Glosario IA
El diccionario completo de la Inteligencia Artificial
Función de Covarianza
Función núcleo que define la correlación entre dos puntos de entrada en un proceso gaussiano, determinando la regularidad y la estructura de la función modelada.
Núcleo de Matérn
Familia de funciones de covarianza parametrizadas por un factor de rugosidad ν, ofreciendo un control fino sobre la diferenciabilidad del proceso gaussiano modelado.
Núcleo RBF (Gaussiano)
Función de covarianza radial de base infinitamente diferenciable, asumiendo funciones muy suaves y ampliamente utilizada para los procesos gaussianos estándar.
Hiperparámetros del Núcleo
Parámetros de la función de covarianza (como la longitud de escala y la varianza) que controlan el comportamiento del proceso gaussiano y son optimizados por máxima verosimilitud.
Longitud de Escala
Hiperparámetro del núcleo que determina la distancia sobre la cual los puntos de entrada están correlacionados, controlando la variabilidad de la función modelada por el proceso gaussiano.
Varianza de la Señal
Hiperparámetro del núcleo que representa la desviación estándar vertical de la función modelada, controlando la amplitud promedio de las fluctuaciones del proceso gaussiano.
Ruido Observacional
Parámetro σ² que modela la incertidumbre de las observaciones, añadido a la diagonal de la matriz de covarianza para manejar datos ruidosos en los procesos gaussianos.
Predicción por Distribución Condicional
Cálculo de la distribución posterior del proceso gaussiano en un nuevo punto, condicionada a las observaciones existentes para proporcionar una media y una varianza predictivas.
Maximización de Evidencia de Máxima Verosimilitud
Procedimiento de optimización de hiperparámetros del proceso gaussiano maximizando la log-verosimilitud marginal de los datos observados bajo el modelo.
Teorema de Karhunen-Loève
Descomposición de un proceso gaussiano en serie de funciones ortogonales con coeficientes gaussianos independientes, permitiendo una representación compacta del proceso.
Núcleo de Producto Punto
Función de covarianza k(x,x') = σ² + xᵀx' utilizada para modelar funciones lineales o polinómicas en procesos gaussianos.
Proceso Gaussiano Profundo
Extensión de los procesos gaussianos donde la función de covarianza está parametrizada por una red neuronal, permitiendo modelos no estacionarios complejos.
Proceso Gaussiano Disperso
Aproximación computacional que utiliza puntos de inducción para reducir la complejidad cúbica O(n³) de los procesos gaussianos estándar en grandes conjuntos de datos.
Descomposición de Cholesky
Factorización de la matriz de covarianza K = LLᵀ utilizada para resolver eficientemente sistemas lineales y calcular la log-verosimilitud en procesos gaussianos.