Surface minimaleEn mathématiques et en physique, une surface minimale est une surface minimisant son aire tout en réalisant une contrainte : un ensemble de points, ou le bord de la surface, est d'avance déterminé. Si un cerceau est retiré d'une bassine d'eau savonneuse, un disque de liquide reste fixé. Un souffle dessus déforme légèrement le disque en une calotte sphérique. Si l'étude fait appel à la mécanique des fluides, le traitement mathématique utilise le langage des surfaces minimales.
Schwarz minimal surfaceIn differential geometry, the Schwarz minimal surfaces are periodic minimal surfaces originally described by Hermann Schwarz. In the 1880s Schwarz and his student E. R. Neovius described periodic minimal surfaces. They were later named by Alan Schoen in his seminal report that described the gyroid and other triply periodic minimal surfaces. The surfaces were generated using symmetry arguments: given a solution to Plateau's problem for a polygon, reflections of the surface across the boundary lines also produce valid minimal surfaces that can be continuously joined to the original solution.
Surface d'EnneperUne surface d'Enneper est une surface minimale, paramétrisée en 1863 par le mathématicien allemand Alfred Enneper. On peut la décrire par un paramétrage cartésien : Cette surface représente un film de savon « fantôme », c’est-à-dire un équilibre instable de l’énergie potentielle. On peut imaginer une surface d'Enneper comme s'appuyant sur un contour comme celui tracé sur une balle de tennis. Sur ce contour, deux films de savon réels peuvent s'accrocher : un pour chaque moitié de la surface de la balle de tennis.
K-moyennesLe partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.
Surfaces de ScherkIn mathematics, a Scherk surface (named after Heinrich Scherk) is an example of a minimal surface. Scherk described two complete embedded minimal surfaces in 1834; his first surface is a doubly periodic surface, his second surface is singly periodic. They were the third non-trivial examples of minimal surfaces (the first two were the catenoid and helicoid). The two surfaces are conjugates of each other. Scherk surfaces arise in the study of certain limiting minimal surface problems and in the study of harmonic diffeomorphisms of hyperbolic space.
Determining the number of clusters in a data setDetermining the number of clusters in a data set, a quantity often labelled k as in the k-means algorithm, is a frequent problem in data clustering, and is a distinct issue from the process of actually solving the clustering problem. For a certain class of clustering algorithms (in particular k-means, k-medoids and expectation–maximization algorithm), there is a parameter commonly referred to as k that specifies the number of clusters to detect.
Partitionnement de donnéesvignette|upright=1.2|Exemple de clustering hiérarchique. Le partitionnement de données (ou data clustering en anglais) est une méthode en analyse des données. Elle vise à diviser un ensemble de données en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets.
Surface rationnelleEn géométrie algébrique, une branche des mathématiques, une surface rationnelle est une surface birationnellement équivalente à un plan projectif, ou en d'autres termes, une variété rationnelle de dimension deux. Chaque surface rationnelle non-singulière peut être obtenue après plusieurs éclatements d'une surface rationnelle minimale. Les surfaces rationnelles minimales sont des surfaces de Hirzebruch Σr pour r = 0 ou r ≥ 2. Diamant de Hodge où n est égal à 0 pour le plan projectif, 1 pour les surfaces de Hirzebruch et supérieur à 1 pour les autres surfaces rationnelles.
Correlation clusteringClustering is the problem of partitioning data points into groups based on their similarity. Correlation clustering provides a method for clustering a set of objects into the optimum number of clusters without specifying that number in advance. Cluster analysis In machine learning, correlation clustering or cluster editing operates in a scenario where the relationships between the objects are known instead of the actual representations of the objects.
List of complex and algebraic surfacesThis is a list of named algebraic surfaces, compact complex surfaces, and families thereof, sorted according to their Kodaira dimension following Enriques–Kodaira classification. Projective plane Cone (geometry) Cylinder Ellipsoid Hyperboloid Paraboloid Sphere Spheroid Cayley nodal cubic surface, a certain cubic surface with 4 nodes Cayley's ruled cubic surface Clebsch surface or Klein icosahedral surface Fermat cubic Monkey saddle Parabolic conoid Plücker's conoid Whitney umbrella Châtelet surfaces Dupin
Structure spinorielleEn géométrie différentielle, il est possible de définir sur certaines variétés riemanniennes la notion de structure spinorielle (qui se décline en structures Spin ou Spinc), étendant ainsi les considérations algébriques sur le groupe spinoriel et les spineurs. En termes imagés, il s'agit de trouver, dans le cadre des « espaces courbes », une géométrie « cachée » à l’œuvre derrière les concepts géométriques ordinaires. On peut aussi y voir une généralisation de la notion d'orientabilité et de changement d'orientation à une forme d'« orientabilité d'ordre supérieur ».
Cône (géométrie)vignette|Illustration à l'article Problemata mathematica... publiée sur les Acta Eruditorum, 1734 En géométrie, un cône est une surface réglée ou bien un solide. Un cône est une surface réglée définie par une droite (d), appelée génératrice, passant par un point fixe S appelé sommet et un point variable décrivant une courbe (c), appelée courbe directrice. On parle aussi dans ce cas de surface conique. Cône de révolution Parmi ces surfaces coniques, la plus étudiée est le cône de révolution dans lequel la courbe directrice est un cercle de centre O situé dans un plan perpendiculaire à (SO).
Théorème central limitethumb|upright=2|La loi normale, souvent appelée la « courbe en cloche ». Le théorème central limite (aussi appelé théorème limite central, théorème de la limite centrale ou théorème de la limite centrée) établit la convergence en loi de la somme d'une suite de variables aléatoires vers la loi normale. Intuitivement, ce résultat affirme qu'une somme de variables aléatoires indépendantes et identiquement distribuées tend (le plus souvent) vers une variable aléatoire gaussienne.
Homologie singulièreEn topologie algébrique, l'homologie singulière est une construction qui permet d'associer à un espace topologique X une suite homologique de groupes abéliens libres ou de modules. Cette association est un invariant topologique non complet, c'est-à-dire que si deux espaces sont homéomorphes alors ils ont mêmes groupes d'homologie singulière en chaque degré mais que la réciproque est fausse. Le théorème de Stokes appliqué à des formes fermées donne des intégrales nulles. Cependant, il se fonde sur une hypothèse cruciale de compacité.
Structure secondairethumb|200px|Schéma de la structure tridimensionnelle de la protéine myoglobine. Cette structure contient de hélices α mais pas de feuillets β. Cette protéine est la première dont la structure a été résolue par cristallographie en 1958, par Max Perutz et John Kendrew, ce qui leur a valu l'attribution du prix Nobel de chimie en 1962. En biochimie et en biologie structurale, la structure secondaire se rapporte uniquement à la description de la structure tridimensionnelle localement adoptée par certains segments de molécules biologiques (molécules définies comme étant des biopolymères, comme c’est le cas pour les protéines et les acides nucléiques (ADN/ARN)).
Cône convexeEn algèbre linéaire, un cône convexe est une partie d'un espace vectoriel sur un corps ordonné qui est stable par combinaisons linéaires à coefficients strictement positifs. droite|vignette|Exemple de cône convexe (en bleu clair). À l'intérieur de celui-ci se trouve le cône convexe rouge clair qui est composé des points avec, et étant les points représentés sur la figure. Les courbes en haut à droite indiquent que les régions se prolongent à l'infini.
Application harmoniqueEn géométrie différentielle, une application régulière définie d'une variété riemannienne dans une autre est dite harmonique lorsqu'elle est solution d'une certaine équation aux dérivées partielles généralisant l'équation de Laplace. L'équation des applications harmoniques est en général introduite pour résoudre un problème variationnel ; il s'agit de l'équation d'Euler-Lagrange associée à la recherche des points critiques de l'énergie de Dirichlet des applications entre les deux variétés.
Application lipschitzienneEn analyse mathématique, une application lipschitzienne (du nom de Rudolf Lipschitz) est une application possédant une certaine propriété de régularité qui est plus forte que la continuité. Intuitivement, c'est une fonction qui est limitée dans sa manière d'évoluer. Tout segment reliant deux points du graphe d'une telle fonction aura une pente inférieure, en valeur absolue, à une constante appelée constante de Lipschitz. Les fonctions lipschitziennes sont un cas particulier de fonctions höldériennes.
Convex polytopeA convex polytope is a special case of a polytope, having the additional property that it is also a convex set contained in the -dimensional Euclidean space . Most texts use the term "polytope" for a bounded convex polytope, and the word "polyhedron" for the more general, possibly unbounded object. Others (including this article) allow polytopes to be unbounded. The terms "bounded/unbounded convex polytope" will be used below whenever the boundedness is critical to the discussed issue.
Algorithme espérance-maximisationL'algorithme espérance-maximisation (en anglais expectation-maximization algorithm, souvent abrégé EM) est un algorithme itératif qui permet de trouver les paramètres du maximum de vraisemblance d'un modèle probabiliste lorsque ce dernier dépend de variables latentes non observables. Il a été proposé par Dempster et al. en 1977. De nombreuses variantes ont par la suite été proposées, formant une classe entière d'algorithmes.
