Glosario IA
El diccionario completo de la Inteligencia Artificial
Discriminator Latent
Réseau neuronal entraîné à distinguer entre les codes latents réels issus de l'encodeur et les échantillons tirés d'une distribution de probabilité cible.
Espace Latent Impose
Espace de variables latentes contraint par un adversaire à suivre une distribution de probabilité prédéfinie (gaussienne, uniforme ou autre).
Cycle-Consistent AAE
Variante assurant que la reconstructions successive de données codes et décodées maintiennent une cohérence cyclique pour améliorer la stabilité.
Partial Adversarial Regularization
Technique où seule une partie des dimensions latentes est régularisée adversarialement, préservant ainsi certains aspects invariants des données.
InfoVAE Adversarial
Combination utilisant la divergence KL mutuelle et un adversaire pour maximiser l'information mutuelle entre entrées et codes latents.
Adversarial Feature Matching
Objectif où l'encodeur apprend à faire correspondre les caractéristiques statistiques des codes latents avec ceux de la distribution cible.
Hierarchical AAE
Architecture multi-niveaux où chaque couche latente possède son propre adversaire, permettant une représentation hiérarchique progressive des données.
Adversarial Inference
Processus d'inférence où l'encodeur apprend à générer des codes latents qui trompent le discriminateur, remplaçant l'inférence variationnelle traditionnelle.
Pérdida de Reconstrucción + Pérdida Adversarial
Función objetivo que combina la pérdida de reconstrucción tradicional con la pérdida adversarial para equilibrar la fidelidad y el realismo de las reconstrucciones.
Recorrido del Espacio Latente
Exploración sistemática del espacio latente de un AAE para descubrir variaciones semánticas continuas gracias a la regularización adversarial.
Autoencodificación Adversarial para Desenredado
Aplicación de los AAE para separar los factores de variación intrínsecos en un espacio latente estructurado por adversarios especializados.
AAE Semisupervisado
Extensión donde el espacio latente se divide entre variables supervisadas (etiquetas) y no supervisadas con adversarios distintos para cada grupo.
Optimización Adversarial Latente
Método de optimización directa de códigos latentes para maximizar el éxito del discriminador sin entrenar explícitamente un codificador.
AAE de Wasserstein
Variante que utiliza la distancia de Wasserstein en el adversario para una regularización más estable de la distribución latente.
AAE de Adaptación de Dominio Adversarial
Aplicación donde un adversario fuerza a los códigos latentes de diferentes dominios a tener distribuciones idénticas para facilitar la transferencia de aprendizaje.
Fuerza de Regularización Adversarial
Hiperparámetro que controla la influencia relativa de la pérdida adversarial en comparación con la pérdida de reconstrucción en la optimización global.
Decodificador Adversarial
Decodificador adicional entrenado de forma adversarial para mejorar la calidad de las generaciones compitiendo con el decodificador principal.