Glossário IA
O dicionário completo da Inteligência Artificial
ALEBO (Adaptive Linear Embeddings for Bayesian Optimization)
Técnica de otimização bayesiana que aprende um subespaço linear de baixa dimensão para projetar pontos de alta dimensão, reduzindo assim a complexidade computacional.
ADD-GP (Additive Gaussian Process)
Modelo de processo gaussiano aditivo que decompõe a função objetivo na soma de funções de subgrupos de variáveis, permitindo uma melhor escalabilidade em alta dimensão.
Processo Gaussiano (GP)
Modelo probabilístico não paramétrico que define uma distribuição sobre funções, amplamente utilizado como substituto na otimização bayesiana para modelar a incerteza.
Critério de Aquisição
Função heurística utilizada em otimização bayesiana para guiar a escolha do próximo ponto de avaliação, equilibrando exploração e explotação.
Expected Improvement (EI)
Critério de aquisição popular que calcula a melhoria esperada em relação à melhor observação atual, ponderada pela incerteza do modelo.
Embutimento de Dimensionalidade (Dimensionality Embedding)
Técnica de redução de dimensionalidade que projeta o espaço de busca de alta dimensão em um subespaço de menor dimensão onde a otimização é realizada.
Estrutura Aditiva
Hipótese de que a função objetivo pode ser decomposta na soma de funções dependentes de subconjuntos de variáveis, explorada para melhorar a eficiência em alta dimensão.
Otimização em Alta Dimensão (High-Dimensional BO)
Variante da otimização bayesiana adaptada a espaços de busca com dezenas ou centenas de dimensões, necessitando de técnicas especializadas.
Modelo Substituto (Surrogate Model)
Modelo aproximado da função objetivo custosa, utilizado na otimização bayesiana para prever valores e incerteza em pontos não avaliados.
Kernel ARD (Automatic Relevance Determination)
Núcleo de processo gaussiano que aprende automaticamente a importância de cada dimensão, permitindo identificar variáveis relevantes em alta dimensão.
Random Embedding
Técnica que projeta aleatoriamente o espaço de alta dimensão em um subespaço de menor dimensão, supondo que apenas algumas direções são relevantes.
BO de Região de Confiança (Trust Region BO)
Método de otimização bayesiana que restringe a busca a uma região de confiança em torno da melhor solução atual, adaptado para problemas de alta dimensão.
GP-UCB (Gaussian Process Upper Confidence Bound)
Critério de aquisição que equilibra exploração e explotação usando um limite superior de confiança na previsão do processo gaussiano.
Fatoração de Kernel (Kernel Factorization)
Abordagem que decompõe o núcleo do processo gaussiano em produto de núcleos unidimensionais, reduzindo a complexidade computacional em alta dimensão.
Otimização Multi-Objetivo em Alta Dimensão
Extensão da otimização bayesiana para problemas com múltiplos objetivos contraditórios em grande dimensão, necessitando de critérios de aquisição adaptados.
Otimização Bayesiana com Saídas de Alta Dimensão (Bayesian Optimization with High-Dimensional Outputs)
Variante onde a função objetivo retorna vetores de alta dimensão, necessitando de modelos multi-saída e critérios de aquisição especializados.