Son stéréophoniqueLe terme stéréophonie vient du grec stereo « spatial, solide » et phono « ton, le son ». Le son stéréophonique, plus communément appelé stéréo, est une méthode d'enregistrement et de reproduction sonore visant à reconstituer la répartition dans l'espace des sources d'origine. Ce relief sonore est habituellement obtenu à l'aide de deux canaux diffusés par au moins deux transducteurs (haut-parleurs ou écouteurs), eux-mêmes reliés à deux amplificateurs distincts. Dans des conditions idéales, l'auditeur perçoit les sons situés dans l'espace.
MicrophoneUn microphone (souvent appelé micro par apocope) est un transducteur électroacoustique, c'est-à-dire un appareil capable de convertir un signal acoustique en signal électrique. L'usage de microphones est aujourd'hui largement répandu et concourt à de nombreuses applications pratiques : télécommunications (téléphone, radiotéléphonie, Interphone, systèmes d'intercommunication) ; sonorisation ; radiodiffusion et télévision ; enregistrement sonore notamment musical ; mesure acoustique.
Haut-parleurvignette|Un haut-parleur électrodynamique. vignette|Schéma de coupe d'un haut-parleur électrodynamique. Un haut-parleur, ou hautparleur, est un transducteur électroacoustique destiné à produire des sons à partir d'un signal électrique. Il est en cela l'inverse du microphone. Par extension, on emploie parfois ce terme pour désigner un appareil complet destiné à la reproduction sonore (voir Enceinte). Quatre types de haut-parleurs, électrodynamique, électrostatique, piézoélectrique et isodynamique, représentent les technologies actuelles les plus courantes.
AmbisonieLambisonie (ambisonics) est une technique de capture, synthèse et reproduction d'environnement sonore. L'immersion de l'auditeur dans cet environnement virtuel se fait grâce à un nombre de haut-parleurs variant de trois à quelques dizaines. La méthode ambisonique existe en version 2D (les haut-parleurs sont tous situés dans le plan horizontal contenant la tête de l'utilisateur) et 3D (les haut-parleurs sont alors souvent disposés sur une sphère centrée sur la tête de l'utilisateur).
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Ingénieur du sonLe terme ingénieur du son est un terme générique qui peut s'appliquer à des métiers différents, avec des qualifications spécifiques. L'ingénieur du son a pour fonction d'assurer la gestion du son dans différents secteurs d'activité : cinéma (nommé généralement chef-opérateur du son) ; musique ; radio ; télévision ; sonorisation (concerts) ; spectacle vivant ; jeu vidéo. Un ingénieur du son conçoit, fabrique et opère les outils de captation et d'enregistrement pour enregistrer et mixer des programmes sonores aux moyens de machines réelles et virtuelles.
Enregistrement binauralvignette|Microphone binaural Le binaural est une des méthodes d'enregistrement cherchant à reproduire la perception sonore naturelle humaine et ce, par restitution au casque. Le principe est d'envoyer à chaque oreille un son le plus similaire possible à celui que reçoivent les oreilles quand elles écoutent une scène sonore naturelle. Cela implique d'enregistrer avec une tête artificielle et la restitution du son par un casque, car la restitution par haut-parleur introduit inévitablement une diaphonie détruisant l'effet binaural, ce qui n'a pas lieu avec un casque.
Micro-HFthumb|Micro-HF avec sa base. Le Micro-HF (pour Haute fréquence) est un micro, soit de type électrostatique à électret (« micro-cravate » ou « micro casque »), soit de type dynamique à bobine mobile ou bien encore électrostatique à condensateur. Il est composé d'une base HF (d'où son surnom de micro-HF) et d'un émetteur, lui-même connecté au micro. Puisqu'on n'a plus recours à un câble, il permet la liberté de mouvements de son utilisateur. Le micro-HF est de ce fait très employé sur les plateaux de télévision, au cinéma et pendant les concerts.
Son multicanalthumb|Le format multicanal 5.0, au centre en rouge le sweet spot. Le son surround englobe une certaine quantité de formats qui se définissent par le nombre de pistes et le nombre de canaux ou voies de reproduction (HP ou famille de HP). Le son surround englobe un éventail de techniques d'enregistrement, de mixage et de reproduction dit « surround » (« cerner », « encercler », « entourer », « environner »), c’est-à-dire, tout système de reproduction qui n'est ni monophonique ni stéréophonique.
Auto-encodeur variationnelEn apprentissage automatique, un auto-encodeur variationnel (ou VAE de l'anglais variational auto encoder), est une architecture de réseau de neurones artificiels introduite en 2013 par D. Kingma et M. Welling, appartenant aux familles des modèles graphiques probabilistes et des méthodes bayésiennes variationnelles. Les VAE sont souvent rapprochés des autoencodeurs en raison de leur architectures similaires. Leur utilisation et leur formulation mathématiques sont cependant différentes.
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.
Classifieur linéaireEn apprentissage automatique, les classifieurs linéaires sont une famille d'algorithmes de classement statistique. Le rôle d'un classifieur est de classer dans des groupes (des classes) les échantillons qui ont des propriétés similaires, mesurées sur des observations. Un classifieur linéaire est un type particulier de classifieur, qui calcule la décision par combinaison linéaire des échantillons. « Classifieur linéaire » est une traduction de l'anglais linear classifier.
Système visuel humainLe est l'ensemble des organes participant à la perception visuelle humaine, de la rétine au système sensori-moteur. Son rôle est de percevoir et d'interpréter deux images en deux dimensions en une image en trois dimensions. Il est principalement constitué de l'œil (et plus particulièrement la rétine), des nerfs optiques, du chiasma optique, du tractus optique, du corps genouillé latéral, des radiations optiques et du cortex visuel. En première approximation, l'œil peut être assimilé à un appareil photographique.
Sparse dictionary learningSparse dictionary learning (also known as sparse coding or SDL) is a representation learning method which aims at finding a sparse representation of the input data in the form of a linear combination of basic elements as well as those basic elements themselves. These elements are called atoms and they compose a dictionary. Atoms in the dictionary are not required to be orthogonal, and they may be an over-complete spanning set. This problem setup also allows the dimensionality of the signals being represented to be higher than the one of the signals being observed.
Auto-encodeurUn auto-encodeur (autoencodeur), ou auto-associateur est un réseau de neurones artificiels utilisé pour l'apprentissage non supervisé de caractéristiques discriminantes. L'objectif d'un auto-encodeur est d'apprendre une représentation (encodage) d'un ensemble de données, généralement dans le but de réduire la dimension de cet ensemble. Récemment, le concept d'auto-encodeur est devenu plus largement utilisé pour l'apprentissage de modèles génératifs.
Biologie computationnelleLa biologie computationnelle (parfois appelée biologie numérique) est une branche de la biologie qui implique le développement et l'application de méthodes d'analyse de données, d'approches théoriques, de modélisation mathématique et de techniques de simulation computationnelle pour étudier des systèmes biologiques, écologiques, comportementaux et sociaux. Le domaine est largement défini et comprend des fondements en biologie, mathématiques appliquées, statistiques, biochimie, chimie, biophysique, biologie moléculaire, génétique, génomique, informatique et évolution.
Chimie numériqueLa chimie numérique ou chimie informatique, parfois aussi chimie computationnelle, est une branche de la chimie et de la physico-chimie qui utilise les lois de la chimie théorique exploitées dans des programmes informatiques spécifiques afin de calculer structures et propriétés d'objets chimiques tels que les molécules, les solides, les agrégats atomiques (ou clusters), les surfaces, etc., en appliquant autant que possible ces programmes à des problèmes chimiques réels.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Cortex visuelLe occupe le lobe occipital du cerveau et est chargé de traiter les informations visuelles. Le cortex visuel couvre le lobe occipital, sur les faces latérales et internes, et empiète sur le lobe pariétal et le lobe temporal. L'étude du cortex visuel en neurosciences a permis de le découper en une multitude de sous-régions fonctionnelles (V1, V2, V3, V4, MT) qui traitent chacune ou collectivement des multiples propriétés des informations provenant des voies visuelles (formes, couleurs, mouvements).
Classification et catégorisation de documentsLa classification et catégorisation de documents est l'activité du traitement automatique des langues naturelles qui consiste à classer de façon automatique des ressources documentaires, généralement en provenance d'un corpus. Cette classification peut prendre une infinité de formes. On citera ainsi la classification par genre, par thème, ou encore par opinion. La tâche de classification est réalisée avec des algorithmes spécifiques, mis en œuvre par des systèmes de traitement de l'information.
