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.
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).
Visual processingVisual processing is a term that is used to refer to the brain's ability to use and interpret visual information from the world around us. The process of converting light energy into a meaningful image is a complex process that is facilitated by numerous brain structures and higher level cognitive processes. On an anatomical level, light energy first enters the eye through the cornea, where the light is bent. After passing through the cornea, light passes through the pupil and then lens of the eye, where it is bent to a greater degree and focused upon the retina.
Visual agnosiaVisual agnosia is an impairment in recognition of visually presented objects. It is not due to a deficit in vision (acuity, visual field, and scanning), language, memory, or intellect. While cortical blindness results from lesions to primary visual cortex, visual agnosia is often due to damage to more anterior cortex such as the posterior occipital and/or temporal lobe(s) in the brain.[2] There are two types of visual agnosia: apperceptive agnosia and associative agnosia. Recognition of visual objects occurs at two primary levels.
Champ visuelNormal_right_eye_visual_fild_by_campimeter.jpg Le champ visuel est la portion de l'espace vue par un œil regardant droit devant lui et immobile. Lorsque l’œil fixe un point, il est capable de détecter dans une zone d'espace limitée, des lumières, des couleurs et des formes. L'examen du champ visuel ou périmétrie étudie la sensibilité à la lumière à l'intérieur de cet espace. L'interprétation des anomalies du champ visuel permet de diagnostiquer les dysfonctionnements ou les pathologies de la voie visuelle allant de la rétine au cortex visuel occipital.
Vuethumb|250px|Ommatidies de krill antarctique, composant un œil primitif adapté à une vision sous-marine. thumb|250px|Yeux de triops, primitifs et non mobiles. thumb|250px|Yeux multiples d'une araignée sauteuse (famille des Salticidae, composée d'araignées chassant à l'affut, mode de chasse nécessitant une très bonne vision). thumb|250px|Œil de la libellule Platycnemis pennipes, offrant un champ de vision très large, adapté à un comportement de prédation.
Acuité visuellevignette|Tableau de Snellen qui permet de mesurer l'acuité visuelle humaine. L'acuité visuelle (mesurée sur un œil, en vision de loin) est la capacité de discerner un petit objet (ou optotype) situé le plus loin possible, ce qui est équivalent à voir à une distance fixe (en général cinq mètres) un optotype sous le plus petit angle possible. Le minimum visible représente la visibilité binaire d'un point ou d'une ligne (vu/non vu). Un trait ou un point de fort contraste, typiquement un trait noir sur un fond blanc, peut être distingué à partir d’un diamètre apparent de 0,5 seconde d’arc.
Champ récepteurLe champ récepteur d'un neurone sensoriel ou d'un neurone sensitif est le volume de l'espace qui modifie la réponse de ce neurone, quand un stimulus suffisamment puissant et rapide survient en son sein. De tels champs récepteurs ont été identifiés dans les systèmes visuel, auditif et somatosensoriel. Ainsi, le champ récepteur d'un neurone du système visuel est la portion du champ visuel qui, lorsqu'on présente un stimulus lumineux en son sein, modifie la réponse de ce neurone.
Fréquence de répétition des impulsions radarLa fréquence de répétition des impulsions radar (PRF, Pulse Repetition Frequency) est le nombre d'impulsions transmises chaque seconde par un radar. Son inverse appelé « période inter–impulsions » (PRT, Pulse Repetition Time) mesure le temps écoulé entre le début d'une impulsion et le début de la suivante. La fréquence de répétition des impulsions est une notion importante car elle détermine à la fois la distance maximale de détection de la cible et le maximum de vitesse Doppler qui peut être déterminé avec précision par le radar.
Radar Doppler pulséUn radar Doppler pulsé est un radar capable, non seulement de donner le cap, la distance et l'altitude d'une cible, mais aussi de mesurer sa vitesse radiale (portée-vitesse). Pour cela il utilise l'effet Doppler. Le retour des impulsions radioélectriques renvoyées par réflexion sur la cible sont traitées pour calculer le glissement de fréquence entre l'onde émise et celle qui est reçue. Pour cela, le système d'émission doit avoir une excellente stabilité de phase, on dit, dans ce cas, qu'il est « cohérent ».
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 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.
Aphasie réceptiveLaphasie réceptive (aphasie fluente ou sensorielle), également appelée aphasie de Wernicke en neuropsychologie clinique, est un trouble du langage et de la compréhension dû à une lésion ou une perturbation du développement d'une région postérieure du cerveau, plus précisément le gyrus temporal supérieur postérieur dans l'hémisphère dominant connu sous le nom de l'aire de Wernicke (correspondant à l'aire 22 de Brodmann). Un ensemble de lésions simultanées de plusieurs aires (comme l'aire 39 ou 40) conduit à une aphasie de Wernicke, dont obligatoirement l'aire 22.
Malocclusion dentaireLa malocclusion dentaire est un défaut d'alignement ou d'emboitement entre les dents des deux arcades dentaires lorsque celles-ci se rencontrent à la fermeture des mâchoires. Le terme fait référence à la manière dont les dents opposées se rencontrent (mal + occlusion = "occlusion incorrecte"). Chez l'humain, les spécialistes distinguent trois classes de malocclusion dentaire : la neutrocclusion, la distocclusion et la mésiocclusion. Cette classification est issue des travaux d'Edward Angle, le père de l'orthodontie moderne.
Réseau neuronal résidueldroite|vignette| Forme canonique d'un réseau neuronal résiduel. Une couche l − 1 est ignoré sur l'activation de l − 2. Un réseau neuronal résiduel ( ResNet ) est un réseau neuronal artificiel (ANN). Il s'agit d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents. Les sauts de connexion ou "raccourcis" sont utilisés pour passer par-dessus certaines couches ( les HighwayNets peuvent également avoir des poids pour les saut eux-mêmes, grâce à une matrice de poids supplémentaire pour leurs portes).
Base de données hiérarchiquethumb|Exemple de structure de base de données hiérarchique Une base de données hiérarchique est une base de données dont le système de gestion lie les enregistrements dans une structure arborescente où chaque enregistrement n'a qu'un seul possesseur. Par exemple, le canard appartient à la famille des anatidés qui elle-même appartient à l'ordre des ansériformes qui lui-même appartient à la classe des oiseaux qui elle-même appartient au sous-embranchement des vertébrés qui lui-même appartient au règne animal.
Vanishing gradient problemIn machine learning, the vanishing gradient problem is encountered when training artificial neural networks with gradient-based learning methods and backpropagation. In such methods, during each iteration of training each of the neural networks weights receives an update proportional to the partial derivative of the error function with respect to the current weight. The problem is that in some cases, the gradient will be vanishingly small, effectively preventing the weight from changing its value.
Hearing lossHearing loss is a partial or total inability to hear. Hearing loss may be present at birth or acquired at any time afterwards. Hearing loss may occur in one or both ears. In children, hearing problems can affect the ability to acquire spoken language, and in adults it can create difficulties with social interaction and at work. Hearing loss can be temporary or permanent. Hearing loss related to age usually affects both ears and is due to cochlear hair cell loss. In some people, particularly older people, hearing loss can result in loneliness.
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.
Radar à synthèse d'ouverturethumb|upright=1.5|Image prise par un radar à synthèse d'ouverture, monté sur satellite, de l'île de Tenerife aux îles Canaries, montrant les détails géographiques et la végétation en fausses couleurs. Un radar à synthèse d'ouverture (RSO) est un qui permet d'obtenir des images en deux dimensions ou des reconstitutions tridimensionnelles d'objets visés, tels des paysages. Pour cela, il effectue un traitement des données reçues afin d'améliorer la résolution en azimut. Le traitement effectué permet d'affiner l'ouverture de l'antenne.
