Economic efficiencyIn microeconomics, economic efficiency, depending on the context, is usually one of the following two related concepts: Allocative or Pareto efficiency: any changes made to assist one person would harm another. Productive efficiency: no additional output of one good can be obtained without decreasing the output of another good, and production proceeds at the lowest possible average total cost. These definitions are not equivalent: a market or other economic system may be allocatively but not productively efficient, or productively but not allocatively efficient.
Surface d'énergie potentielleUne surface d'énergie potentielle est généralement utilisée dans l'approximation adiabatique (ou approximation de Born-Oppenheimer) en mécanique quantique et mécanique statistique afin de modéliser les réactions chimiques et les interactions dans des systèmes chimiques et physiques simples. Le nom de « (hyper)surface » provient du fait que l'énergie totale d'un système atomique peut être représentée comme une courbe ou une surface, pour laquelle les positions atomiques sont des variables.
Chemical synapseChemical synapses are biological junctions through which neurons' signals can be sent to each other and to non-neuronal cells such as those in muscles or glands. Chemical synapses allow neurons to form circuits within the central nervous system. They are crucial to the biological computations that underlie perception and thought. They allow the nervous system to connect to and control other systems of the body. At a chemical synapse, one neuron releases neurotransmitter molecules into a small space (the synaptic cleft) that is adjacent to another neuron.
État de transitionUn état de transition est, dans une réaction chimique, une configuration particulière le long d'une coordonnée de réaction. Il est défini comme un état correspondant à une énergie maximale le long de cette coordonnée. En ce point, si l'on postule une réaction parfaitement irréversible, les espèces réagissant iront toujours vers la formation des produits. Bien que cette notion soit extensible à toute réaction ou transition physico-chimique, elle est utilisée essentiellement en chimie moléculaire.
Statistique bayésienneLa statistique bayésienne est une approche statistique fondée sur l'inférence bayésienne, où la probabilité exprime un degré de croyance en un événement. Le degré initial de croyance peut être basé sur des connaissances a priori, telles que les résultats d'expériences antérieures, ou sur des croyances personnelles concernant l'événement. La perspective bayésienne diffère d'un certain nombre d'autres interprétations de la probabilité, comme l'interprétation fréquentiste qui considère la probabilité comme la limite de la fréquence relative d'un événement après de nombreux essais.
Réseau bayésienEn informatique et en statistique, un réseau bayésien est un modèle graphique probabiliste représentant un ensemble de variables aléatoires sous la forme d'un graphe orienté acyclique. Intuitivement, un réseau bayésien est à la fois : un modèle de représentation des connaissances ; une « machine à calculer » des probabilités conditionnelles une base pour des systèmes d'aide à la décision Pour un domaine donné (par exemple médical), on décrit les relations causales entre variables d'intérêt par un graphe.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Sciences numériquesLes sciences numériques (traduction de l'anglais computational sciences), autrement dénommées calcul scientifique ou informatique scientifique, ont pour objet la construction de modèles mathématiques et de méthodes d'analyse quantitative, en se basant sur l'utilisation des sciences du numérique, pour analyser et résoudre des problèmes scientifiques. Cette approche scientifique basée sur un recours massif aux modélisations informatiques et mathématiques et à la simulation se décline en : médecine numérique, biologie numérique, archéologie numérique, mécanique numérique, par exemple.
Rendement (physique)En physique, le rendement est défini comme une grandeur sans dimension qui caractérise l'efficacité d'une transformation, physique ou chimique. En physique, la grandeur caractérise généralement la conversion d'une forme d'énergie en une autre. Pour un système réalisant une conversion d'énergie (transformateur, moteur, pompe à chaleur), le rendement est défini par certains auteurs comme étant le rapport entre l'énergie recueillie en sortie et l'énergie fournie en entrée, qui confond alors les termes d'efficacité thermodynamique et de rendement thermodynamique.
Rule-based machine learningRule-based machine learning (RBML) is a term in computer science intended to encompass any machine learning method that identifies, learns, or evolves 'rules' to store, manipulate or apply. The defining characteristic of a rule-based machine learner is the identification and utilization of a set of relational rules that collectively represent the knowledge captured by the system. This is in contrast to other machine learners that commonly identify a singular model that can be universally applied to any instance in order to make a prediction.
