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.
Géométrie conformeEn mathématiques, la géométrie conforme est l'étude de l'ensemble des transformations préservant l'angle (conformes) sur un espace. Dans un espace réel de dimension 2, la géométrie conforme est précisément la géométrie des surfaces de Riemann. Dans des espaces de dimension supérieure à 2, la géométrie conforme peut se référer soit à l'étude des transformations conformes de ce qu'on appelle les "espaces plats" (tels que les espaces euclidiens ou les sphères), soit à l'étude des variétés conformes qui sont des variétés riemanniennes ou pseudo-riemanniennes.
Géométrie symplectiqueLa géométrie symplectique est un domaine de la recherche mathématique, s'intéressant à l'origine à une formulation mathématique naturelle de la mécanique classique et développé avec une notion d'entrelacement entre la géométrie différentielle et les systèmes dynamiques, avec des applications en géométrie algébrique, en géométrie riemannienne et en géométrie de contact. Formellement, elle consiste en l'étude des 2-formes différentielles fermées non dégénérées — appelées formes symplectiques — sur les variétés différentielles.
Variété différentielleEn mathématiques, les variétés différentielles ou variétés différentiables sont les objets de base de la topologie différentielle et de la géométrie différentielle. Il s'agit de variétés, « espaces courbes » localement modelés sur l'espace euclidien de dimension n, sur lesquelles il est possible de généraliser une bonne part des opérations du calcul différentiel et intégral. Une variété différentielle se définit donc d'abord par la donnée d'une variété topologique, espace topologique localement homéomorphe à l'espace R.
Analyse des donnéesL’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données.
Auto-encodeur variationnelEn apprentissage automatique, un auto-encodeur variationnel (ou VAE de l'anglais variational auto encoder), est une architecture de réseau de neurones artificiels introduite en 2013 par D. Kingma et M. Welling, appartenant aux familles des modèles graphiques probabilistes et des méthodes bayésiennes variationnelles. Les VAE sont souvent rapprochés des autoencodeurs en raison de leur architectures similaires. Leur utilisation et leur formulation mathématiques sont cependant différentes.
Géométrie discrèteLa géométrie discrète est une branche de la géométrie. On parle de géométrie discrète pour la distinguer de la géométrie « continue ». Tout comme cette dernière, elle peut être analytique, les objets sont dans ce cas décrits par des inéquations. Un exemple simple : la géométrie continue en deux dimensions permet de définir des droites, des cercles dans un plan. Ces objets sont des ensembles de points qui sont des couples de nombres réels.
Entrepôt de donnéesvignette|redresse=1.5|Vue d'ensemble d'une architecture entrepôt de données. Le terme entrepôt de données ou EDD (ou base de données décisionnelle ; en anglais, data warehouse ou DWH) désigne une base de données utilisée pour collecter, ordonner, journaliser et stocker des informations provenant de base de données opérationnelles et fournir ainsi un socle à l'aide à la décision en entreprise. Un entrepôt de données est une base de données regroupant une partie ou l'ensemble des données fonctionnelles d'une entreprise.
Géométrie synthétiqueLa géométrie synthétique ou géométrie pure est fondée sur une approche axiomatique (donc, « purement logique ») de la géométrie. Elle constitue une branche de la géométrie étudiant diverses propriétés et divers théorèmes uniquement par des méthodes d'intersections, de transformations et de constructions. Elle s'oppose à la géométrie analytique et refuse systématiquement l'utilisation des propriétés analytiques des figures ou l'appel aux coordonnées. Ses concepts principaux sont l'intersection, les transformations y compris par polaires réciproques, la logique.
Modèle de donnéesEn informatique, un modèle de données est un modèle qui décrit la manière dont sont représentées les données dans une organisation métier, un système d'information ou une base de données. Le terme modèle de données peut avoir deux significations : Un modèle de données théorique, c'est-à-dire une description formelle ou un modèle mathématique. Voir aussi modèle de base de données Un modèle de données instance, c'est-à-dire qui applique un modèle de données théorique (modélisation des données) pour créer un modèle de données instance.
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.
Bruit routierLe bruit routier désigne l'ensemble des bruits émis par la circulation routière et l'entretien des routes. Il est source de nuisances pour les riverains et contribue à la pollution sonore et à une dégradation de la naturalité de l'environnement, dont pour de nombreuses espèces sauvages qui sont confrontées à un environnement de plus en plus artificiellement bruyant, situation qui devrait empirer car des routes bruyantes sillonnent déjà une grande partie du monde, et les études prospectives en attendent de kilomètres supplémentaires de 2010 à 2050, assez pour ceinturer la planète plus de 600 fois.
