Mémoire à court termeLa mémoire à court terme (MCT) désigne en psychologie le type de mémoire qui permet de retenir et de réutiliser une quantité limitée d'informations pendant un temps relativement court, environ une demi-minute. Un grand nombre de recherches en psychologie cognitive ont cherché à déterminer les caractéristiques (capacité, durée, fonctionnement) et le rôle de la mémoire à court terme dans la cognition. Le concept de mémoire à court terme est assez ancien en psychologie scientifique.
Mémoire (psychologie)thumb|350px|Les formes et fonctions de la mémoire en sciences. En psychologie, la mémoire est la faculté de l'esprit d'enregistrer, conserver et rappeler les expériences passées. Son investigation est réalisée par différentes disciplines : psychologie cognitive, neuropsychologie, et psychanalyse. thumb|Pyramide des cinq systèmes de mémoire. Le courant cognitiviste classique regroupe habituellement sous le terme de mémoire les processus dencodage, de stockage et de récupération des représentations mentales.
Mémoire de travailLe système cognitif fonctionne en acquérant, filtrant et traitant des informations vitales, utiles, potentiellement utiles à court, moyen et long termes ; il a donc besoin de stocker (mémoriser) ces informations. Le cerveau semble pour cela disposer de systèmes différents, mais complémentaires, de mémoire à long terme et de mémoire à court terme. La notion de mémoire de travail, apparue dans les années 1970 désigne .
Mémoire à long termeEn psychologie cognitive, la mémoire à long terme (MLT) est la mémoire qui permet de retenir, de manière illimitée, une information sur des périodes de temps très longues (années). La notion de MLT est un concept utilisé dans les modèles de mémoire qui distinguent plusieurs sous-systèmes en fonction du type d'information mémorisé et de la durée de rétention. La mémoire à long terme s'oppose ainsi au registre sensoriel (ou mémoire sensorielle), à la mémoire à court terme et à la mémoire de travail.
Long short-term memoryLong short-term memory (LSTM) network is a recurrent neural network (RNN), aimed to deal with the vanishing gradient problem present in traditional RNNs. Its relative insensitivity to gap length is its advantage over other RNNs, hidden Markov models and other sequence learning methods. It aims to provide a short-term memory for RNN that can last thousands of timesteps, thus "long short-term memory".
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.
Géométrie symplectiqueLa géométrie symplectique est un domaine de la recherche mathématique, s'intéressant à l'origine à une formulation mathématique naturelle de la mécanique classique et développé avec une notion d'entrelacement entre la géométrie différentielle et les systèmes dynamiques, avec des applications en géométrie algébrique, en géométrie riemannienne et en géométrie de contact. Formellement, elle consiste en l'étude des 2-formes différentielles fermées non dégénérées — appelées formes symplectiques — sur les variétés différentielles.
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.
Structure de données persistanteEn informatique, une structure de données persistante est une structure de données qui préserve ses versions antérieures lorsqu'elle est modifiée ; une telle structure est immuable, car ses opérations ne la modifient pas en place (de manière visible) mais renvoient au contraire de nouvelles structures. Une structure est partiellement persistante si seule sa version la plus récente peut être modifiée, les autres n'étant accessibles qu'en lecture. La structure est dite totalement persistante si chacune de ses versions peut être lue ou modifiée.
Débit (physique)Le débit est la quantité d'une grandeur qui traverse une surface donnée par unité de temps. Il permet de quantifier un déplacement de matière ou d'énergie. Le terme débit est le plus souvent associé au débit volumique : il quantifie alors le volume qui traverse une surface, une section, par unité de temps. Le débit massique caractérise la masse qui traverse la surface par unité de temps. Il s'agit de notions centrales dans une situation d'écoulement de fluide.
Fluide incompressibleUn fluide incompressible est un fluide dont le volume est considéré comme constant quelle que soit la pression qu'il subit, tout fluide étant en réalité sensible à la pression. Par nature, tous les fluides sont compressibles, certains plus que d'autres, et en phase gazeuse considérablement plus qu'en phase liquide. La compressibilité d'un fluide mesure la variation de volume d'une certaine quantité de ce fluide lorsqu'il est soumis à une pression extérieure.
Dynamique des fluidesLa dynamique des fluides (hydrodynamique ou aérodynamique), est l'étude des mouvements des fluides, qu'ils soient liquides ou gazeux. Elle fait partie de la mécanique des fluides avec l'hydrostatique (statique des fluides). La résolution d'un problème de dynamique des fluides demande de calculer diverses propriétés des fluides comme la vitesse, la viscosité, la densité, la pression et la température en tant que fonctions de l'espace et du temps.
Encoding (memory)Memory has the ability to encode, store and recall information. Memories give an organism the capability to learn and adapt from previous experiences as well as build relationships. Encoding allows a perceived item of use or interest to be converted into a construct that can be stored within the brain and recalled later from long-term memory. Working memory stores information for immediate use or manipulation, which is aided through hooking onto previously archived items already present in the long-term memory of an individual.
Statistical mechanicsIn physics, statistical mechanics is a mathematical framework that applies statistical methods and probability theory to large assemblies of microscopic entities. It does not assume or postulate any natural laws, but explains the macroscopic behavior of nature from the behavior of such ensembles. Sometimes called statistical physics or statistical thermodynamics, its applications include many problems in the fields of physics, biology, chemistry, and neuroscience.
Mécanique des fluidesLa mécanique des fluides est un domaine de la physique consacré à l’étude du comportement des fluides (liquides, gaz et plasmas) et des forces internes associées. C’est une branche de la mécanique des milieux continus qui modélise la matière à l’aide de particules assez petites pour relever de l’analyse mathématique, mais assez grandes par rapport aux molécules pour être décrites par des fonctions continues. Elle comprend deux sous-domaines : la statique des fluides, qui est l’étude des fluides au repos, et la dynamique des fluides, qui est l’étude des fluides en mouvement.
Combinaison linéaireEn mathématiques, une combinaison linéaire est une expression construite à partir d'un ensemble de termes en multipliant chaque terme par une constante et en ajoutant le résultat. Par exemple, une combinaison linéaire de x et y serait une expression de la forme ax + by, où a et b sont des constantes. Le concept de combinaison linéaire est central en algèbre linéaire et dans des domaines connexes des mathématiques. La majeure partie de cet article traite des combinaisons linéaires dans le contexte d'espace vectoriel sur un corps commutatif, et indique quelques généralisations à la fin de l'article.
Espace tangentL'espace tangent en un point p d'une variété différentielle M est un espace vectoriel qui intuitivement est l'ensemble de tous les vecteurs-vitesse possibles d'un « mobile » se déplaçant (sans pouvoir la quitter) dans la variété M quand il est en p. Une façon commune en physique de décrire l'espace tangent est de dire que les vecteurs qu'il contient représentent les différences entre ce point et des points de la variété infiniment proches du premier.
Mémoire spatialevignette|La mémoire spatiale est nécessaire pour naviguer dans un environnement. La mémoire spatiale est la partie de la mémoire d'un individu responsable de l'enregistrement des informations concernant l'espace environnant et l'orientation spatiale de l'individu dans celui-ci. La mémoire spatiale est ainsi requise pour la navigation spatiale dans un lieu connu, comme dans un quartier familier. Elle est étudiée en neuroscience (chez le rat) et en psychologie cognitive (chez l'homme).
Espace vectoriel symplectiqueEn algèbre, un espace vectoriel est symplectique quand on le munit d'une forme symplectique, c'est-à-dire une forme bilinéaire alternée et non dégénérée. L'étude de ces espaces vectoriels présente quelques ressemblances avec l'étude des espaces préhilbertiens réels puisqu'on y définit également la notion d'orthogonalité. Mais il y a de fortes différences, ne serait-ce que parce que tout vecteur est orthogonal à lui-même. Les espaces vectoriels symplectiques servent de modèles pour définir les variétés symplectiques, étudiées en géométrie symplectique.
Mécanique newtonienneLa mécanique newtonienne est une branche de la physique. Depuis les travaux d'Albert Einstein, elle est souvent qualifiée de mécanique classique. La mécanique classique ou mécanique newtonienne est une théorie physique qui décrit le mouvement des objets macroscopiques lorsque leur vitesse est faible par rapport à celle de la lumière. Avant de devenir une science à part entière, la mécanique a longtemps été une section des mathématiques. De nombreux mathématiciens y ont apporté une contribution souvent décisive, parmi eux des grands noms tels qu'Euler, Cauchy, Lagrange.
