Analyse numériqueL’analyse numérique est une discipline à l'interface des mathématiques et de l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse mathématique. Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre numériquement par discrétisation les problèmes de mathématiques continues (distinguées des mathématiques discrètes).
BromeLe brome est l'élément chimique de numéro atomique 35, de symbole Br. C'est un membre de la famille des halogènes. Le corps simple brome, de formule chimique Br2 (dibrome, formé de molécules homonucléaires diatomiques), est un liquide de couleur brunâtre dans les conditions normales de température et de pression. Carl Löwig et Antoine-Jérôme Balard ont découvert ce corps simple en 1825 et 1826, indépendamment l'un de l'autre. Son nom dérive du grec , en raison de son odeur piquante.
Classement automatiquevignette|La fonction 1-x^2-2exp(-100x^2) (rouge) et les valeurs déplacées par un bruit de 0,1*N(0,1). Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se fondant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes. En français, le classement fait référence à l'action de classer donc de « ranger dans une classe ».
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.
Vision par ordinateurLa vision par ordinateur est un domaine scientifique et une branche de l’intelligence artificielle qui traite de la façon dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d's ou de vidéos numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les tâches que le système visuel humain peut effectuer. Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, et « comprendre » des images numériques, et extraire des données afin de produire des informations numériques ou symboliques, par ex.
Réduction de la dimensionnalitévignette|320x320px|Animation présentant la projection de points en deux dimensions sur les axes obtenus par analyse en composantes principales, une méthode populaire de réduction de la dimensionnalité La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension.
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.
Spent nuclear fuelSpent nuclear fuel, occasionally called used nuclear fuel, is nuclear fuel that has been irradiated in a nuclear reactor (usually at a nuclear power plant). It is no longer useful in sustaining a nuclear reaction in an ordinary thermal reactor and, depending on its point along the nuclear fuel cycle, it will have different isotopic constituents than when it started. Nuclear fuel rods become progressively more radioactive (and less thermally useful) due to neutron activation as they are fissioned, or "burnt" in the reactor.
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.
Tableau périodique étenduredresse=1.5|vignette|Tableau périodique étendu proposé par P. Pyykkö. Un tableau périodique étendu est un tableau périodique comportant des éléments chimiques au-delà de la , éléments hypothétiques de numéro atomique supérieur à 118 (correspondant à l'oganesson) classés en fonction de leurs configurations électroniques calculées. Le premier tableau périodique étendu a été théorisé par Glenn Seaborg en 1969 : il prévoyait une contenant du bloc g et une nouvelle famille d'éléments chimiques dite des « superactinides ».
MétalloïdeUn métalloïde est un élément chimique ou sont une combinaison de ces propriétés. Dans la littérature scientifique, faute de définition standard des métalloïdes, la liste des éléments classés dans cette famille varie selon les auteurs. Les six éléments généralement reconnus comme métalloïdes sont le bore B, le silicium Si, le germanium Ge, l'arsenic As, l'antimoine Sb et le tellure Te. Cinq autres sont moins fréquemment classés parmi les métalloïdes : le carbone C, l'aluminium Al, le sélénium Se, le polonium Po et l'astate At.
Forêt d'arbres décisionnelsvignette|Illustration du principe de construction d'une forêt aléatoire comme agrégation d'arbre aléatoires. En apprentissage automatique, les forêts d'arbres décisionnels (ou forêts aléatoires de l'anglais random forest classifier) forment une méthode d'apprentissage ensembliste. Ils ont été premièrement proposées par Ho en 1995 et ont été formellement proposées en 2001 par Leo Breiman et Adele Cutler. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging.
