Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
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.
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.
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.
Physical neural networkA physical neural network is a type of artificial neural network in which an electrically adjustable material is used to emulate the function of a neural synapse or a higher-order (dendritic) neuron model. "Physical" neural network is used to emphasize the reliance on physical hardware used to emulate neurons as opposed to software-based approaches. More generally the term is applicable to other artificial neural networks in which a memristor or other electrically adjustable resistance material is used to emulate a neural synapse.
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
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.
Équilibre statique (mécanique)En physique, un équilibre statique est un mouvement nul. Dans le cas d’un système matériel quelconque, un mouvement nul se traduit par un champ de vecteurs vitesses nul. Dans le cas d’un solide indéformable, ce mouvement particulier est caractérisé par un torseur cinématique nul Pour un système de plusieurs solides, il faut écrire les conditions précédentes pour chacun des solides. Ceci est une conséquence du « principe fondamental de la statique » qui stipule que « la somme et le moment de toutes les forces qui s'exercent sur lui est nulle.
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.
Neuronethumb|537x537px|Schéma complet d’un neurone. Un neurone, ou une cellule nerveuse, est une cellule excitable constituant l'unité fonctionnelle de la base du système nerveux. Les neurones assurent la transmission d'un signal bioélectrique appelé influx nerveux. Ils ont deux propriétés physiologiques : l'excitabilité, c'est-à-dire la capacité de répondre aux stimulations et de convertir celles-ci en impulsions nerveuses, et la conductivité, c'est-à-dire la capacité de transmettre les impulsions.
Rotation (physique)En cinématique, l'étude des corps en rotation est une branche fondamentale de la physique du solide et particulièrement de la dynamique, y compris de la dynamique des fluides, qui complète celle du mouvement de translation. L'analyse du mouvement de rotation se prolonge y compris aux échelles atomiques, avec la dynamique moléculaire et l'étude de la fonction d'onde en mécanique quantique.
Spectroscopie rotationnelleLa spectroscopie rotationnelle, de rotation ou micro-onde étudie l'absorption et l'émission d'une onde électromagnétique (habituellement dans la région micro-onde du spectre électromagnétique) par des molécules associées aux modifications correspondantes du nombre quantique de rotation de la molécule. L'utilisation de micro-ondes en spectroscopie a été rendue possible en raison principalement du développement de la technologie associée pour le radar durant la Seconde Guerre mondiale.
Équilibre hydrostatiqueEn physique, on appelle équilibre hydrostatique l'état de repos atteint par un système lorsque la force d'attraction gravitationnelle subie par ce système est compensée par l'action des forces de pression d'un fluide (liquide, gaz ou plasma). Par exemple, les forces de pression empêchent la pesanteur de comprimer l'atmosphère terrestre en une coquille dense ; inversement, la pesanteur empêche la pression de diffuser l'atmosphère dans l'espace.
Rotational transitionIn quantum mechanics, a rotational transition is an abrupt change in angular momentum. Like all other properties of a quantum particle, angular momentum is quantized, meaning it can only equal certain discrete values, which correspond to different rotational energy states. When a particle loses angular momentum, it is said to have transitioned to a lower rotational energy state. Likewise, when a particle gains angular momentum, a positive rotational transition is said to have occurred.
MotoneuroneLes motoneurones constituent la voie de sortie du système nerveux central ou la voie finale de tout acte moteur. Les corps cellulaires des motoneurones sont situés soit dans le tronc cérébral, soit dans la corne ventrale de la substance grise de la moelle épinière. Chaque motoneurone possède un axone qui part du système nerveux central pour innerver les fibres musculaires d'un muscle. L'ensemble constitué par un motoneurone et les fibres musculaires qu'il innerve constitue une unité motrice.
Rotation de la Terrevignette|Animation montrant la rotation de la Terre vers l'Est. thumb|Cette photographie en pose longue du ciel nocturne dans l’hémisphère nord au-dessus de l’Himalaya népalais montre les trajectoires apparentes des étoiles lors de la rotation de la Terre. La rotation de la Terre est le mouvement de la Terre sur elle-même autour de l'axe des pôles géographiques qui relie le pôle Nord au pôle Sud. Il a été énoncé pour la première fois par l’astronome grec Philolaos de Crotone, au De plus, la Terre, comme chaque planète du système solaire, tourne autour du Soleil, dans un mouvement appelé la révolution.
Régularisation (mathématiques)vignette|Les courbes bleues et vertes correspondent à deux modèles differents, tous les deux étant des solutions possibles du problème consistant à décrire les coordonnées de tous les points rouges. L'application d'une régularisation favorise le modèle moins complexe correspondant à la courbe verte. Dans le domaine des mathématiques et des statistiques, et plus particulièrement dans le domaine de l'apprentissage automatique, la régularisation fait référence à un processus consistant à ajouter de l'information à un problème, s'il est mal posé ou pour éviter le surapprentissage.
État stationnaireEn physique, un procédé est dit à l'état stationnaire ou en régime stationnaire si les variables le décrivant ne varient pas avec le temps. Mathématiquement un tel état se définit par: quelle que soit propriété du système (significative dans la présente perspective). Un exemple de procédé stationnaire est un réacteur chimique dans une phase de production continue. Un tel système travaille à température, à concentrations (réactifs et produits) et à volume constants ; en revanche, la couleur ou la texture du milieu peuvent être non-significatives.
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.
PoidsLe poids est la force de la pesanteur, d'origine gravitationnelle et inertielle, exercée, par exemple, par la Terre sur un corps massique en raison uniquement du voisinage de la Terre. Son unité dans le Système international est le newton. Il est égal à l'opposé de la résultante des autres forces appliquées au centre de gravité du corps lorsque celui-ci est immobile dans le référentiel terrestre. Cette force est la résultante des efforts dus à la gravité et à la force d'inertie d'entraînement due à la rotation de la Terre sur elle-même.
