Glossary

0-9

6DoF pose estimation 4D data 5G + AI 1-shot learning 0-shot learning 3D convolution 8-bit quantization 7D representation 2-stage detector 9-layer network

A

Artificial Intelligence (AI)AGI / Artificial General Intelligence Autoencoder Attention Algorithm

B

Backpropagation BERT Bias Boosting Batch Normalization

C

Classifier / Classification CNN / Convolutional Neural Network Clustering Cross-Validation Chatbot

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Ensemble Learning Encoder Embedding Epoch Explainable AI (XAI)

F

Fine-tuning Fusion / Multimodal Fusion Feature Extraction Forward Propagation Foundation Model

G

GAN / Generative Adversarial Network Gradient Descent Grounding Generative AI Graph Neural Network (GNN)

H

Hierarchical Model Heuristic Hallucination Hidden Layer Hyperparameter

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

Juxtaposition Jittering JAX Joint Embedding JSONL / JSON-lines

K

K-Shot Learning Kernel Trick K-means Clustering Knowledge Distillation KL Divergence (Kullback–Leibler Divergence)

L

Learning Rate Large Language Model (LLM)Loss Function Latent Variable LSTM / Long Short-Term Memory

M

Machine Learning (ML)Meta-learning Model Multi-head Attention Multimodal / Multimodality

N

NLP / Natural Language Processing Novelty Detection / Anomaly Detection NLU / Natural Language Understanding Normalization Neural Network

O

Online Learning Objective Function One-hot Encoding Overfitting Optimizer

P

Pretraining Pooling Parameter Policy / Reinforcement Learning Policy Prompt

Q

Q-learning Queue / Buffer Quantization Quality Estimation Query

R

Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)Representation Learning Regularization RNN / Recurrent Neural Network

S

Self-Supervised Learning Supervised Learning Sequence Modeling Sampling Softmax

T

Tuning / Hyperparameter Tuning Tokenizer Training Data Transfer Learning Transformer

U

Unsupervised Learning Universal Approximation Theorem Underfitting Uncertainty Estimation U-Net

V

Vector Embedding Variational Autoencoder (VAE)Validation Set Vision Transformer (ViT)Vanishing / Exploding Gradient

W

Weight Decay Weak Supervision Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem XAI / Explainable AI X-axis / feature axis XLM XLNet

Y

Y-axis / feature axis Yield (model yield / throughput)YAGNI (You Aren't Gonna Need It)Y-transform / YUV Yoga of AI

Z

Zero-shot Learning / Zero-shot inference Zero-centric / Zero-bias initialization Z-score Normalization Zero-gradient phenomenon Zygosity in augmentation

Qué son el Gradiente Desvanecido / Explosivo

Los conceptos de Gradiente Desvanecido y Gradiente Explosivo son cruciales en el contexto del aprendizaje profundo y el entrenamiento de redes neuronales.

El Gradiente Desvanecido se refiere a la situación en la que los gradientes se vuelven extremadamente pequeños durante la retropropagación, haciendo que los pesos dejen de actualizarse. Este fenómeno es prevalente en redes profundas, especialmente aquellas que utilizan funciones de activación sigmoides o tanh, lo que lleva a un aprendizaje lento o estancado.

Por otro lado, el Gradiente Explosivo ocurre cuando los gradientes crecen excesivamente durante la retropropagación, resultando en actualizaciones de pesos inestables y divergencia del modelo. Esto se observa a menudo en redes con muchas capas, especialmente al usar funciones de activación ReLU.

Ambos fenómenos afectan significativamente la eficiencia y efectividad del entrenamiento de modelos de aprendizaje profundo. Los investigadores han propuesto varias arquitecturas como LSTM para mitigar los efectos del Gradiente Desvanecido y técnicas como el recorte de gradientes para manejar el Gradiente Explosivo.

A medida que el aprendizaje profundo evoluciona, abordar estos problemas se vuelve cada vez más crucial, con nuevas funciones de activación y diseños de redes que buscan mantener la estabilidad del gradiente.