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 .
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.
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.
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.
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.
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.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
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.
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.
Système d'information géographiqueUn système d'information géographique ou SIG (en anglais, geographic information system ou GIS) est un système d'information conçu pour recueillir, stocker, traiter, analyser, gérer et présenter tous les types de données spatiales et géographiques. L’acronyme SIG est parfois utilisé pour définir les « sciences de l’information géographique » ou « études sur l’information géospatiale ». Cela se réfère aux carrières ou aux métiers qui impliquent l'usage de systèmes d’information géographique et, dans une plus large mesure, qui concernent les disciplines de la géo-informatique (ou géomatique).
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.
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.
Apprentissage auto-superviséL'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d'apprentissage automatique. Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels. Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau.
Trigonométrie sphériqueLa trigonométrie sphérique est un ensemble de relations analogues à celles de la trigonométrie euclidienne mais portant sur les angles et distances repérés sur une sphère. La figure de base est le triangle sphérique, délimité non plus par des segments de droites mais par des arcs de demi-grands cercles de cette sphère. Les règles habituelles de la trigonométrie euclidienne ne sont pas applicables ; par exemple la somme des angles d'un triangle situé sur une sphère, s'ils sont exprimés en degrés, est supérieure à 180 degrés.
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.
Coordonnées sphériquesvignette|Illustration de la convention de l'article. La position du point P est définie par la distance et par les angles (colatitude) et (longitude).|alt= On appelle coordonnées sphériques divers systèmes de coordonnées orthogonales de l'espace analogues aux coordonnées polaires du plan. Un point de l'espace est repéré dans ces systèmes par la distance à une origine (le pôle) et par deux angles. Ils sont d'emploi courant pour le repérage géographique : l'altitude, la latitude et la longitude sont une variante de ces coordonnées.
Calotte sphériquethumb|Une sphère et les deux calottes sphériques découpées par un plan En géométrie, une calotte sphérique est une portion de sphère délimitée par un plan. C'est un cas particulier de zone sphérique. Lorsque le plan passe par le centre de la sphère, on obtient un hémisphère. Cette surface de révolution sert de délimitant à deux types de solides : le secteur sphérique, portion de boule découpée par un cône le segment sphérique à une base, portion de boule découpée par un plan.
Geographical featureA feature (also called an object or entity), in the context of geography and geographic information science, is a discrete phenomenon that exists at a location in the space and scale of relevance to geography; that is, at or near the surface of Earth, at a moderate to global scale. It is one of the primary types of phenomena represented in geographic information, such as that represented in maps, geographic information systems, remote sensing imagery, statistics, and other forms of geographic discourse.
Segment sphériqueEn géométrie, un segment sphérique est le solide défini en coupant une boule avec une paire de plans parallèles. La surface du segment sphérique à l'exclusion des bases est appelée zone sphérique. Le segment sphérique est donc la partie de l’espace limitée par une zone sphérique et deux disques. Si le rayon de la sphère est appelé R, les rayons des bases des segments sphériques sont r1 et r2 et la hauteur du segment sphérique (la distance d'un plan parallèle à l'autre) appelée h, alors le volume du segment sphérique est : Lorsqu'un des plans est tangent à la sphère, on parle de segment sphérique à une base.
Sphèrevignette|Rendu en fil de fer d'une sphère dans un espace euclidien. En géométrie dans l'espace, une sphère est une surface constituée de tous les points situés à une même distance d'un point appelé centre. La valeur de cette distance au centre est le rayon de la sphère. La géométrie sphérique est la science qui étudie les propriétés des sphères. La surface de la Terre peut, en première approximation, être modélisée par une sphère dont le rayon est d'environ .
