Domaine fréquentielLe domaine fréquentiel se rapporte à l'analyse de fonctions mathématiques ou de signaux physiques manifestant une fréquence. Alors qu'un graphe dans le domaine temporel présentera les variations dans l'allure d'un signal au cours du temps, un graphe dans le domaine fréquentiel montrera quelle proportion du signal appartient à telle ou telle bande de fréquence, parmi plusieurs bancs. Une représentation dans le domaine fréquentiel peut également inclure des informations sur le décalage de phase qui doit être appliqué à chaque sinusoïde afin de reconstruire le signal en domaine temporel.
Série temporellethumb|Exemple de visualisation de données montrant une tendances à moyen et long terme au réchauffement, à partir des séries temporelles de températures par pays (ici regroupés par continents, du nord au sud) pour les années 1901 à 2018. Une série temporelle, ou série chronologique, est une suite de valeurs numériques représentant l'évolution d'une quantité spécifique au cours du temps. De telles suites de variables aléatoires peuvent être exprimées mathématiquement afin d'en analyser le comportement, généralement pour comprendre son évolution passée et pour en prévoir le comportement futur.
Time–frequency analysisIn signal processing, time–frequency analysis comprises those techniques that study a signal in both the time and frequency domains simultaneously, using various time–frequency representations. Rather than viewing a 1-dimensional signal (a function, real or complex-valued, whose domain is the real line) and some transform (another function whose domain is the real line, obtained from the original via some transform), time–frequency analysis studies a two-dimensional signal – a function whose domain is the two-dimensional real plane, obtained from the signal via a time–frequency transform.
Domaine temporelLe domaine temporel se rapporte à l'analyse de fonctions mathématiques ou de signaux physiques modélisant une variation quelconque au cours du temps. En domaine temporel, la valeur de la fonction ou du signal est connue, soit en quelques points discrets de la durée d'analyse, ou éventuellement, pour tous les nombres réels. L'oscilloscope est parmi les outils usuels permettant de visualiser les signaux physiques du domaine temporel. Domaine fréquentiel Temps (physique) Catégorie:Analyse du signal Catégorie:
Nombre complexeEn mathématiques, l'ensemble des nombres complexes est actuellement défini comme une extension de l'ensemble des nombres réels, contenant en particulier un nombre imaginaire noté i tel que i = −1. Le carré de (−i) est aussi égal à −1 : (−i) = −1. Tout nombre complexe peut s'écrire sous la forme x + i y où x et y sont des nombres réels. Les nombres complexes ont été progressivement introduit au par l’école mathématique italienne (Jérôme Cardan, Raphaël Bombelli, Tartaglia) afin d'exprimer les solutions des équations du troisième degré en toute généralité par les formules de Cardan, en utilisant notamment des « nombres » de carré négatif.
Moving-average modelIn time series analysis, the moving-average model (MA model), also known as moving-average process, is a common approach for modeling univariate time series. The moving-average model specifies that the output variable is cross-correlated with a non-identical to itself random-variable. Together with the autoregressive (AR) model, the moving-average model is a special case and key component of the more general ARMA and ARIMA models of time series, which have a more complicated stochastic structure.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
Analyse complexeL'analyse complexe est un domaine des mathématiques traitant des fonctions à valeurs complexes (ou, plus généralement, à valeurs dans un C-espace vectoriel) et qui sont dérivables par rapport à une ou plusieurs variables complexes. Les fonctions dérivables sur un ouvert du plan complexe sont appelées holomorphes et satisfont de nombreuses propriétés plus fortes que celles vérifiées par les fonctions dérivables en analyse réelle. Entre autres, toute fonction holomorphe est analytique et vérifie le principe du maximum.
Fonction de plusieurs variables complexesLa théorie des fonctions de plusieurs variables complexes est une branche des mathématiques traitant des fonctions à variables complexes. On définit de cette manière une fonction de Cn dans C, dont on peut noter les variables . L'analyse complexe correspond au cas . H. Cartan: Théorie élémentaire des fonctions analytiques d'une ou plusieurs variables complexes. Hermann, Paris, 1961. C. Laurent-Thiébaut : Théorie des fonctions holomorphes de plusieurs variables. EDP Sciences, 1997. V.S.
SemanticsSemantics () is the study of reference, meaning, or truth. The term can be used to refer to subfields of several distinct disciplines, including philosophy, linguistics and computer science. In English, the study of meaning in language has been known by many names that involve the Ancient Greek word σῆμα (sema, "sign, mark, token"). In 1690, a Greek rendering of the term semiotics, the interpretation of signs and symbols, finds an early allusion in John Locke's An Essay Concerning Human Understanding: The third Branch may be called σημειωτική [simeiotikí, "semiotics"], or the Doctrine of Signs, the most usual whereof being words, it is aptly enough termed also λογικὴ, Logick.
Coloration de régionsLa coloration de régions est une technique de représentation des fonctions complexes. Le terme vient de l'anglais "domain coloring", inventé par Frank Farris aux alentours de 1998. La couleur avait déjà été utilisée plus tôt pour visualiser les fonctions complexes, en général en associant l'argument à la couleur. La technique consistant à utiliser une variation continue de couleur pour associer les points de l'ensemble de départ à l'ensemble d'arrivée ou au plan image a été utilisée en 1999 par George Abdo et Paul Godfrey.
TensorFlowTensorFlow est un outil open source d'apprentissage automatique développé par Google. Le code source a été ouvert le par Google et publié sous licence Apache. Il est fondé sur l'infrastructure DistBelief, initiée par Google en 2011, et est doté d'une interface pour Python, Julia et R TensorFlow est l'un des outils les plus utilisés en IA dans le domaine de l'apprentissage machine. À partir de 2011, Google Brain a développé un outil propriétaire d'apprentissage automatique fondé sur l'apprentissage profond.
ÉlectroencéphalographieL'électroencéphalographie (EEG) est une méthode d'exploration cérébrale qui mesure l'activité électrique du cerveau par des électrodes placées sur le cuir chevelu souvent représentée sous la forme d'un tracé appelé électroencéphalogramme. Comparable à l'électrocardiogramme qui permet d'étudier le fonctionnement du cœur, l'EEG est un examen indolore et non invasif qui renseigne sur l'activité neurophysiologique du cerveau au cours du temps et en particulier du cortex cérébral soit dans un but diagnostique en neurologie, soit dans la recherche en neurosciences cognitives.
Attribution causaleEn psychologie sociale, le concept d'attribution causale désigne un processus par lequel les personnes expliquent et jugent autrui et l'environnement dans lequel elles évoluent en inférant les causes des comportements et des évènements. Le psychologue américain Fritz Heider en est le fondateur. Il considérait notamment que la démarche de l’homme de la rue, dans sa recherche de causes, s’apparente à la démarche scientifique. Heider parle d'auto-attribution lorsque l’évènement concerne un sujet qui réalise l’attribution causale en tant qu’acteur.
Domain (mathematical analysis)In mathematical analysis, a domain or region is a non-empty connected open set in a topological space, in particular any non-empty connected open subset of the real coordinate space Rn or the complex coordinate space Cn. A connected open subset of coordinate space is frequently used for the domain of a function, but in general, functions may be defined on sets that are not topological spaces.
PyTorchPyTorch est une bibliothèque logicielle Python open source d'apprentissage machine qui s'appuie sur développée par Meta. PyTorch est gouverné par la PyTorch Foundation. PyTorch permet d'effectuer les calculs tensoriels nécessaires notamment pour l'apprentissage profond (deep learning). Ces calculs sont optimisés et effectués soit par le processeur (CPU) soit, lorsque c'est possible, par un processeur graphique (GPU) supportant CUDA.
Intégrale curviligneEn géométrie différentielle, l'intégrale curviligne est une intégrale où la fonction à intégrer est évaluée sur une courbe Γ. Il y a deux types d'intégrales curvilignes, selon que la fonction est à valeurs réelles ou à valeurs dans les formes linéaires. Le second type (qui peut se reformuler en termes de circulation d'un champ de vecteurs) a comme cas particulier les intégrales que l'on considère en analyse complexe. Dans cet article, Γ est un arc orienté dans R, rectifiable c'est-à-dire paramétré par une fonction continue à variation bornée t ↦ γ(t), avec t ∈ [a, b].
Ensemble de définitionEn mathématiques, l'ensemble de définition (également appelé domaine de définition ou parfois ensemble de départ, voir la discussion plus bas) d'une application ou d'une fonction désigne informellement l'ensemble des entrées acceptées par elle. La terminologie entre ensemble de définition et ensemble de départ diffère si l'on fait la distinction entre la notion de fonction et d'application ou non.
Segmentation d'imageLa segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
Modèles ARCHEn économétrie, les modèles ARCH (AutoRegressive Conditional Heteroskedasticity) sont utilisés pour caractériser et modéliser des séries chronologiques. Ces modèles sont souvent appelés les modèles ARCH (Robert F. Engle, 1982), bien qu'une variété d'autres acronymes sont appliqués à des structures particulières du modèle qui ont une base similaire. Les modèles ARCH sont employés couramment dans la modélisation de séries temporelles financières, qui comportent des volatilités variables c'est-à-dire des périodes agitées suivies par des périodes de calme relatif.
