Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
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.
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.
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.
Fonction d'ondethumb|300px|right|Illustration de la notion de fonction d'onde dans le cas d'un oscillateur harmonique. Le comportement en mécanique classique est représenté sur les images A et B et celui en mécanique quantique sur les figures C à H. Les parties réelles et imaginaires des fonctions d'onde sont représentées respectivement en bleu et en rouge. Les images C à F correspondent à des états stationnaires de l'énergie, tandis que les figures G et H correspondent à des états non stationnaires.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
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.
AmplitudeEn physique classique, on nomme amplitude la mesure scalaire (une coordonnée) d’un nombre positif caractérisant l’ampleur des variations d'une grandeur. Le plus souvent il s'agit de l'écart maximal par rapport à la valeur médiane (qui est aussi la valeur moyenne si la variation est symétrique). Cette définition diffère du langage courant, dans lequel l'amplitude désigne généralement l'écart entre les valeurs extrêmes d'une grandeur.
Réduction du paquet d'ondeLa réduction du paquet d'onde est un concept de la mécanique quantique selon lequel, après une mesure, un système physique voit son état entièrement réduit à celui qui a été mesuré. Pendant longtemps, le processus par lequel cette réduction a lieu a été inconnu des physiciens, ce qui les a contraint à en faire un postulat afin de rester conforme aux résultats expérimentaux. Le concept de réduction du paquet d'onde implique de nombreuses difficultés sur le plan logique et épistémologique.
Fonction périodiqueEn mathématiques, une fonction périodique est une fonction qui lorsqu'elle est appliquée à une variable, reprend la même valeur si on ajoute à cette variable une certaine quantité fixe appelée période. Des exemples de telles fonctions peuvent être obtenus à partir de phénomènes périodiques, comme l'heure indiquée par la petite aiguille d'une horloge, les phases de la lune, etc. thumb|La fonction sinus est périodique de période 2π.
Introduction à la mécanique quantiqueLe but de cet article est de présenter une introduction accessible, non technique, au sujet. Pour l'article encyclopédique consulter Mécanique quantique. La mécanique quantique est la science de l'infiniment petit : elle regroupe l'ensemble des travaux scientifiques qui interprètent le comportement des constituants de la matière, et ses interactions avec l'énergie, à l'échelle des atomes et des particules subatomiques. La physique classique décrit la matière et l'énergie à l'échelle humaine, dans leur observation de tous les jours, y compris les corps célestes.
Nombre complexeEn mathématiques, l'ensemble des nombres complexes est actuellement défini comme une extension de l'ensemble des nombres réels, contenant en particulier un nombre imaginaire noté i tel que i = −1. Le carré de (−i) est aussi égal à −1 : (−i) = −1. Tout nombre complexe peut s'écrire sous la forme x + i y où x et y sont des nombres réels. Les nombres complexes ont été progressivement introduit au par l’école mathématique italienne (Jérôme Cardan, Raphaël Bombelli, Tartaglia) afin d'exprimer les solutions des équations du troisième degré en toute généralité par les formules de Cardan, en utilisant notamment des « nombres » de carré négatif.
Sampling errorIn statistics, sampling errors are incurred when the statistical characteristics of a population are estimated from a subset, or sample, of that population. It can produced biased results. Since the sample does not include all members of the population, statistics of the sample (often known as estimators), such as means and quartiles, generally differ from the statistics of the entire population (known as parameters). The difference between the sample statistic and population parameter is considered the sampling error.
Interprétation de la mécanique quantiqueUne interprétation de la mécanique quantique est une tentative d'explication de la façon dont la théorie mathématique de la mécanique quantique « correspond » à la réalité. Bien que la mécanique quantique ait fait l'objet de démonstrations rigoureuses dans une gamme extraordinairement large d'expériences (aucune prédiction de la mécanique quantique n'a été contredite par l'expérience), il existe un certain nombre d'écoles de pensée concurrentes sur son interprétation.
Signal sinusoïdalthumb|upright|Signal sinusoïdal simple. Un signal sinusoïdal est un signal continu (onde) dont l’amplitude, observée à un endroit précis, est une fonction sinusoïdale du temps, définie à partir de la fonction sinus. La courbe associée s'appelle une sinusoïde (voir Figure 1). Un signal sinusoïdal est caractérisé par son amplitude maximale et sa fréquence.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Chimiethumb|upright=1.5|Structure chimique de l'ADN. La chimie est une science de la nature qui étudie la matière et ses transformations, et plus précisément les atomes, les molécules, les réactions chimiques et les forces qui favorisent les réactions chimiques. La chimie porte sur les éléments suivants : les éléments chimiques à l'état libre, atomes ou ions atomiques. Elle étudie également leurs associations par liaisons chimiques qui engendrent notamment des composés moléculaires stables ou des intermédiaires plus ou moins instables.
Plan complexeEn mathématiques, le plan complexe (aussi appelé plan d'Argand, plan d'Argand-Cauchy ou plan d'Argand-Gauss) désigne un plan, muni d'un repère orthonormé, dont chaque point est la représentation graphique d'un nombre complexe unique. Le nombre complexe associé à un point est appelé l'affixe de ce point. Une affixe est constituée d'une partie réelle et d'une partie imaginaire correspondant respectivement à l'abscisse et l'ordonnée du point. On associe en général le plan complexe à un repère orthonormé direct.
Postulats de la mécanique quantiquevignette|Participants au Congrès Solvay de 1927 sur la mécanique quantique Cet article traite des postulats de la mécanique quantique. La description du monde microscopique que fournit la mécanique quantique s'appuie sur une vision radicalement nouvelle, et s'oppose en cela à la mécanique classique. Elle repose sur des postulats. S'il existe un très large consensus entre les physiciens sur la manière de réaliser les calculs qui permettent de rendre compte des phénomènes quantiques et de prévoir leur évolution, il n'existe pas en revanche de consensus sur une manière unique de les expliquer aux étudiants.
