Glossário IA
O dicionário completo da Inteligência Artificial
Codificador Hierárquico
Parte do autoencoder profundo que reduz progressivamente a dimensionalidade dos dados através de múltiplas camadas, capturando abstrações cada vez mais complexas.
Decodificador Hierárquico
Parte do autoencoder profundo que reconstrói os dados originais a partir da representação latente compactada, invertendo o processo do codificador camada por camada.
Espaço Latente Profundo
Representação compactada de baixa dimensionalidade dos dados, aprendida pelas camadas centrais do autoencoder profundo, onde as características mais importantes são codificadas.
Gargalo (Bottleneck)
Camada central do autoencoder com a menor dimensionalidade, forçando a rede a aprender a representação mais concisa e informativa dos dados.
Pré-treinamento Camada por Camada (Layer-wise Pre-training)
Técnica de inicialização dos pesos de um autoencoder profundo, treinando sequencialmente cada par codificador-decodificador como um autoencoder raso, melhorando a convergência.
Autoencoder Denoising Profundo
Variante de autoencoder profundo treinada para reconstruir dados limpos a partir de versões corrompidas por ruído, promovendo a aprendizagem de características robustas.
Autoencoder Variacional Profundo (VAE)
Autoencoder profundo onde o espaço latente é restringido a seguir uma distribuição probabilística (tipicamente gaussiana), permitindo a geração de novos dados e a interpolação.
Regularização por Esparsidade
Técnica que adiciona uma penalidade à função de custo para encorajar os neurônios da camada latente a serem maioritariamente inativos, promovendo representações mais discriminantes.
Autoencoder Convolucional Profundo
Arquitetura de autoencoder profundo que utiliza camadas de convolução e pooling para processar eficientemente dados estruturados como imagens, capturando padrões espaciais.
Desentrelaçamento de Fatores (Factor Disentanglement)
Objetivo avançado que visa fazer com que cada dimensão do espaço latente de um autoencoder profundo codifique um fator de variação semântica independente e interpretável.
Autoencoder Profundo Contrativo
Autoencoder profundo penalizado por ser insensível a pequenas variações nos dados de entrada, promovendo a aprendizagem de representações estáveis e generalizáveis.
Inicialização Glorot/Xavier
Método de inicialização dos pesos dos neurônios em um autoencoder profundo, crucial para evitar problemas de gradiente evanescente ou explosivo durante o treinamento.