Microscope de fluorescence par réflexion totale interneLe microscope de fluorescence par réflexion totale interne (TIRFM, total internal reflection fluorescence microscopy), ou microscope à onde évanescente, est un type particulier de microscope optique à fluorescence permettant d'examiner une tranche très fine d'un échantillon (moins de 200 nm d'épaisseur), grâce à un mode d'illumination particulier : la réflexion totale interne.
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.
Reproduction (biologie)En biologie, la reproduction est un processus biologique qui permet la production de nouveaux organismes d'une espèce à partir d'individus préexistants de cette espèce. Avec la nutrition, c'est une des grandes fonctions partagées par tous les organismes vivants, assurant la continuité de l'espèce qui, sans reproduction, s'éteint. La reproduction peut être couplée à un système de dispersion dans l'espace. Il s'agit de systèmes permettant de coloniser de nouveaux biotopes, et d'augmenter les chances de survie des espèces.
Meta-learning (computer science)Meta learning is a subfield of machine learning where automatic learning algorithms are applied to metadata about machine learning experiments. As of 2017, the term had not found a standard interpretation, however the main goal is to use such metadata to understand how automatic learning can become flexible in solving learning problems, hence to improve the performance of existing learning algorithms or to learn (induce) the learning algorithm itself, hence the alternative term learning to learn.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Électrophorèse bidimensionnelleTwo-dimensional gel electrophoresis, abbreviated as 2-DE or 2-D electrophoresis, is a form of gel electrophoresis commonly used to analyze proteins. Mixtures of proteins are separated by two properties in two dimensions on 2D gels. 2-DE was first independently introduced by O'Farrell and Klose in 1975. 2-D electrophoresis begins with electrophoresis in the first dimension and then separates the molecules perpendicularly from the first to create an electropherogram in the second dimension.
Transformeur génératif pré-entraînédroite|vignette| Architecture du modèle GPT Le transformeur génératif pré-entraîné (ou GPT, de l’anglais generative pre-trained transformer) est une famille de modèles de langage généralement formée sur un grand corpus de données textuelles pour générer un texte de type humain. Il est construit en utilisant plusieurs blocs de l'architecture du transformeur. Ils peuvent être affinés pour diverses tâches de traitement du langage naturel telles que la génération de texte, la traduction de langue et la classification de texte.
Réseau biologiqueUn réseau biologique est tout réseau touchant au domaine des systèmes biologiques. Un réseau est un système avec des sous-unités qui sont liées entre elle pour former un tout, comme des espèces formant un réseau alimentaire entier. Les réseaux biologiques fournissent une représentation mathématique des connexions trouvées dans les études écologiques, évolutives et physiologiques, tout comme les réseaux de neurones. L'analyse des réseaux biologiques par rapport aux maladies humaines a conduit au domaine de la médecine des réseaux.
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.
Microscopie par excitation à deux photonsvignette|350px|Microscopie par excitation à 2 photons de l'intestin d'une souris. Rouge: actine. Vert: noyaux des cellules. Bleu: mucus des cellules caliciformes. Obtenu à 780 nm avec un laser Ti-sapph. La microscopie par excitation à deux photons (M2P, TPEF ou 2PEF en anglais, aussi appelée « microscopie 2 photons ») est une technique d'imagerie optique combinant les principes de microscopie à fluorescence et de l'absorption à deux photons, faisant partie de la famille des microscopies multiphotons.
Deeplearning4jEclipse Deeplearning4j is a programming library written in Java for the Java virtual machine (JVM). It is a framework with wide support for deep learning algorithms. Deeplearning4j includes implementations of the restricted Boltzmann machine, deep belief net, deep autoencoder, stacked denoising autoencoder and recursive neural tensor network, word2vec, doc2vec, and GloVe. These algorithms all include distributed parallel versions that integrate with Apache Hadoop and Spark.
Cerebellar model articulation controllerThe cerebellar model arithmetic computer (CMAC) is a type of neural network based on a model of the mammalian cerebellum. It is also known as the cerebellar model articulation controller. It is a type of associative memory. The CMAC was first proposed as a function modeler for robotic controllers by James Albus in 1975 (hence the name), but has been extensively used in reinforcement learning and also as for automated classification in the machine learning community. The CMAC is an extension of the perceptron model.
