Chaîne de Markovvignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Période Yamatovignette|Province de Yamato La désigne la période de l'histoire du Japon où une structure politique et sociale avec un souverain à sa tête se met en place dans la province de Yamato, autour de Nara, vers 250. Cette période peut être divisée en deux sous-périodes, sur la base de la chronologie de l'arrivée du bouddhisme dans l'archipel : La , du nom des kofun, tertres funéraires typiques de l'époque qui constituent l'une des principales sources de documentation sur cette période. La , qui voit l'introduction du bouddhisme.
Période d'Urukvignette|droite|Masse d'armes de la période d'Uruk, Tello, v. 3500–2900 av. J.-C., Musée du Louvre. thumb|Tablette enregistrant des distributions de bière depuis les magasins d'une institution, v. 3200-3000 av. J.-C. British Museum. La période d'Uruk est une période située à la charnière entre la préhistoire et l'histoire de la Mésopotamie, qui couvre à peu près le Comme son nom l'indique, elle a été identifiée à partir des fouilles archéologiques de la cité d'Uruk, en Basse Mésopotamie. Succédant à la période d'Obeïd (v.
Markov modelIn probability theory, a Markov model is a stochastic model used to model pseudo-randomly changing systems. It is assumed that future states depend only on the current state, not on the events that occurred before it (that is, it assumes the Markov property). Generally, this assumption enables reasoning and computation with the model that would otherwise be intractable. For this reason, in the fields of predictive modelling and probabilistic forecasting, it is desirable for a given model to exhibit the Markov property.
Période d'ObeïdLa période d'Obeïd est une étape protohistorique du développement de la Mésopotamie qui va d'environ 6500 à 3750 av. J.-C. Certains sites, comme Halaf et Ninive, sont abandonnés ; d'autres sont incendiés ou réoccupés. La culture d'Obeïd (ville du sud) s'étend sur toute la Mésopotamie. Eridu est le site le plus important (19 niveaux d'occupation) ; les Sumériens en faisaient la résidence terrestre d'Enki, seigneur des eaux et des techniques. On y trouve un cimetière protohistorique et un « palais ».
Période KofunLa , ère de Kofun (古墳), ou plus exactement période des kofun est une ère de l'histoire du Japon qui va d'environ 250 à 538 de notre ère. Elle suit la période Yayoi et précède la période Asuka. Elle se situe à la fin de la Proto-histoire du Japon et relève de l'âge du fer qui commence à la période Yayoi, au Japon. La période Kofun et la période Asuka (538 à 710) qui la suit sont parfois désignées collectivement comme la période Yamato (250-710).
Propriété de Markovvignette|Exemple de processus stochastique vérifiant la propriété de Markov: un mouvement Brownien (ici représenté en 3D) d'une particule dont la position à un instant t+1 ne dépend que de la position précédente à l'instant t. En probabilité, un processus stochastique vérifie la propriété de Markov si et seulement si la distribution conditionnelle de probabilité des états futurs, étant donnés les états passés et l'état présent, ne dépend en fait que de l'état présent et non pas des états passés (absence de « mémoire »).
Rame automotricethumb|Couplage de deux rames articulées automotrices Z 50000 du Transilien. Une rame automotrice est un ensemble comprenant plusieurs caisses formant une rame indéformable. Elle peut être composée de véhicules moteurs à chaque extrémité et de simples remorques où la motorisation peut-être répartie sur les différents bogies de la rame. Elle est dans la plupart des cas bidirectionnelle, dispose d'une cabine de conduite à chaque extrémité la rendant réversible.
Modèle de Markov cachéUn modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.
Calcul par réservoirLe calcul par réservoir (de l'anglais reservoir computing) est un cadre de calcul dérivé de la théorie des réseaux de neurones récurrents qui mappe un ou plusieurs signaux d'entrée dans des espaces de calcul de dimension supérieure grâce à la dynamique d'un système fixe et non linéaire appelé réservoir . Une fois que le signal d'entrée est introduit dans le réservoir, qui est traité comme une « boîte noire », un simple mécanisme de lecture est entraîné pour lire l'état du réservoir et le mapper à la sortie souhaitée.
Hommevignette|upright=1.25|Hafez • David • Ban Ki-moon • Chinua Achebe • Aryabhata • Händel • Confucius • Kofi Annan • Chef Joseph • Platon • Ronaldo • Albert Einstein • Errol Flynn • Mohandas Gandhi • Ole Henrik Magga • Joel Salatin • Adam • Homme de Vitruve • Un homme avec un enfant • Héraclès avec Télèphe. vignette|Fresque représentant un homme nu (La création d'Adam de Michel-Ange). vignette|upright=.5|Dessin d'un homme tel qu'il figure sur les plaques de Pioneer. Un homme est un être humain adulte de sexe ou de genre masculin.
Vanishing gradient problemIn machine learning, the vanishing gradient problem is encountered when training artificial neural networks with gradient-based learning methods and backpropagation. In such methods, during each iteration of training each of the neural networks weights receives an update proportional to the partial derivative of the error function with respect to the current weight. The problem is that in some cases, the gradient will be vanishingly small, effectively preventing the weight from changing its value.
Diesel multiple unitA diesel multiple unit or DMU is a multiple-unit train powered by on-board diesel engines. A DMU requires no separate locomotive, as the engines are incorporated into one or more of the carriages. Diesel-powered single-unit railcars are also generally classed as DMUs. Diesel-powered units may be further classified by their transmission type: diesel–mechanical DMMU, diesel–hydraulic DHMU, or diesel–electric DEMU. The diesel engine may be located above the frame in an engine bay or under the floor.
Electric multiple unitAn electric multiple unit or EMU is a multiple-unit train consisting of self-propelled carriages using electricity as the motive power. An EMU requires no separate locomotive, as electric traction motors are incorporated within one or a number of the carriages. An EMU is usually formed of two or more semi-permanently coupled carriages, but electrically powered single-unit railcars are also generally classed as EMUs. The great majority of EMUs are passenger trains, but versions also exist for carrying mail.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
Discrete-time Fourier transformIn mathematics, the discrete-time Fourier transform (DTFT), also called the finite Fourier transform, is a form of Fourier analysis that is applicable to a sequence of values. The DTFT is often used to analyze samples of a continuous function. The term discrete-time refers to the fact that the transform operates on discrete data, often samples whose interval has units of time. From uniformly spaced samples it produces a function of frequency that is a periodic summation of the continuous Fourier transform of the original continuous function.
Discrete time and continuous timeIn mathematical dynamics, discrete time and continuous time are two alternative frameworks within which variables that evolve over time are modeled. Discrete time views values of variables as occurring at distinct, separate "points in time", or equivalently as being unchanged throughout each non-zero region of time ("time period")—that is, time is viewed as a discrete variable. Thus a non-time variable jumps from one value to another as time moves from one time period to the next.
Violence against menViolence against men is a term for violent acts that are disproportionately or exclusively committed against men or boys. Men are over-represented as both victims and perpetrators of violence. Studies of social attitudes show violence is perceived as more or less serious depending on the gender of victim and perpetrator. People are less likely to report a man hitting another man to the police than a man hitting a woman. Male law enforcement officers show a greater reluctance to file charges or reports when a man is the victim of domestic violence.
Mathématiques discrètesLes mathématiques discrètes, parfois appelées mathématiques finies, sont l'étude des structures mathématiques fondamentalement discrètes, par opposition aux structures continues. Contrairement aux nombres réels, qui ont la propriété de varier "en douceur", les objets étudiés en mathématiques discrètes (tels que les entiers relatifs, les graphes simples et les énoncés en logique) ne varient pas de cette façon, mais ont des valeurs distinctes séparées.
