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.
Fibre optiqueUne fibre optique est un fil dont l’âme, très fine et faite de verre ou de plastique, a la propriété de conduire la lumière et sert pour la fibroscopie, l'éclairage ou la transmission de données numériques. Elle offre un débit d'information nettement supérieur à celui des câbles coaxiaux et peut servir de support à un réseau « large bande » par lequel transitent aussi bien la télévision, le téléphone, la visioconférence ou les données informatiques.
Amplificateur optiqueEn optique, on appelle amplificateur optique un dispositif qui amplifie un signal lumineux sans avoir besoin de le convertir d'abord en signal électrique avant de l'amplifier avec les techniques classiques de l'électronique. Un amplificateur à fibre dopée fonctionne à la manière d'un laser. Une portion de fibre optique est dopée et est pompée optiquement avec un laser afin de placer les ions de dopage dans un état excité.
Rétropropagation du gradientEn intelligence artificielle, plus précisément en apprentissage automatique, la rétropropagation du gradient est une méthode pour entraîner un réseau de neurones. Elle consiste à mettre à jour les poids de chaque neurone de la dernière couche vers la première. Elle vise à corriger les erreurs selon l'importance de la contribution de chaque élément à celles-ci. Dans le cas des réseaux de neurones, les poids synaptiques qui contribuent plus à une erreur seront modifiés de manière plus importante que les poids qui provoquent une erreur marginale.
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.
Communication optiqueLa communication optique désigne les télécommunications utilisant des moyens, matériaux ou instruments d'optique. Le , le prix Nobel de physique est attribué à l'Américano-Britannique Charles Kao pour « une avancée dans le domaine de la transmission de la lumière dans les fibres pour la communication optique » ainsi que l'Américano-Canadien Willard Boyle et l'Américain George Smith pour « l'invention d'un circuit semi-conducteur d'images, le capteur CCD ». signaux de fumée fibre optique langue des signes t
Ordinateur optiqueUn ordinateur optique (ou ordinateur photonique) est un ordinateur numérique qui utilise des photons pour le traitement des informations, alors que les ordinateurs conventionnels utilisent des électrons. Les photons ont la particularité de ne pas créer d’interférence magnétique, de ne pas générer de chaleur et de se propager très rapidement. Les transistors optiques sont beaucoup plus rapides que les transistors électroniques. Des ordinateurs optiques pourraient être plus puissants que les ordinateurs conventionnels actuels.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
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.
Perceptron multicoucheEn intelligence artificielle, plus précisément en apprentissage automatique, le perceptron multicouche (multilayer perceptron MLP en anglais) est un type de réseau neuronal artificiel organisé en plusieurs couches. Un perceptron multicouche possède au moins trois couches : une couche d'entrée, au moins une couche cachée, et une couche de sortie. Chaque couche est constituée d'un nombre (potentiellement différent) de neurones. L'information circule de la couche d'entrée vers la couche de sortie uniquement : il s'agit donc d'un réseau à propagation directe (feedforward).
Single-mode optical fiberIn fiber-optic communication, a single-mode optical fiber (SMF), also known as fundamental- or mono-mode, is an optical fiber designed to carry only a single mode of light - the transverse mode. Modes are the possible solutions of the Helmholtz equation for waves, which is obtained by combining Maxwell's equations and the boundary conditions. These modes define the way the wave travels through space, i.e. how the wave is distributed in space. Waves can have the same mode but have different frequencies.
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.
Banc d'optiqueLe banc d'optique (ou banc optique) est un « rail » sur lequel on peut ajouter des lasers, différents types de lentilles et mécanismes pour l'étude des principaux phénomènes d'optique géométrique et la construction d'instruments optiques. En laboratoire, les bancs d'optique sont souvent remplacés par des tables optiques qui permettent l'alignement de systèmes optiques plus complexes et sont conçues pour limiter les problèmes posés par les vibrations.
Disque optiquethumb|right|CD en vrac. Dans les domaines de l'informatique, de l'audio et de la vidéo, un disque optique, aussi appelé disque optique numérique ou DON, est un disque plat servant de support de stockage amovible. Un disque optique est habituellement constitué de polycarbonate. En informatique, les disques optiques sont utilisés comme mémoires de masse. La norme ISO 9660 définit le système de fichiers utilisé sur les CD-ROM et DVD-ROM. Les CD, les DVD et les Blu-ray sont les disques optiques les plus connus.
Multi-mode optical fiberMulti-mode optical fiber is a type of optical fiber mostly used for communication over short distances, such as within a building or on a campus. Multi-mode links can be used for data rates up to 100 Gbit/s. Multi-mode fiber has a fairly large core diameter that enables multiple light modes to be propagated and limits the maximum length of a transmission link because of modal dispersion. The standard G.651.1 defines the most widely used forms of multi-mode optical fiber.
Fiber-optic cableA fiber-optic cable, also known as an optical-fiber cable, is an assembly similar to an electrical cable but containing one or more optical fibers that are used to carry light. The optical fiber elements are typically individually coated with plastic layers and contained in a protective tube suitable for the environment where the cable is used. Different types of cable are used for optical communication in different applications, for example long-distance telecommunication or providing a high-speed data connection between different parts of a building.
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.
OptiqueL'optique est la branche de la physique qui traite de la lumière, de son comportement et de ses propriétés, du rayonnement électromagnétique à la vision en passant par les systèmes utilisant ou émettant de la lumière. Du fait de ses propriétés ondulatoires, le domaine de la lumière peut couvrir le lointain UV jusqu'au lointain IR en passant par les longueurs d'onde visibles. Ces propriétés recouvrent alors le domaine des ondes radio, micro-ondes, des rayons X et des radiations électromagnétiques.
RpropRprop, short for resilient backpropagation, is a learning heuristic for supervised learning in feedforward artificial neural networks. This is a first-order optimization algorithm. This algorithm was created by Martin Riedmiller and Heinrich Braun in 1992. Similarly to the Manhattan update rule, Rprop takes into account only the sign of the partial derivative over all patterns (not the magnitude), and acts independently on each "weight".
