Glossário IA
O dicionário completo da Inteligência Artificial
Fatoração de Matrizes Não-Negativas (NMF)
Técnica de álgebra linear que decompõe uma matriz V não-negativa em duas matrizes W e H também não-negativas, de tal forma que V ≈ WH, promovendo uma interpretação aditiva dos dados.
Matriz de Base (W)
Na NMF, a matriz W contém os vetores de base ou os 'componentes' que, combinados linearmente, reconstroem os dados originais, com cada coluna representando uma característica fundamental.
Matriz de Coeficientes (H)
A matriz H na decomposição NMF representa os pesos ou os coeficientes de ativação de cada base (de W) para cada amostra de dados, indicando a sua contribuição.
Rank da Fatoração
Parâmetro crucial da NMF, o rank (k) determina o número de componentes ou fatores latentes a serem extraídos, controlando a granularidade da decomposição e o nível de compressão.
Erro Quadrático Médio (Norma de Frobenius)
Função de custo mais comum na NMF, calculando a soma dos quadrados das diferenças entre os elementos de V e de WH, visando minimizar a distância euclidiana global.
Regras de Atualização Multiplicativas
Algoritmo de otimização iterativo específico para NMF que atualiza as matrizes W e H por multiplicação elemento a elemento, garantindo a manutenção da restrição de não-negatividade.
Custo de Esparsidade
Termo de regularização adicionado à função de custo da NMF para encorajar as matrizes W e/ou H a conterem muitos zeros, melhorando a interpretabilidade e a seleção de características.
NMF Convexa
Variante da NMF onde a matriz de base W é fixada e pré-definida (frequentemente a partir de um dicionário de dados), tornando o problema de otimização convexo e garantindo uma solução única para H.
NMF Paralela (Parallel NMF)
Abordagem de computação distribuída para a NMF, onde as atualizações dos elementos das matrizes W e H são realizadas simultaneamente em múltiplos núcleos ou nós de computação para acelerar a convergência.
Interpretabilidade Aditiva
Vantagem chave da NMF em relação a outras decomposições como a PCA, onde os componentes são partes que se somam para formar o todo, facilitando uma compreensão intuitiva dos dados.
Inicialização da NMF
Processo crítico de escolha dos valores iniciais para as matrizes W e H, influenciando a velocidade de convergência e a qualidade da solução final, pois a otimização não é convexa.
NMF Ortogonal
Extensão da NMF que adiciona uma restrição de ortogonalidade na matriz de coeficientes H (ou na base W), forçando os componentes a serem menos correlacionados e mais distintos.
Estabilidade da NMF
Medida da consistência das soluções da NMF obtidas a partir de diferentes inicializações ou subamostras de dados, uma baixa estabilidade indicando uma solução potencialmente não robusta.
Co-clustering por NMF
Aplicação da NMF onde a fatoração simultânea das linhas e colunas de uma matriz revela clusters de amostras e características que partilham estruturas latentes comuns.
NMF para Processamento de Sinal
Utilização da NMF para separar fontes de áudio ou decompor sinais espectrais em componentes elementares (notas, instrumentos) explorando a sua natureza aditiva e não-negativa.
NMF em Análise de Texto
Aplicação da NMF a matrizes termo-documento para descobrir 'tópicos' (matriz W) e a sua contribuição (matriz H) em cada documento, oferecendo uma interpretação temática clara.
Método das Coordenadas Alternadas (ALS)
Estratégia de otimização para a NMF que resolve o problema de forma iterativa, fixando uma matriz (H) para otimizar a outra (W), e depois invertendo os papéis até a convergência.