Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Module d'élasticitéUn module d'élasticité (ou module élastique ou module de conservation) est une grandeur intrinsèque d'un matériau, définie par le rapport d'une contrainte à la déformation élastique provoquée par cette contrainte. Les déformations étant sans dimension, les modules d'élasticité sont homogènes à une pression et leur unité SI est donc le pascal ; en pratique on utilise plutôt un multiple, le ou le . Le comportement élastique d'un matériau homogène isotrope et linéaire est caractérisé par deux modules (ou constantes) d'élasticité indépendants.
Indentation (matériau)L'indentation est une technique de mesure de propriétés mécanique des matériaux. Si la force et la pénétration ne sont pas enregistrées au cours de l'essai, elle ne permet que de mesurer la dureté d'un matériau. Si elles sont enregistrées et contrôlées, on parle d'indentation instrumentée. L'indentation non-instrumentée consiste à appliquer une charge, dans des conditions déterminées, à la surface du matériau, à l'aide d'un indenteur ou pénétrateur. Après l'essai, le matériau s'étant déformé, on observe une empreinte que l'on peut mesurer.
Erreur quadratique moyenneEn statistiques, l’erreur quadratique moyenne d’un estimateur d’un paramètre de dimension 1 (mean squared error (), en anglais) est une mesure caractérisant la « précision » de cet estimateur. Elle est plus souvent appelée « erreur quadratique » (« moyenne » étant sous-entendu) ; elle est parfois appelée aussi « risque quadratique ».
Dureté (matériau)La dureté d'un matériau est définie comme la résistance mécanique qu'un matériau oppose à la pénétration. Pour mesurer la dureté d'un matériau, un pénétrateur de faible déformabilité (cône ou sphère en diamant, carbure de tungstène lié au cobalt ou acier extra-dur) est enfoncé à la surface du matériau à tester avec une force connue pendant un temps donné. Plus l'empreinte laissée est petite, plus le matériau est dur. La dureté se mesure sur différentes échelles selon le type de matériau considéré.
Mean squared prediction errorIn statistics the mean squared prediction error (MSPE), also known as mean squared error of the predictions, of a smoothing, curve fitting, or regression procedure is the expected value of the squared prediction errors (PE), the square difference between the fitted values implied by the predictive function and the values of the (unobservable) true value g. It is an inverse measure of the explanatory power of and can be used in the process of cross-validation of an estimated model.
DonnéeUne donnée est ce qui est connu et qui sert de point de départ à un raisonnement ayant pour objet la détermination d'une solution à un problème en relation avec cette donnée. Cela peut être une description élémentaire qui vise à objectiver une réalité, le résultat d'une comparaison entre deux événements du même ordre (mesure) soit en d'autres termes une observation ou une mesure. La donnée brute est dépourvue de tout raisonnement, supposition, constatation, probabilité.
Intraclass correlationIn statistics, the intraclass correlation, or the intraclass correlation coefficient (ICC), is a descriptive statistic that can be used when quantitative measurements are made on units that are organized into groups. It describes how strongly units in the same group resemble each other. While it is viewed as a type of correlation, unlike most other correlation measures, it operates on data structured as groups rather than data structured as paired observations.
Dureté Rockwellvignette|Un duromètre type Rockwell 450px|droite|vignette|Principe de la dureté Rockwell (échelle B, bille en acier) Les essais de dureté Rockwell sont des essais de pénétration en mécanique. Il existe en fait plusieurs types de pénétrateurs qui sont constitués d'un cône en diamant ou d'une bille en acier trempé polie. Pour obtenir une valeur de dureté Rockwell, on mesure une pénétration rémanente du pénétrateur sur lequel on applique une faible charge.
Module de cisaillementEn résistance des matériaux, le module de cisaillement, module de glissement, module de rigidité, module de Coulomb ou second coefficient de Lamé, est une grandeur physique intrinsèque à chaque matériau et qui intervient dans la caractérisation des déformations causées par des efforts de cisaillement. La définition du module de rigidité , parfois aussi noté μ, estoù (voir l'image ci-contre) est la contrainte de cisaillement, la force, l'aire sur laquelle la force agit, le déplacement latéral relatif et l'écart à l'angle droit, le déplacement latéral et enfin l'épaisseur.
Racine de l'erreur quadratique moyenneLa racine de l'erreur quadratique moyenne (REQM) ou racine de l'écart quadratique moyen (en anglais, root-mean-square error ou RMSE, et root-mean-square deviation ou RMSD) est une mesure fréquemment utilisée des différences entre les valeurs (valeurs d'échantillon ou de population) prédites par un modèle ou estimateur et les valeurs observées (ou vraies valeurs). La REQM représente la racine carrée du deuxième moment d'échantillonnage des différences entre les valeurs prédites et les valeurs observées.
Résidu (statistiques)In statistics and optimization, errors and residuals are two closely related and easily confused measures of the deviation of an observed value of an element of a statistical sample from its "true value" (not necessarily observable). The error of an observation is the deviation of the observed value from the true value of a quantity of interest (for example, a population mean). The residual is the difference between the observed value and the estimated value of the quantity of interest (for example, a sample mean).
Méthode des moindres carrésLa méthode des moindres carrés, indépendamment élaborée par Legendre et Gauss au début du , permet de comparer des données expérimentales, généralement entachées d’erreurs de mesure, à un modèle mathématique censé décrire ces données. Ce modèle peut prendre diverses formes. Il peut s’agir de lois de conservation que les quantités mesurées doivent respecter. La méthode des moindres carrés permet alors de minimiser l’impact des erreurs expérimentales en « ajoutant de l’information » dans le processus de mesure.
Reduced chi-squared statisticIn statistics, the reduced chi-square statistic is used extensively in goodness of fit testing. It is also known as mean squared weighted deviation (MSWD) in isotopic dating and variance of unit weight in the context of weighted least squares. Its square root is called regression standard error, standard error of the regression, or standard error of the equation (see ) It is defined as chi-square per degree of freedom: where the chi-squared is a weighted sum of squared deviations: with inputs: variance , observations O, and calculated data C.
Pearson correlation coefficientIn statistics, the Pearson correlation coefficient (PCC) is a correlation coefficient that measures linear correlation between two sets of data. It is the ratio between the covariance of two variables and the product of their standard deviations; thus, it is essentially a normalized measurement of the covariance, such that the result always has a value between −1 and 1. As with covariance itself, the measure can only reflect a linear correlation of variables, and ignores many other types of relationships or correlations.
Déformation élastiqueEn physique, l'élasticité est la propriété d'un matériau solide à retrouver sa forme d'origine après avoir été déformé. La déformation élastique est une déformation réversible. Un matériau solide se déforme lorsque des forces lui sont appliquées. Un matériau élastique retrouve sa forme et sa taille initiales quand ces forces ne s'exercent plus, jusqu'à une certaine limite de la valeur de ces forces. Les tissus biologiques sont également plus ou moins élastiques. Les raisons physiques du comportement élastique diffèrent d'un matériau à un autre.
Linear elasticityLinear elasticity is a mathematical model of how solid objects deform and become internally stressed due to prescribed loading conditions. It is a simplification of the more general nonlinear theory of elasticity and a branch of continuum mechanics. The fundamental "linearizing" assumptions of linear elasticity are: infinitesimal strains or "small" deformations (or strains) and linear relationships between the components of stress and strain. In addition linear elasticity is valid only for stress states that do not produce yielding.
Residual sum of squaresIn statistics, the residual sum of squares (RSS), also known as the sum of squared residuals (SSR) or the sum of squared estimate of errors (SSE), is the sum of the squares of residuals (deviations predicted from actual empirical values of data). It is a measure of the discrepancy between the data and an estimation model, such as a linear regression. A small RSS indicates a tight fit of the model to the data. It is used as an optimality criterion in parameter selection and model selection.
Régression logistiqueEn statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.
Erreur typeLerreur type d'une statistique (souvent une estimation d'un paramètre) est l'écart type de sa distribution d'échantillonnage ou l'estimation de son écart type. Si le paramètre ou la statistique est la moyenne, on parle d'erreur type de la moyenne. La distribution d'échantillonnage est générée par tirage répété et enregistrements des moyennes obtenues. Cela forme une distribution de moyennes différentes, et cette distribution a sa propre moyenne et variance.
