Glosario IA
El diccionario completo de la Inteligencia Artificial
Cuantización por agrupamiento
Técnica de compresión de modelos que agrupa pesos similares en clústeres para reducir el uso de memoria preservando el rendimiento. Este enfoque permite una representación compacta de los pesos utilizando un número limitado de centroides representativos.
Cuantización K-means
Algoritmo de agrupamiento aplicado a la cuantización de los pesos de modelos neuronales particionando el espacio de pesos en K clústeres. Los pesos se representan posteriormente por los centroides de sus respectivos clústeres, reduciendo así la precisión necesaria.
Libro de códigos
Conjunto de vectores de referencia o centroides utilizados para representar los pesos cuantizados en un modelo comprimido. El libro de códigos permite asignar los pesos originales a representaciones de baja precisión minimizando el error de reconstrucción.
Centroides de cuantización
Puntos representativos en el centro de cada clúster en el espacio de cuantización, que sirven de sustitutos a los pesos originales. Estos centroides se optimizan para minimizar el error de cuantización global del modelo.
Cuantización de productos
Técnica avanzada que descompone el espacio vectorial en subespacios y cuantifica cada uno por separado antes de combinar los códigos. Este método permite una compresión extrema con una pérdida mínima de información para modelos de alta dimensión.
Cuantización de productos optimizada
Variante de la cuantización de productos que aplica una transformación lineal antes de la descomposición en subespacios para optimizar la distribución de los pesos. Esta pretransformación mejora significativamente la calidad de la cuantización final.
Cuantización aditiva
Enfoque donde los vectores se aproximan mediante la suma de varios códigos cuantizados procedentes de diferentes libros de códigos. Este método ofrece una mejor flexibilidad de representación que los enfoques de libro de códigos único.
Cuantización residual
Técnica iterativa que cuantiza sucesivamente los residuos no capturados por las etapas de cuantización anteriores. Cada iteración refina la aproximación capturando los errores restantes del modelo.
Cuantificación de Clustering Jerárquico
Método que organiza los pesos en una estructura arbórea de clústeres para una cuantificación multinivel eficiente. Esta jerarquía permite un compromiso ajustable entre precisión y complejidad de almacenamiento.
Cuantificación de Subespacio
Técnica que divide el espacio de pesos en subespacios ortogonales para cuantificar independientemente cada dimensión. Este enfoque reduce la complejidad computacional preservando las características esenciales del modelo.
Distancia de Mahalanobis en Cuantificación
Métrica de distancia adaptativa que tiene en cuenta la covarianza entre los pesos para un agrupamiento más informativo. Este enfoque mejora la calidad de los grupos formados al considerar las correlaciones estructurales del modelo.
Aprendizaje del Libro de Códigos
Proceso de optimización de los centroides para minimizar el error de reconstrucción global del modelo cuantificado. Esta etapa crucial determina la calidad final de la compresión y el rendimiento del modelo.
Cuantizador Grueso
Primer nivel de cuantificación que realiza un agrupamiento grueso de los pesos en clústeres amplios. Esta etapa rápida reduce el espacio de búsqueda para las etapas de cuantificación más finas.
Cuantizador Fino
Nivel de cuantificación detallado que opera en subespacios restringidos para una aproximación precisa de los pesos. Esta etapa refina la representación después del agrupamiento inicial realizado por el cuantizador grueso.
IVF con Cuantificación
Combinación del Inverted File Index con técnicas de cuantificación para una búsqueda eficiente en los modelos comprimidos. Este enfoque híbrido optimiza tanto la indexación como la representación compacta de los pesos.
Códigos PQ
Representaciones binarias compactas resultantes de la Product Quantization para cada vector de pesos. Estos códigos permiten comparaciones rápidas y un almacenamiento eficiente preservando la información esencial.
Cuantización de red
Método que utiliza estructuras geométricas regulares (redes) para particionar el espacio de pesos de manera uniforme. Este enfoque garantiza propiedades teóricas óptimas para el error de cuantización.