Glossário IA
O dicionário completo da Inteligência Artificial
Discriminador de Distribuição
Rede neural que aprende a distinguir amostras provenientes da distribuição latente codificada daquelas tiradas da distribuição a priori alvo. Otimizado de forma adversarial para melhorar a regularização do espaço latente.
Distribuição a Priori Arbitrária
Distribuição de probabilidade escolhida para o espaço latente, podendo ser gaussiana, uniforme, categórica ou mesmo uma distribuição complexa. O AAE pode impor qualquer forma de distribuição, ao contrário dos VAEs clássicos.
Inferência Variacional Adversarial
Abordagem de inferência variacional que substitui o cálculo explícito de divergência KL por uma aprendizagem adversarial implícita. Permite uma modelagem mais flexível e evita os vieses de aproximação.
Correspondência de Modos (Mode Matching)
Objetivo do AAE que consiste em fazer corresponder os modos da distribuição latente codificada com os da distribuição alvo. Contraste com o 'mode covering' dos GANs tradicionais.
Amostragem Latente Direta
Capacidade dos AAEs de gerar novos dados amostrando diretamente da distribuição a priori sem passar por um processo de inferência. Simplifica grandemente a geração em comparação com os VAEs clássicos.
Perda Adversarial Latente
Termo da função objetivo que penaliza o desvio entre a distribuição latente codificada e a distribuição a priori alvo. Otimizada através do jogo entre codificador (gerador) e discriminador.
Representações Desentrelaçadas
Propriedade dos AAEs que permite aprender representações onde os fatores de variação dos dados são separados no espaço latente. Facilitada pelo controle distribucional em cada dimensão latente.
Penalidade de Gradiente Latente
Técnica de regularização aplicada ao discriminador para estabilizar o treinamento e evitar o colapso de modos. Aplica uma restrição na norma do gradiente no espaço latente.
Mistura de gaussianas latente
Distribuição a priori complexa que combina múltiplos componentes gaussianos que os AAEs podem aprender a impor no espaço latente. Permite uma modelagem mais refinada de estruturas de dados multimodais.
Limite inferior da evidência (ELBO) relaxado
Versão modificada do limite inferior da evidência utilizada em AAEs onde o termo de divergência KL é substituído pela perda adversarial. Oferece uma otimização mais flexível, mas sem garantias teóricas.