RomsLe mot Roms (parfois écrit Rroms) désigne en français un ensemble de populations établies dans divers pays du monde, ayant une culture et des origines communes dans le sous-continent indien, également dénommées par les exonymes Tziganes / Tsiganes, Gitans, Bohémiens, Manouches, ou Romanichels (chacun de ces noms ayant sa propre histoire), ainsi que « gens du voyage », bien que l'immense majorité des Roms soit sédentaire ou sédentarisée.
RomaniLe romani, rromani ou rromanès, est une macrolangue indo-aryenne originaire du nord de l’Inde : elle fait partie du groupe des langues indo-aryennes du Nord-Ouest qui comprend également le pendjabi, le sindhi et d’autres, issues d’une seule langue populaire ou prâkrit parlée dans la vallée de l’Indus et dont l’origine s'enracine dans le sanskrit.
Romani diasporaThe Romani people have several distinct populations, the largest being the Roma and the Calé, who reached Anatolia and the Balkans in the early 12th century, from a migration out of the Indian subcontinent beginning about 1st century – 2nd century AD. They settled in the areas of present-day Turkey, Greece, Serbia, Romania, Croatia, Moldova, Bulgaria, North Macedonia, Hungary, Albania, Kosovo, Bosnia and Herzegovina, Czech Republic, Slovenia and Slovakia, by order of volume, and Spain.
Histoire des Romsvignette|Un campement gitan près d'Arles, vu par le peintre Vincent van Gogh. L’histoire des Roms, aussi appelés gitans, est controversée pour plusieurs raisons. En premier lieu, la culture roms est fondamentalement orale et ne se concentre pas sur sa propre histoire, de telle sorte qu'il n'existe pas de traces écrites de son passage. Son histoire a été étudiée principalement par des non-Roms qui l'ont souvent analysée de façon ethnocentrique. Les premiers mouvements migratoires roms remontent au et beaucoup d'informations ont été perdues à ce sujet.
Romani society and cultureThe Romani people are a distinct ethnic and cultural group of peoples living all across the globe, who share a family of languages and sometimes a traditional nomadic mode of life. Though their exact origins are unclear, central India is a notable point of origin. Their language shares a common origin with, and is similar to, modern-day Gujarati and Rajasthani, borrowing loan words from other languages as they migrated from India. In Europe, even though their culture has been victimized by other cultures, they have still found a way to maintain their heritage and society.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Statistical model validationIn statistics, model validation is the task of evaluating whether a chosen statistical model is appropriate or not. Oftentimes in statistical inference, inferences from models that appear to fit their data may be flukes, resulting in a misunderstanding by researchers of the actual relevance of their model. To combat this, model validation is used to test whether a statistical model can hold up to permutations in the data.
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.
Validation croiséeLa validation croisée () est, en apprentissage automatique, une méthode d’estimation de fiabilité d’un modèle fondée sur une technique d’échantillonnage. Supposons posséder un modèle statistique avec un ou plusieurs paramètres inconnus, et un ensemble de données d'apprentissage sur lequel on peut apprendre (ou « entraîner ») le modèle. Le processus d'apprentissage optimise les paramètres du modèle afin que celui-ci corresponde le mieux possible aux données d'apprentissage.
Regression validationIn statistics, regression validation is the process of deciding whether the numerical results quantifying hypothesized relationships between variables, obtained from regression analysis, are acceptable as descriptions of the data. The validation process can involve analyzing the goodness of fit of the regression, analyzing whether the regression residuals are random, and checking whether the model's predictive performance deteriorates substantially when applied to data that were not used in model estimation.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Jeux d'entrainement, de validation et de testEn apprentissage automatique, une tâche courante est l'étude et la construction d'algorithmes qui peuvent apprendre et faire des prédictions sur les données. De tels algorithmes fonctionnent en faisant des prédictions ou des décisions basées sur les données, en construisant un modèle mathématique à partir des données d'entrée. Ces données d'entrée utilisées pour construire le modèle sont généralement divisées en plusieurs jeux de données .
Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Réseau de neurones de HopfieldLe réseau de neurones d'Hopfield est un modèle de réseau de neurones récurrents à temps discret dont la matrice des connexions est symétrique et nulle sur la diagonale et où la dynamique est asynchrone (un seul neurone est mis à jour à chaque unité de temps). Il a été popularisé par le physicien John Hopfield en 1982. Sa découverte a permis de relancer l'intérêt dans les réseaux de neurones qui s'était essoufflé durant les années 1970 à la suite d'un article de Marvin Minsky et Seymour Papert.
Canal ioniqueUn canal ionique est une protéine membranaire qui permet le passage à grande vitesse d'un ou plusieurs ions. Il existe de nombreux types de canaux ioniques. Ils peuvent être sélectivement perméables à un ion tel que le sodium, le calcium, le potassium ou l'ion chlorure, ou bien à plusieurs ions à la fois. Les canaux ioniques sont présents dans la membrane de toutes les cellules. Ils ont un rôle central dans la physiologie des cellules excitables comme les neurones ou les cellules musculaires et cardiaques.
Biologie de synthèseLa biologie de synthèse, ou biologie synthétique, est un domaine scientifique et biotechnologique émergeant qui combine biologie et principes d'ingénierie, dans le but de concevoir et construire (« synthétiser ») de nouveaux systèmes et fonctions biologiques, avec des applications notamment développées par les secteurs agropharmaceutique, chimique, agricole et énergétique. Les objectifs de la biologie de synthèse sont de deux types : Tester et améliorer notre compréhension des principes gouvernant la biologie (apprendre en construisant).
Hyperparameter optimizationIn machine learning, hyperparameter optimization or tuning is the problem of choosing a set of optimal hyperparameters for a learning algorithm. A hyperparameter is a parameter whose value is used to control the learning process. By contrast, the values of other parameters (typically node weights) are learned. The same kind of machine learning model can require different constraints, weights or learning rates to generalize different data patterns.
Canal tensiodépendantLes canaux tensiodépendants sont des canaux ioniques spécialisés qui s'ouvrent ou se ferment en réponse à une variation du potentiel de membrane. Les termes canal dépendant du voltage ou canal voltage dépendant, inspirés de la terminologie anglo-saxonne (voltage-dependant calcium channel), sont très souvent utilisés. L'adjectif tensiodépendant, proposé si récemment qu'il n'est même pas accessible par l'interrogation de NGramViewer (corpus de 2019), contrairement à dépendant du voltage ou dépendant du potentiel, est regrettable : en effet, il induit une confusion avec des canaux sensibles à la tension pris dans le sens d'étirement (stretch operated caclum channels).
Neuronethumb|537x537px|Schéma complet d’un neurone. Un neurone, ou une cellule nerveuse, est une cellule excitable constituant l'unité fonctionnelle de la base du système nerveux. Les neurones assurent la transmission d'un signal bioélectrique appelé influx nerveux. Ils ont deux propriétés physiologiques : l'excitabilité, c'est-à-dire la capacité de répondre aux stimulations et de convertir celles-ci en impulsions nerveuses, et la conductivité, c'est-à-dire la capacité de transmettre les impulsions.
