@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-G006D599-R>
  skos:prefLabel "measure"@en, "mesure"@fr ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-K2272WCM-6> .

<http://data.loterre.fr/ark:/67375/8LP-K2272WCM-6>
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  a skos:Concept ;
  skos:example "Ce schéma fréquent correspond à une séquence de catégories de morphèmes qu'il est important de prendre en compte afin de donner au modèle la possibilité d'analyser les observations de manière compacte et ainsi augmenter sa capacité de généralisation. (Löser & Allauzen, 2016)"@fr, "Les modèles statistiques permettent de palier ces limites avec des capacités de généralisation plus grandes permettant l'introduction d'une plus grande variabilité lors de la génération mais aussi un plus grand risque d'erreur de syntaxe. (Matthieu Riou, Bassam Jabaian, Stéphane Huet & Fabrice Lefèvre, 2018)"@fr ;
  skos:prefLabel "generalization ability"@en, "capacité de généralisation"@fr ;
  skos:hiddenLabel "Capacité de généralisation"@fr, "Generalization ability"@en ;
  dc:modified "2024-05-29T11:29:42"^^xsd:dateTime ;
  skos:note "Generalization ability can be evaluated using the bias and variance measurements. (Zaras et al., Neural networks and backpropagation, in Deep Learning for Robot Perception and Cognition, 2022)"@en, "A model that can generalize is the opposite of a model that is overfitting. (Google for Developers - Machine Learning Glossary)"@en ;
  skos:definition "Mesure de la capacité d'un modèle à appliquer de manière fiable les connaissances acquises à partir des données d'entraînement à des données qu'il n'a pas rencontrées pendant l'entrainement."@fr, "A measure of how accurately the algorithm is able to predict outputs from previously unknown data. (Qi et al., Applying Neural-Network-Based Machine Learning to Additive Manufacturing: Current Applications, Challenges, and Future Perspectives, in Engineering, 2019)"@en ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-G006D599-R> .