Glosario IA
El diccionario completo de la Inteligencia Artificial
Optimización Bayesiana Combinatoria
Adaptación de la optimización bayesiana a espacios de búsqueda discretos o combinatorios, utilizando modelos sustitutos específicos para manejar estructuras como grafos o permutaciones.
Modelo Sustituto Categórico
Modelo sustituto (surrogate model) diseñado para manejar variables categóricas o discretas, frecuentemente basado en procesos gaussianos con núcleos adaptados a espacios discretos.
Núcleo de Hamming
Función de núcleo específica para espacios discretos que mide la similitud entre dos puntos contando el número de coordenadas diferentes, comúnmente utilizado en procesos gaussianos para optimización combinatoria.
Adquisición por Enrejado
Estrategia de adquisición que explora el espacio de búsqueda discreto siguiendo una estructura de enrejado, permitiendo una evaluación sistemática de configuraciones vecinas.
BOCP (Optimización Bayesiana para Problemas Combinatorios)
Marco metodológico específico para la aplicación de la optimización bayesiana a problemas combinatorios, integrando modelos y estrategias de adquisición adaptados.
Espacio de Permutaciones
Dominio de búsqueda discreto donde las soluciones son arreglos ordenados de elementos, requiriendo métricas de similitud y núcleos especializados como el núcleo de Kendall.
Núcleo de Grafos
Función de núcleo definida sobre estructuras de grafos que calcula la similitud entre dos grafos basándose en sus propiedades topológicas o sus subestructuras comunes.
Modelo de Markov Aleatorio
Enfoque alternativo al proceso gaussiano para modelar la función objetivo en espacios discretos, capturando las dependencias entre variables binarias o categóricas.
Optimización Multiobjetivo Combinatoria
Extensión de la optimización bayesiana combinatoria a problemas con múltiples objetivos contradictorios, utilizando fronteras de Pareto aproximadas en espacios discretos.
Representación One-Hot
Técnica de codificación de variables categóricas en vectores binarios para permitir el uso de modelos continuos en contextos de optimización combinatoria.
Método del Árbol de Partición
Enfoque que divide recursivamente el espacio de búsqueda discreto en subregiones mediante árboles de decisión, guiado por las observaciones de la función objetivo.
BO con Variables Mixtas
Variante de la optimización bayesiana que trata simultáneamente variables continuas, discretas y categóricas, requiriendo modelos de sustitución híbridos.
Adquisición por Temple Simulado
Estrategia de adquisición que combina el criterio bayesiano con un mecanismo de temple simulado para escapar de óptimos locales en paisajes discretos.
Modelo de Sustitución Basado en Árboles
Alternativa a los procesos gaussianos que utiliza modelos de conjunto como bosques aleatorios, naturalmente adaptados a espacios discretos y estructuras no lineales.
Distancia de Kendall
Métrica de similitud entre permutaciones que cuenta el número mínimo de intercambios adyacentes necesarios para transformar una permutación en otra, utilizada en kernels para espacios de ordenamiento.
Optimización Bayesiana Secuencial
Aplicación de la optimización bayesiana a problemas de decisión secuencial donde las acciones son discretas, modelando la política óptima con procesos gaussianos.
Núcleo de Cadena
Función de núcleo especializada para espacios de cadenas de caracteres o secuencias discretas, calculando la similitud basada en las subsecuencias comunes.
BO para Hiperparámetros Discretos
Aplicación específica de la optimización bayesiana combinatoria al ajuste de hiperparámetros cuando estos pertenecen a conjuntos discretos o categóricos.