Glossário IA
O dicionário completo da Inteligência Artificial
Núcleo de Matérn
Família de funções de covariância parametrizadas por um fator de suavização ν, oferecendo controle flexível sobre a diferenciabilidade do processo gaussiano.
Hiperparâmetros do Núcleo
Parâmetros da função de covariância (ex: comprimento de escala, variância do sinal) que controlam o comportamento do processo gaussiano e são tipicamente aprendidos por maximização da verossimilhança marginal.
Posteriori do Processo Gaussiano
Distribuição do processo gaussiano condicionada aos dados observados, combinando o priori e a verossimilhança para fornecer previsões com incerteza.
Comprimento de Escala
Hiperparâmetro do núcleo que determina a distância sobre a qual os pontos de entrada são correlacionados, controlando a suavidade da função modelada.
Predição por Processo Gaussiano
Inferência bayesiana que calcula a média e a variância da distribuição preditiva em novos pontos, baseada no posteriori do processo gaussiano.
Regressão por Núcleo
Método de regressão não-paramétrico utilizando funções de núcleo, do qual a regressão por processo gaussiano é um caso particular bayesiano.
Classificação por Processo Gaussiano
Aplicação dos processos gaussianos a tarefas de classificação, utilizando funções de ligação (ex: probit) para modelar as probabilidades de classe.
Pontos de Indução
Variáveis latentes em processos gaussianos parcimoniosos que resumem a informação dos dados de treinamento para acelerar os cálculos.
Núcleo Periódico
Função de covariância projetada para modelar padrões periódicos nos dados, essencial para séries temporais com ciclos.
Núcleo de Ruído Branco
Função de covariância que modela o ruído branco independente, usada para representar a incerteza aleatória não correlacionada nas observações.
Núcleo Composto
Combinação de vários núcleos (por adição ou multiplicação) para capturar estruturas de correlação complexas e multi-escala nos dados.
Processo Gaussiano Espaço-Temporal
Extensão dos processos gaussianos para modelar dados dependentes tanto do espaço quanto do tempo, utilizando núcleos espaço-temporais separáveis ou não.
Inferência Variacional para GP
Método de inferência variacional aplicado a processos gaussianos para aproximar o posterior enquanto reduz a complexidade computacional.