Glossário IA
O dicionário completo da Inteligência Artificial
Fatoração de Matrizes com Restrições de Regularização
Técnica de decomposição matricial que integra termos de penalidade para controlar a complexidade do modelo e evitar o sobreajuste, impondo restrições sobre os fatores latentes.
Fatoração de Matrizes Guiada pela Semântica
Abordagem de fatoração onde as restrições semânticas, provenientes de conhecimentos externos como ontologias ou embeddings lexicais, são incorporadas para alinhar os fatores latentes com conceitos do domínio.
Fatoração de Matrizes Espaço-Temporal
Método de decomposição matricial que integra simultaneamente restrições espaciais e temporais para capturar a dinâmica dos dados que evoluem no espaço e no tempo, como séries geolocalizadas.
Fatoração de Matrizes com Restrições de Não-Negatividade (NMF)
Algoritmo de fatoração que restringe as matrizes de fatores a conterem apenas elementos positivos, permitindo uma interpretação aditiva dos componentes, útil no processamento de imagens e textos.
Fatoração de Matrizes com Restrições de Parcimônia
Técnica que impõe uma estrutura parcimoniosa (esparsa) às matrizes de fatores, favorecendo a seleção de características relevantes e melhorando a interpretabilidade do modelo em dados de alta dimensionalidade.
Fatoração de Matrizes com Restrições de Suavização Temporal
Abordagem que integra restrições para garantir a coerência temporal dos fatores latentes entre passos de tempo sucessivos, reduzindo o ruído e capturando tendências evolutivas em dados cronológicos.
Fatoração de Matrizes com Restrições de Coerência Espacial
Método que impõe que os fatores latentes para entidades espacialmente próximas sejam semelhantes, explorando a autocorrelação espacial para melhorar a previsão em dados georreferenciados.
Fatoração de Matrizes com Restrições de Grafo
Técnica de decomposição onde as relações entre entidades, modeladas por um grafo, são usadas como restrições para regularizar os fatores latentes, preservando a estrutura de vizinhança no espaço latente.
Fatoração de Matrizes Tensoriais com Restrições
Extensão da fatoração matricial para tensores (arrays multidimensionais) onde restrições específicas a cada modo (dimensão) são aplicadas para capturar estruturas complexas em dados multi-eixos.
Fatoração de Matrizes com Restrições de Ortogonalidade
Método que impõe a ortogonalidade entre os vetores de fatores latentes, garantindo a independência dos componentes extraídos e facilitando a interpretação, similar à Análise de Componentes Principais.
Fatoração de Matrizes com Restrições de Limite
Abordagem que limita os valores dos fatores latentes em um intervalo predefinido, utilizada para garantir a estabilidade numérica ou para respeitar restrições físicas do problema modelado.
Fatoração de Matrizes com Restrições de Monotonia
Técnica que impõe uma relação de ordem monótona sobre os fatores latentes, essencial para modelar fenômenos onde as variáveis evoluem de maneira previsível (ex: crescimento, decrescimento).
Fatoração de Matrizes com Restrições de Posto Fixo
Algoritmo de decomposição onde o posto das matrizes de fatores é predeterminado, controlando explicitamente a dimensionalidade do espaço latente para uma melhor generalização e interpretabilidade.
Fatoração de Matrizes com Restrições de Diversidade
Método que introduz restrições para maximizar a diversidade entre os fatores latentes, evitando a redundância e favorecendo a descoberta de padrões múltiplos e distintos nos dados.
Fatoração de Matrizes com Restrições de Convexidade
Abordagem onde as restrições impõem uma estrutura convexa ao conjunto de soluções admissíveis, garantindo a existência de um ótimo global e facilitando a otimização do modelo.
Fatoração de Matrizes com Restrições de Equidade (Fairness)
Técnica que integra restrições algorítmicas para atenuar vieses e garantir previsões equitativas entre diferentes grupos demográficos, um desafio ético importante em IA.
Fatoração de Matrizes com Restrições de Causalidade
Método avançado que incorpora restrições derivadas de modelos de causalidade para garantir que as relações capturadas nos fatores latentes respeitem uma estrutura de causa e efeito conhecida.