Ideal theoryIn mathematics, ideal theory is the theory of ideals in commutative rings. While the notion of an ideal exists also for non-commutative rings, a much more substantial theory exists only for commutative rings (and this article therefore only considers ideals in commutative rings.) Throughout the articles, rings refer to commutative rings. See also the article ideal (ring theory) for basic operations such as sum or products of ideals.
Time delay neural networkTime delay neural network (TDNN) is a multilayer artificial neural network architecture whose purpose is to 1) classify patterns with shift-invariance, and 2) model context at each layer of the network. Shift-invariant classification means that the classifier does not require explicit segmentation prior to classification. For the classification of a temporal pattern (such as speech), the TDNN thus avoids having to determine the beginning and end points of sounds before classifying them.
Idéal fractionnairevignette|Richard Dedekind donne en 1876 la définition d'idéal fractionnaire. En mathématiques, et plus précisément en théorie des anneaux, un idéal fractionnaire est une généralisation de la définition d'un idéal. Ce concept doit son origine à la théorie algébrique des nombres. Pour résoudre certaines équations diophantiennes, cette théorie utilise des anneaux d'entiers généralisant celui des entiers relatifs.
Meta-learning (computer science)Meta learning is a subfield of machine learning where automatic learning algorithms are applied to metadata about machine learning experiments. As of 2017, the term had not found a standard interpretation, however the main goal is to use such metadata to understand how automatic learning can become flexible in solving learning problems, hence to improve the performance of existing learning algorithms or to learn (induce) the learning algorithm itself, hence the alternative term learning to learn.
Radical d'un idéalEn algèbre commutative, le radical (aussi appelé la racine) d'un idéal I dans un anneau commutatif A est l'ensemble des éléments de A dont une puissance appartient à I. Si A est un anneau principal, I est de la forme aA et son radical est l'idéal engendré par le produit des diviseurs irréductibles de a (chaque irréductible — à produit près par un inversible — n'apparaissant qu'une fois dans ce produit). En particulier dans Z, le radical d'un idéal nZ est l'idéal engendré par le radical de l'entier n.
Auto-encodeurUn auto-encodeur (autoencodeur), ou auto-associateur est un réseau de neurones artificiels utilisé pour l'apprentissage non supervisé de caractéristiques discriminantes. L'objectif d'un auto-encodeur est d'apprendre une représentation (encodage) d'un ensemble de données, généralement dans le but de réduire la dimension de cet ensemble. Récemment, le concept d'auto-encodeur est devenu plus largement utilisé pour l'apprentissage de modèles génératifs.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Entretien d'évaluationL'entretien d'évaluation est un entretien qui a pour but de fixer des objectifs à atteindre au personnel pour une période déterminée, et leur évaluation pour le passé, en fonction de l'ensemble des priorités, des connaissances, de l'expérience et des comportements et aptitudes. Il s'agit d'une explicitation fine des missions afin de déterminer les compétences nécessaires à leur exercice et les actions de formations destinées à acquérir et à améliorer ces compétences.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Job performanceJob performance assesses whether a person performs a job well. Job performance, studied academically as part of industrial and organizational psychology, also forms a part of human resources management. Performance is an important criterion for organizational outcomes and success. John P. Campbell describes job performance as an individual-level variable, or something a single person does. This differentiates it from more encompassing constructs such as organizational performance or national performance, which are higher-level variables.
