Glosario IA
El diccionario completo de la Inteligencia Artificial
TimeGAN
Arquitectura de GAN específicamente diseñada para generar series temporales realistas capturando las dependencias temporales y las distribuciones multidimensionales complejas de datos secuenciales.
Autoencoder Variacional Temporal
Modelo generativo que aprende una representación latente continua de series temporales y puede generar nuevas series muestreando desde este espacio latente mientras preserva la estructura temporal.
Jittering Temporal
Técnica de aumento que añade ruido gaussiano a los puntos temporales para simular las variaciones de medida y mejorar la robustez del modelo frente a las incertidumbres temporales.
Time Warping
Método de deformación temporal que modifica ligeramente la velocidad de evolución de la serie temporal para crear variaciones mientras preserva los patrones fundamentales y las características globales.
SMOTE Temporal
Adaptación del algoritmo SMOTE para series temporales que genera muestras sintéticas interpolando entre puntos temporales vecinos mientras respeta la continuidad temporal y las restricciones secuenciales.
Difusión Temporal
Enfoque generativo que aplica progresivamente ruido a las series temporales y luego aprende a invertir este proceso para generar nuevas series realistas con características temporales coherentes.
Window Slicing
Método de aumento que extrae subventanas temporales de diferentes tamaños y posiciones de las series originales para aumentar la diversidad de los datos de entrenamiento mientras preserva los patrones locales.
Mixup Temporal
Estrategia de regularización que combina linealmente dos series temporales con un coeficiente de mezcla aleatorio para crear nuevas muestras sintéticas mientras mantiene la coherencia temporal de las secuencias.
Onditas Sintéticas
Técnica de generación que utiliza la descomposición en onditas para crear nuevas series temporales recombinando diferentes coeficientes de onditas con parámetros ajustables para controlar las características frecuenciales y temporales.
GAN Recurrente
Arquitectura GAN que integra redes recurrentes (LSTM/GRU) en el generador y el discriminador para capturar eficazmente las dependencias a largo plazo y los patrones secuenciales en las series temporales generadas.
Interpolación por Splines
Método de aumento que utiliza funciones splines para interpolar entre puntos temporales existentes, creando así series suaves y realistas con gradientes continuos que preservan la dinámica temporal.
Cópulas Temporales
Enfoque estadístico que modela la estructura de dependencia entre diferentes puntos temporales para generar series sintéticas que preservan las correlaciones temporales y las distribuciones marginales.
Escalado Temporal
Técnica de aumento que multiplica los valores de la serie temporal por un factor aleatorio para simular diferentes amplitudes mientras conserva la forma y los patrones temporales fundamentales.
Recorte Temporal
Método que selecciona aleatoriamente segmentos continuos de series temporales para crear nuevas secuencias más cortas, aumentando así la diversidad de datos mientras preserva los patrones locales importantes.
GAN Basado en Transformer
Arquitectura generativa que utiliza mecanismos de atención Transformer para capturar dependencias a larga distancia y relaciones complejas en series temporales multivariadas durante la generación sintética.
Aumento por Desruido
Estrategia que agrega ruido controlado a las series temporales y luego entrena un modelo para reconstruir los datos originales, generando así versiones robustas y ligeramente variadas de las secuencias iniciales.
Síntesis por Caminata Aleatoria
Método generativo que utiliza procesos de caminata aleatoria con parámetros calibrados sobre los datos existentes para crear series temporales sintéticas preservando las propiedades estadísticas básicas.
GAN Condicional Temporal
Variante de GAN que genera series temporales condicionadas por metadatos o estados iniciales específicos, permitiendo un control preciso sobre las características de las secuencias generadas.
Autoencodificación Predictiva
Modelo que aprende a predecir los puntos temporales futuros mientras comprime las secuencias pasadas, permitiendo la generación de continuaciones coherentes de series temporales existentes.