Glossário IA
O dicionário completo da Inteligência Artificial
Tensor
Estrutura de dados multidimensional que generaliza vetores e matrizes, representada por um array de ordem N onde N é o número de dimensões ou modos.
Decomposição CANDECOMP/PARAFAC (CP)
Fatoração tensorial que decompõe um tensor em uma soma mínima de tensores de posto um, representando as interações latentes entre os diferentes modos.
Decomposição em Modo Único (PARAFAC Único)
Variante da decomposição CP que impõe uma restrição de unicidade nos fatores de cada modo para melhorar a interpretabilidade e a estabilidade da solução.
Decomposição de Tucker (Tucker Decomposition)
Fatoração tensorial que decompõe um tensor em um tensor central (core) e matrizes de fatores para cada modo, permitindo uma compressão flexível dos dados.
Tensor Central (Core Tensor)
Na decomposição de Tucker, tensor multidimensional de menor tamanho que captura as interações entre os componentes principais de cada modo.
Posto Tensorial
Número mínimo de tensores de posto um necessários para expressar um tensor como uma soma, generalizando o conceito de posto matricial para estruturas multidimensionais.
Produto Matricial N-modo (n-mode Product)
Operação fundamental que multiplica um tensor por uma matriz ao longo de um modo específico, essencial para transformações tensoriais e decomposições.
Decomposição em Valores Singulares Tensorial (Higher-Order SVD)
Extensão da SVD para tensores, calculando as matrizes de fatores ortogonais para cada modo e o tensor central correspondente na decomposição de Tucker.
Decomposição em Fatores Acoplados (Coupled Matrix/Tensor Factorization)
Abordagem que fatoriza simultaneamente múltiplos tensores e/ou matrizes, compartilhando fatores comuns para integrar fontes de dados heterogêneas.
Decomposição Tensor Train (TT)
Decomposição que representa um tensor de alta ordem como uma cadeia de tensores de ordem três (cores), reduzindo drasticamente o número de parâmetros para tensores de grande dimensão.
Decomposição Hierárquica de Tucker (Hierarchical Tucker)
Estrutura de decomposição tensorial recursiva que organiza os tensores centrais em uma árvore para compressão adaptativa e eficiente de dados multidimensionais.
Preenchimento de Tensor (Tensor Completion)
Problema que consiste em estimar as entradas ausentes de um tensor, explorando sua estrutura de baixo posto subjacente, generalizando o preenchimento de matrizes.
Decomposição CP Não-negativa (Non-negative CP)
Variante da decomposição CP que restringe todos os fatores a serem não-negativos, garantindo a interpretabilidade aditiva dos componentes para aplicações como análise de sinais.
Regularização Tensorial
Técnicas que adicionam restrições aos fatores tensoriais (como esparsidade ou suavização) para prevenir o sobreajuste e melhorar a generalização dos modelos.
Unfolding (Matricização)
Operação que reorganiza os elementos de um tensor em uma matriz, concatenando suas fibras ao longo de um modo específico, permitindo a aplicação de algoritmos matriciais.
Fibra Tensorial
Vetor obtido fixando todos os índices de um tensor, exceto um, representando uma coluna, uma linha ou um tubo, dependendo do modo selecionado para a análise.
Fatia Tensorial (Slice)
Subtensor de ordem inferior obtido fixando um ou mais índices, produzindo uma matriz ou um vetor para a análise de estruturas locais.
Decomposição em Blocos Diagonais Tensoriais (Block Diagonal Decomposition)
Método de fatorização restrita onde o tensor central é estruturado em blocos diagonais, revelando clusters ou agrupamentos em dados multidimensionais.
Ortogonalidade Tensorial
Propriedade dos fatores em certas decomposições onde as matrizes de fatores para diferentes modos são ortogonais, simplificando a interpretação e o cálculo.
Decomposição Tensor Ring (TR)
Generalização da decomposição Tensor Train onde os tensores centrais são conectados em anel, oferecendo uma representação mais flexível para certos tipos de dados.