Glossário IA
O dicionário completo da Inteligência Artificial
Redes Bayesianas Dinâmicas
Extensão temporal das redes bayesianas estáticas que modelam a evolução de variáveis aleatórias e suas dependências condicionais ao longo do tempo através de transições markovianas.
Cadeias de Markov Ocultas
Modelos estatísticos onde o sistema observado depende de estados ocultos não observáveis que seguem uma cadeia de Markov, utilizados para o reconhecimento de sequências temporais.
Modelos de Markov Ocultos Fatoriais
Extensão dos HMM onde várias cadeias de Markov ocultas interagem para gerar as observações, permitindo modelar dependências complexas entre fatores latentes.
Filtro de Partículas
Método de Monte Carlo sequencial para a estimação de estado em sistemas não-lineares e não-gaussianos, utilizando um conjunto de partículas ponderadas para aproximar a distribuição posterior.
Modelos de Tópicos Dinâmicos
Extensão dos modelos de tópicos que capturam a evolução temporal dos temas em corpus textuais, modelando como as distribuições de palavras mudam ao longo do tempo.
Sistemas Dinâmicos Híbridos
Modelos que combinam variáveis discretas e contínuas num quadro temporal, capturando interações entre estados discretos e evoluções contínuas em sistemas complexos.
Modelos de Espaço de Estados
Estrutura geral para a modelagem de séries temporais com estados latentes não observados que evoluem de acordo com uma equação de estado e geram observações através de uma equação de observação.
Inferência para Frente/para Trás
Algoritmos para o cálculo das distribuições de crença em modelos gráficos dinâmicos, combinando propagação para frente (filtragem) e para trás (suavização) para uma estimação ótima dos estados.
Modelos de Mudança de Regime
Modelos onde os parâmetros do sistema podem mudar abruptamente ou gradualmente entre diferentes regimes comportamentais, capturando transições estruturais nos dados.
Processos de Detecção de Mudança
Algoritmos estatísticos para identificar pontos no tempo onde as propriedades estatísticas de um sinal ou sistema mudam significativamente, essenciais para monitoramento em tempo real.
Modelos Gráficos Temporais Hierárquicos
Estruturas multi-escala que capturam dependências temporais em diferentes níveis de abstração, permitindo uma modelagem eficaz de fenômenos complexos com dinâmicas aninhadas.
Filtros de Bayes
Estrutura teórica geral para a estimação recursiva do estado de um sistema dinâmico usando o teorema de Bayes, incluindo o filtro de Kalman e os filtros de partículas como casos particulares.
Modelos de Transição Temporal
Componentes de modelos gráficos dinâmicos que especificam como as distribuições de probabilidade das variáveis evoluem entre passos temporais sucessivos, definindo a dinâmica do sistema.
Redes de Influência Temporais
Modelos probabilísticos que capturam como as influências causais entre variáveis se propagam e se modificam ao longo do tempo, essencial para a análise de sistemas causais dinâmicos.
Modelos Gráficos Não-Estacionários
Extensões de modelos gráficos dinâmicos onde os parâmetros e/ou a estrutura do grafo podem mudar ao longo do tempo, adaptando o modelo a evoluções não homogêneas.
Aprendizagem de Estrutura Dinâmica
Processo de inferência automática da estrutura ótima de um modelo gráfico dinâmico a partir de dados temporais, incluindo a descoberta de dependências e atrasos temporais.
Suavização de Viterbi
Algoritmo para encontrar a sequência mais provável de estados ocultos dadas todas as observações, generalizando o algoritmo de Viterbi para inferência offline em modelos dinâmicos.
Modelos Ocultos de Markov com Entradas
Extensão dos HMMs onde as transições de estado dependem de variáveis de entrada externas observadas, permitindo a modelagem condicional de sequências temporais.