AvalancheUne avalanche () de neige est d'abord un phénomène physique : une masse de neige qui se détache puis dévale un versant de montagne sous l'effet de la pesanteur, ou, formulé autrement, le mouvement rapide sur une grande pente d'un volume de neige, à la suite d'une rupture d'équilibre dans le manteau neigeux initial. Une avalanche de neige est aussi un aléa avec la possibilité qu'une telle menace (déclenchement, écoulement, impact) se réalise dans un lieu donné à un instant donné.
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.
Imagerie sismiqueL'imagerie sismique est une méthode géophysique d'observation de la subsurface. Elle permet de visualiser les structures géologiques en profondeur grâce à l'analyse des échos d'ondes sismiques. Elle ne doit pas être confondue avec la sismologie, qui est l'étude des ondes sismiques et des séismes pour eux-mêmes. Les ondes sismiques peuvent être d'origines naturelles (séisme) ou artificielles. Le signal initial est généralement issu d'une source prévue pour l'imagerie (camion vibreur, explosif, canon à air, etc.
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 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 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.
Temps (météorologie)Le temps ou la météo est l'ensemble des conditions physiques des basses couches de l'atmosphère à un moment précis et en un point précis. Sont communément associées au temps les conditions météorologiques dont les effets peuvent être directement ressentis : ennuagement ou rayonnement solaire, température, vent, précipitations et également visibilité. L'étude et la prévision du temps s'appellent la météorologie.
Prévision météorologiqueLa prévision météorologique est une application des connaissances en météorologie et des techniques modernes de prises de données et d’informatique pour prévoir l’état de l’atmosphère à un temps ultérieur. L’histoire de la prévision du temps remonte aux temps immémoriaux avec les oracles et devins mais la science moderne date vraiment de la fin du et du début du . Elle s’est cependant affirmée depuis la Seconde Guerre mondiale alors que les moyens techniques comme le radar et les communications modernes ont rendu l’accès aux données plus rapide et plus nombreuses.
Station météorologiqueUne station météorologique, parfois désignée par synecdoque abri météorologique, est un ensemble de capteurs qui enregistrent et fournissent des mesures physiques et des paramètres météorologiques liés aux variations du climat, ces capteurs étant placés dans un boîtier, abri météorologique qui réalise l'équilibre thermique du thermomètre avec l'air et le protège du rayonnement solaire. Les variables à mesurer sont la température, la pression, la vitesse et direction du vent, l'hygrométrie, le point de rosée, la pluviométrie, la hauteur et le type des nuages, le type et l'intensité des précipitations ainsi que la visibilité.
Seismic sourceA seismic source is a device that generates controlled seismic energy used to perform both reflection and refraction seismic surveys. A seismic source can be simple, such as dynamite, or it can use more sophisticated technology, such as a specialized air gun. Seismic sources can provide single pulses or continuous sweeps of energy, generating seismic waves, which travel through a medium such as water or layers of rocks. Some of the waves then reflect and refract and are recorded by receivers, such as geophones or hydrophones.
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.
Onde sismiquethumb|Différentes ondes sismiques.|alt= Les ondes sismiques, ou ondes élastiques, sont des mouvements vibratoires qui se propagent à travers un milieu matériel et peuvent le modifier irréversiblement si leur amplitude est suffisante. Elles sont engendrées par un événement initial, généralement un séisme. L'impulsion de départ déplace les atomes du milieu, qui en poussent d'autres avant de reprendre leur place, ces déplacements oscillatoires se propageant ensuite de proche en proche.
Convolutional codeIn telecommunication, a convolutional code is a type of error-correcting code that generates parity symbols via the sliding application of a boolean polynomial function to a data stream. The sliding application represents the 'convolution' of the encoder over the data, which gives rise to the term 'convolutional coding'. The sliding nature of the convolutional codes facilitates trellis decoding using a time-invariant trellis. Time invariant trellis decoding allows convolutional codes to be maximum-likelihood soft-decision decoded with reasonable complexity.
Alarme anti-intrusionUne alarme anti-intrusion est un système conçu pour détecter toute entrée non autorisée dans un bâtiment ou une zone. vignette|Centrale d'alarme L'alarme pour prévenir certains cambriolages est constituée par des détecteurs de mouvement placés à la porte d'entrée et éventuellement aux fenêtres du local à protéger. Si elle est amorcée, toute personne qui pénètre les lieux dispose de plusieurs secondes pour composer un code permettant de le désactiver, faute de quoi une sirène se déclenche afin de faire fuir les intrus et de prévenir les riverains.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
NeocognitronNOTOC The neocognitron is a hierarchical, multilayered artificial neural network proposed by Kunihiko Fukushima in 1979. It has been used for Japanese handwritten character recognition and other pattern recognition tasks, and served as the inspiration for convolutional neural networks. The neocognitron was inspired by the model proposed by Hubel & Wiesel in 1959. They found two types of cells in the visual primary cortex called simple cell and complex cell, and also proposed a cascading model of these two types of cells for use in pattern recognition tasks.
Système de classeursUn système de classeurs (Learning Classifier System ou LCS en anglais) est un système d'apprentissage automatique utilisant l'apprentissage par renforcement et les algorithmes génétiques. Ils ont été introduits par Holland en 1977 et développé par Goldberg en 1989 Un système de classeurs (aussi appelé classifiers) est composé d'une base de règles, appelée classeur, associés à un poids. Chaque règle est composée d'une partie condition et d'une partie action. Le classeur commence par être initialisé (aléatoirement ou non).
Prévision des orages violentsLa prévision des orages violents est la partie de la météorologie d'exploitation qui tente de prévoir le développement, l'intensité, le type de danger et les zones affectées par les orages pouvant donner de la grosse grêle, des vents destructeurs, des tornades et des pluies torrentielles. La tâche du météorologue est d'appréhender tout d'abord comment se développe un orage violent, puis d'analyser le potentiel actuel et futur de l'orage au-dessus des régions sous sa responsabilité et enfin d’appliquer des techniques diagnostiques et des simulations informatiques pour prévoir leur développement.
