Modèle ΛCDMEn cosmologie, le (se prononce « Lambda CDM », qui signifie en anglais Lambda - Cold Dark Matter, c'est-à-dire le modèle « lambda - matière noire froide ») ou modèle de concordance est un modèle cosmologique du Big Bang paramétré par une constante cosmologique notée par la lettre grecque Λ et associée à l'énergie sombre.
Supernovavignette|Le rémanent de supernova de Kepler (ou SN 1604) vu par les trois grands télescopes spatiaux : Chandra (en rayons X), Hubble (dans le spectre visible) et Spitzer (en infrarouge), avec une vue recombinée (image principale). Une supernova est l'ensemble des phénomènes qui résultent de l'implosion d'une étoile en fin de vie, notamment une gigantesque explosion qui s'accompagne d'une augmentation brève mais fantastiquement grande de sa luminosité.
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.
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 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.
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.
Robustesse (statistiques)En statistiques, la robustesse d'un estimateur est sa capacité à ne pas être perturbé par une modification dans une petite partie des données ou dans les paramètres du modèle choisi pour l'estimation. Ricardo A. Maronna, R. Douglas Martin et Victor J. Yohai; Robust Statistics - Theory and Methods, Wiley Series in Probability and Statistics (2006). Dagnelie P.; Statistique théorique et appliquée. Tome 2 : Inférence statistique à une et à deux dimensions, Paris et Bruxelles (2006), De Boeck et Larcier.
Spectre visibleLe spectre visible est la partie du spectre électromagnétique qui est perceptible par l'humain. Le spectre se décompose en rayonnements monochromatiques par le passage de la lumière à travers un dispositif disperseur (prisme ou réseau diffractant) : c'est l'analyse spectrale. La sensibilité de l'œil selon la longueur d'onde diminue progressivement de part et d'autre d'un maximum entre selon le domaine de vision et les conditions de la mesure. On ne peut donner de limites exactes au domaine des rayonnements visibles.
Physical neural networkA physical neural network is a type of artificial neural network in which an electrically adjustable material is used to emulate the function of a neural synapse or a higher-order (dendritic) neuron model. "Physical" neural network is used to emphasize the reliance on physical hardware used to emulate neurons as opposed to software-based approaches. More generally the term is applicable to other artificial neural networks in which a memristor or other electrically adjustable resistance material is used to emulate a neural synapse.
Wilkinson Microwave Anisotropy ProbeWilkinson Microwave Anisotropy Probe ou WMAP est un observatoire spatial américain de la NASA lancé en pour dresser une carte de l'anisotropie du fond diffus cosmologique. Par rapport à l'observatoire spatial COBE qui l'a précédé dans les années 1980, la mission a permis d'améliorer d'un facteur la précision des valeurs des principaux paramètres cosmologiques comme l'âge de l'Univers (13,77 milliards d'années) et la proportion de ses composants : matière baryonique (4,6 %), matière noire (24 %) et énergie sombre (71 %).
Tomographic reconstructionTomographic reconstruction is a type of multidimensional inverse problem where the challenge is to yield an estimate of a specific system from a finite number of projections. The mathematical basis for tomographic imaging was laid down by Johann Radon. A notable example of applications is the reconstruction of computed tomography (CT) where cross-sectional images of patients are obtained in non-invasive manner.
InfrarougeLe rayonnement infrarouge (IR) est un rayonnement électromagnétique de longueur d'onde supérieure à celle du spectre visible mais plus courte que celle des micro-ondes ou du domaine térahertz. Cette gamme de longueurs d'onde dans le vide de à se divise en infrarouge proche, au sens de proche du spectre visible, de environ, infrarouge moyen, qui s'étend jusqu'à , et infrarouge lointain. Les limites de ces domaines peuvent varier quelque peu d'un auteur à l'autre.
