Gram Matrix (Matriz de Gram)
En el ámbito de la inteligencia artificial y el aprendizaje automático, se utiliza para representar las relaciones entre vectores en un espacio de características.
Es una matriz simétrica construida tomando productos escalares de todos los pares de vectores de un conjunto de datos.
Permite analizar la similitud o dependencia lineal entre vectores y es fundamental en métodos como máquinas de soporte vectorial (SVM) y redes neuronales profundas.
En aprendizaje profundo, es comúnmente empleada en el cálculo de pérdidas de estilo en redes generativas adversariales (GANs) o redes neuronales convolucionales (CNNs).
Actúa como una herramienta clave en transformaciones de kernel, facilitando el uso de modelos no lineales en espacios de alta dimensionalidad.
Ayuda a capturar patrones importantes en los datos, como textura o correlaciones espaciales, al resumir la distribución de características.
De especial utilidad en el procesamiento de imágenes o el modelado de datos complejos, contribuye a una representación más rica de las relaciones entre características.