)
Función que define la similitud entre dos puntos en el espacio de búsqueda y determina las propiedades de suavizado del proceso gaussiano, crucial para la calidad del modelo sustituto.
Búsqueda Multiobjetivo
Extensión de la optimización bayesiana que busca optimizar simultáneamente múltiples objetivos contradictorios, produciendo un frente de Pareto de soluciones no dominadas.
Optimización en Paralelo
Variante de la optimización bayesiana que propone múltiples puntos para evaluar simultáneamente, acelerando el proceso aprovechando recursos de computación distribuidos.
Hiperparámetro de Núcleo
Parámetros del núcleo del proceso gaussiano (como la longitud de escala o la varianza) que definen la estructura de correlación del modelo sustituto y a menudo se optimizan internamente.
Inicialización por Muestreo Latino
Estrategia para generar los primeros puntos de evaluación que garantiza una cobertura homogénea del espacio de búsqueda, reduciendo el sesgo inicial del modelo sustituto.
Optimización Basada en Región de Confianza
Enfoque que restringe la búsqueda a una región de confianza alrededor de la mejor solución actual, ajustándola dinámicamente para acelerar la convergencia local.
Función Objetivo Ruidosa
Función de evaluación cuyos resultados están afectados por ruido aleatorio, requiriendo adaptaciones del proceso gaussiano y las funciones de adquisición para manejar la incertidumbre.
Ajuste Automático de Hiperparámetros
Proceso que utiliza algoritmos como la optimización bayesiana para encontrar automáticamente la combinación de hiperparámetros que optimiza el rendimiento de un modelo de aprendizaje automático.