Théorème de convergence dominéeEn mathématiques, et plus précisément en analyse, le théorème de convergence dominée est un des théorèmes principaux de la théorie de l'intégration de Lebesgue. Soit une suite de fonctions continues à valeurs réelles ou complexes sur un intervalle de la droite réelle. On fait les deux hypothèses suivantes : la suite converge simplement vers une fonction ; il existe une fonction continue telle queAlors L'existence d'une fonction intégrable majorant toutes les fonctions f équivaut à l'intégrabilité de la fonction (la plus petite fonction majorant toutes les fonctions f).
Limite (mathématiques)En analyse mathématique, la notion de limite décrit l’approximation des valeurs d'une suite lorsque l'indice tend vers l’infini, ou d'une fonction lorsque la variable se rapproche d’un point (éventuellement infini) au bord du domaine de définition. Si une telle limite existe dans l’ensemble d’arrivée, on dit que la suite ou la fonction est convergente (au point étudié). Si ce n’est pas le cas, elle est divergente, comme dans le cas de suites et fonctions périodiques non constantes (telle la fonction sinus en +∞).
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.
Décroissance exponentiellethumb|La décharge d'un condensateur est à décroissance exponentielle. La décroissance exponentielle d'une quantité est sa diminution au fil du temps selon une loi exponentielle. On l'observe quand la dérivée par rapport au temps de cette quantité (c'est-à-dire son taux de variation instantané) est négative et proportionnelle à la quantité elle-même. Dans la langue courante on emploie souvent, mais improprement, le terme « décroissance exponentielle » pour qualifier une diminution simplement décélérée, quand la valeur absolue de la dérivée est elle-même décroissante.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Énergie potentielleL'énergie potentielle d'un système physique est l'énergie liée à une interaction, qui a la capacité de se transformer en d'autres formes d'énergie, le plus souvent en énergie cinétique, une énergie de mouvement. La force qui modélise l'interaction est une force conservative c'est-à-dire que son travail ne dépend pas du chemin suivi lors du déplacement, mais uniquement du point de départ et du point d'arrivée : .
Théorie de la perturbation (mécanique quantique)En mécanique quantique, la théorie de la perturbation, ou théorie des perturbations, est un ensemble de schémas d'approximations liée à une perturbation mathématique utilisée pour décrire un système quantique complexe de façon simplifiée. L'idée est de partir d'un système simple et d'appliquer graduellement un hamiltonien « perturbant » qui représente un écart léger par rapport à l'équilibre du système (perturbation).
Potentiel newtonienLa notion de potentiel est une notion essentiellement mathématique. Elle s’introduit non seulement en mécanique mais aussi dans bien d’autres domaines de la science comme la physique, l’électricité ou encore la thermodynamique. On appelle potentiel newtonien tout potentiel scalaire « en ». Dans cet article, on a muni le plan ou l'espace d'un repère orthonormal dans lequel toutes les coordonnées sont exprimées. Tout point y possède des coordonnées du type (x,y,z). Soit F, une force appliquée au point P (x,y,z).
Règle de d'Alembertvignette|Jean Le Rond d'Alembert, mathématicien français. La règle de d'Alembert (ou critère de d'Alembert), doit son nom au mathématicien français Jean le Rond d'Alembert. C'est un test de convergence pour une série à termes positifs. Dans certains cas, elle permet d'établir la convergence absolue d'une série à termes complexes ou vectoriels, ou au contraire sa divergence. Soit (u) une suite de réels strictement positifs. On note et les limites inférieure et supérieure des quotients successifs : Si , alors la série de terme général u converge.
Rule-based machine learningRule-based machine learning (RBML) is a term in computer science intended to encompass any machine learning method that identifies, learns, or evolves 'rules' to store, manipulate or apply. The defining characteristic of a rule-based machine learner is the identification and utilization of a set of relational rules that collectively represent the knowledge captured by the system. This is in contrast to other machine learners that commonly identify a singular model that can be universally applied to any instance in order to make a prediction.
Perturbation (astronomie)Perturbation est un terme utilisé en astronomie en relation avec la description du mouvement complexe d'un objet massif soumis aux effets gravitationnels significatifs de plus d'un autre objet massif. Un tel mouvement complexe peut être décomposé schématiquement en composantes. Premièrement, il y a le mouvement hypothétique que le corps suivrait, s'il se déplaçait sous l'effet gravitationnel de l'autre corps seulement. Exprimé en d'autres termes, un tel mouvement peut être vu comme une solution du problème à deux corps, ou d'une orbite képlérienne non perturbée.
Multigrid methodIn numerical analysis, a multigrid method (MG method) is an algorithm for solving differential equations using a hierarchy of discretizations. They are an example of a class of techniques called multiresolution methods, very useful in problems exhibiting multiple scales of behavior. For example, many basic relaxation methods exhibit different rates of convergence for short- and long-wavelength components, suggesting these different scales be treated differently, as in a Fourier analysis approach to multigrid.
