Harmonique sphériqueEn mathématiques, les harmoniques sphériques sont des fonctions harmoniques particulières, c'est-à-dire des fonctions dont le laplacien est nul. Les harmoniques sphériques sont particulièrement utiles pour résoudre des problèmes invariants par rotation, car elles sont les vecteurs propres de certains opérateurs liés aux rotations. Les polynômes harmoniques P(x,y,z) de degré l forment un espace vectoriel de dimension 2 l + 1, et peuvent s'exprimer en coordonnées sphériques (r, θ, φ) comme des combinaisons linéaires des (2 l + 1) fonctions : avec .
Spherical basisIn pure and applied mathematics, particularly quantum mechanics and computer graphics and their applications, a spherical basis is the basis used to express spherical tensors. The spherical basis closely relates to the description of angular momentum in quantum mechanics and spherical harmonic functions. While spherical polar coordinates are one orthogonal coordinate system for expressing vectors and tensors using polar and azimuthal angles and radial distance, the spherical basis are constructed from the standard basis and use complex numbers.
Spin-weighted spherical harmonicsIn special functions, a topic in mathematics, spin-weighted spherical harmonics are generalizations of the standard spherical harmonics and—like the usual spherical harmonics—are functions on the sphere. Unlike ordinary spherical harmonics, the spin-weighted harmonics are U(1) gauge fields rather than scalar fields: mathematically, they take values in a complex line bundle. The spin-weighted harmonics are organized by degree l, just like ordinary spherical harmonics, but have an additional spin weight s that reflects the additional U(1) symmetry.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. 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.
Régression non paramétriqueLa régression non paramétrique est une forme d'analyse de la régression dans lequel le prédicteur, ou fonction d'estimation, ne prend pas de forme prédéterminée, mais est construit selon les informations provenant des données. La régression non paramétrique exige des tailles d'échantillons plus importantes que celles de la régression basée sur des modèles paramétriques parce que les données doivent fournir la structure du modèle ainsi que les estimations du modèle. On dispose de données numériques que l'on suppose corrélées.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Régression localeLa régression locale, ou LOESS, est une méthode de régression non paramétrique fortement connexe qui combine plusieurs modèles de régression multiple au sein d'un méta-modèle qui repose sur la méthode des k plus proches voisins. « LOESS » est, en anglais, l'acronyme de « LOcally Estimated Scatterplot Smoothing ». La régression locale est une alternative possible aux méthodes habituelles de régression, comme la régression par les moindres carrés linéaire ou non linéaire, dans les cas où ces dernières s'avèrent mal adaptées.
Diélectriquethumb|La séparation de charge dans un condensateur à plaques parallèles engendre un champ électrique interne. Le matériau diélectrique (en orange) réduit ce champ et augmente la capacitance. Un milieu est diélectrique (mot composé du préfixe grec (« au travers ») et électrique) s'il ne contient pas de charges électriques susceptibles de se déplacer de façon macroscopique. Le milieu ne peut donc pas conduire le courant électrique, et est souvent un isolant électrique.
Segmented regressionSegmented regression, also known as piecewise regression or broken-stick regression, is a method in regression analysis in which the independent variable is partitioned into intervals and a separate line segment is fit to each interval. Segmented regression analysis can also be performed on multivariate data by partitioning the various independent variables. Segmented regression is useful when the independent variables, clustered into different groups, exhibit different relationships between the variables in these regions.
Susceptibilité électriqueEn électromagnétisme, la susceptibilité électrique est une grandeur caractérisant la polarisation créée par un champ électrique (ou le champ électrique produit par de la matière polarisée). Ce phénomène se produit uniquement par l'intermédiaire d'un milieu matériel (souvent un matériau diélectrique), et dans de nombreux cas, si l'intensité du champ électrique utilisé est suffisamment faible ou si le diélectrique en question est isotrope, la polarisation vérifie la relation suivante : où est la permittivité du vide, et où la susceptibilité électrique est un nombre complexe sans dimension.
PermittivitéLa permittivité, plus précisément permittivité diélectrique, est une propriété physique qui décrit la réponse d'un milieu donné à un champ électrique appliqué. C'est une propriété macroscopique, essentielle de l'électrostatique, ainsi que de l‘électrodynamique des milieux continus. Elle intervient dans de nombreux domaines, notamment dans l’étude de la propagation des ondes électromagnétiques, et en particulier la lumière visible et les ondes utilisées en radiodiffusion. On la retrouve donc en optique, via l'indice de réfraction.
Régression non linéaireUne régression non linéaire consiste à ajuster un modèle, en général non linéaire, y = ƒa1, ..., am(x) pour un ensemble de valeurs (xi, yi)1 ≤ i ≤ n. Les variables xi et yi peuvent être des scalaires ou des vecteurs. Par « ajuster », il faut comprendre : déterminer les paramètres de la loi, (a1, ..., am), afin de minimiser S = ||ri||, avec : ri = yi - ƒa1, ..., am(xi). ||...|| est une norme. On utilise en général la norme euclidienne, ou norme l2 ; on parle alors de méthode des moindres carrés.
Deming regressionIn statistics, Deming regression, named after W. Edwards Deming, is an errors-in-variables model which tries to find the line of best fit for a two-dimensional dataset. It differs from the simple linear regression in that it accounts for errors in observations on both the x- and the y- axis. It is a special case of total least squares, which allows for any number of predictors and a more complicated error structure.
Relative permittivityThe relative permittivity (in older texts, dielectric constant) is the permittivity of a material expressed as a ratio with the electric permittivity of a vacuum. A dielectric is an insulating material, and the dielectric constant of an insulator measures the ability of the insulator to store electric energy in an electrical field. Permittivity is a material's property that affects the Coulomb force between two point charges in the material. Relative permittivity is the factor by which the electric field between the charges is decreased relative to vacuum.
Induction électriqueEn électromagnétisme, l’induction électrique, notée , représente en quelque sorte la densité de charge par unité d'aire (en ) ressentie en un certain point : par exemple, une sphère de rayon entourant une charge subit à cause d'elle en chacun de ses points un certain champ électrique, identique à celui qu'engendrerait la même charge uniformément répartie sur l'aire de la sphère. La densité de charge surfacique ainsi obtenue est alors l'intensité de l'induction électrique.
Régression vers la moyenneEn statistique, la régression vers la moyenne décrit le phénomène suivant : si une variable est extrême à sa première mesure, elle va généralement se rapprocher de la moyenne à sa seconde mesure. Si elle est extrême à sa seconde mesure elle va tendre à être proche de la moyenne à sa première mesure. Afin d'éviter des inférences erronées, la régression vers la moyenne doit être considérée à la base de la conception des expériences scientifiques et prise en compte lors de l'interprétation des données.
Polarisation (diélectrique)La polarisation (ou plus précisément le vecteur polarisation) est une grandeur physique macroscopique vectorielle utilisée dans l'étude des propriétés des matériaux diélectriques. Elle désigne la densité volumique de moment dipolaire électrostatique. Son unité dans le Système international est le C/m. Ce concept a été introduit par Faraday alors qu'il étudiait le comportement des isolants électriques dans des champs électrostatiques. Dans un diélectrique parfait, il n'existe pas de charges électriques libres.
CovarianceEn théorie des probabilités et en statistique, la covariance entre deux variables aléatoires est un nombre permettant de quantifier leurs écarts conjoints par rapport à leurs espérances respectives. Elle s’utilise également pour deux séries de données numériques (écarts par rapport aux moyennes). La covariance de deux variables aléatoires indépendantes est nulle, bien que la réciproque ne soit pas toujours vraie. La covariance est une extension de la notion de variance.
Covariance matrixIn probability theory and statistics, a covariance matrix (also known as auto-covariance matrix, dispersion matrix, variance matrix, or variance–covariance matrix) is a square matrix giving the covariance between each pair of elements of a given random vector. Any covariance matrix is symmetric and positive semi-definite and its main diagonal contains variances (i.e., the covariance of each element with itself). Intuitively, the covariance matrix generalizes the notion of variance to multiple dimensions.
Astuce du noyauEn apprentissage automatique, l'astuce du noyau, ou kernel trick en anglais, est une méthode qui permet d'utiliser un classifieur linéaire pour résoudre un problème non linéaire. L'idée est de transformer l'espace de représentation des données d'entrées en un espace de plus grande dimension, où un classifieur linéaire peut être utilisé et obtenir de bonnes performances. La discrimination linéaire dans l'espace de grande dimension (appelé aussi espace de redescription) est équivalente à une discrimination non linéaire dans l'espace d'origine.
