Metraipolis › archive › dc_e34c181c503e

Aprendizaje por diccionarios dispersos — Wikipedia (es)

Source
Wikipedia (es)
Original
https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-18T14:47:40.819Z
SHA-256 of the archived text
63739a18f26d21c22d61a1a46c07cfc87bb9da606521023633e9c65591379d7d
Stable URL of this page
https://metraipolis.com/documento/dc_e34c181c503e

How to cite

Aprendizaje por diccionarios dispersos — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_e34c181c503e (Metraipolis archive dc_e34c181c503e, sha256 63739a18f26d21c22d61a1a46c07cfc87bb9da606521023633e9c65591379d7d)
BibTeX
@misc{dce34c181c503e,
  title = {Aprendizaje por diccionarios dispersos — Wikipedia (es)},
  howpublished = {Wikipedia (es)},
  url = {https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_e34c181c503e; sha256 63739a18f26d21c22d61a1a46c07cfc87bb9da606521023633e9c65591379d7d},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

El aprendizaje por diccionarios dispersos (también conocido como codificación dispersa o SDL) es un método de aprendizaje de representaciones cuyo objetivo es encontrar una representación dispersa de los datos de entrada en forma de combinación lineal de elementos básicos, así como de los propios elementos básicos. Estos elementos se denominan átomos y componen un diccionario. No es necesario que los átomos del diccionario sean ortogonales, y pueden ser un conjunto sobrecompleto. Esta configuración del problema también permite que la dimensionalidad de las señales representadas sea mayor que la de las señales observadas. Las dos propiedades anteriores conducen a tener átomos aparentemente redundantes que permiten múltiples representaciones de la misma señal, pero también proporcionan una mejora en la escasez y la flexibilidad de la representación. Una de las aplicaciones más importantes del aprendizaje de diccionarios dispersos es el campo de la detección comprimida o la recuperación de señales. En la detección comprimida, una señal de alta dimensión puede recuperarse con sólo unas pocas medidas lineales, siempre que la señal sea dispersa o casi dispersa. Dado que no todas las señales satisfacen esta condición de dispersidad, es muy importante encontrar una representación dispersa de esa señal, como la transformada wavelet o el gradiente direccional de una matriz rasterizada. Una vez que una matriz o un vector de alta dimensión se transfiere a un espacio disperso, se pueden utilizar distintos algoritmos de recuperación, como la búsqueda de bases, CoSaMP o algoritmos rápidos no iterativos, para recuperar la señal. Uno de los principios clave del aprendizaje por diccionarios es que el diccionario debe inferirse a partir de los datos de entrada. La aparición de métodos de aprendizaje por diccionarios dispersos se vio estimulada por el hecho de que, en el tratamiento de señales, normalmente se desea representar los datos de entrada utilizando el menor número posible de componentes. Antes de este enfoque, la práctica general era utilizar diccionarios predefinidos (como las transformadas de Fourier o wavelet). Sin embargo, en ciertos casos, un diccionario entrenado para ajustarse a los datos de entrada puede mejorar significativamente la dispersión, lo que tiene aplicaciones en la descomposición, compresión y análisis de datos y se ha utilizado en los campos de la eliminación de ruido y clasificación de imágenes, y el procesamiento de vídeo y audio. Los diccionarios sparsity y overcomplete tienen inmensas aplicaciones en compresión de imágenes, fusión de imágenes e inpainting.

Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in spagnolo, in ordine alfabetico).
Fonte: Wikipedia in spagnolo, voce «Aprendizaje por diccionarios dispersos» — https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos
Wikidata Q25304494: «Representation learning method» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q25304494
Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Aprendizaje_por_diccionarios_dispersos?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 164477786, consultata il 2026-10-18T14:47:40.184Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 8f075c74e5a7ef89a92148d486b76939b807747906fa1e19ed01f3a538620b18