Cryomicroscopie électroniquevignette|Un microscope électronique en transmission (2003). La cryomicroscopie électronique (cryo-ME) correspond à une technique particulière de préparation d’échantillons biologiques utilisée en microscopie électronique en transmission. Développée au début des années 1980, cette technique permet de réduire les dommages d’irradiation causés par le faisceau d’électrons. Elle permet également de préserver la morphologie et la structure des échantillons.
Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
Single particle analysisSingle particle analysis is a group of related computerized image processing techniques used to analyze images from transmission electron microscopy (TEM). These methods were developed to improve and extend the information obtainable from TEM images of particulate samples, typically proteins or other large biological entities such as viruses. Individual images of stained or unstained particles are very noisy, and so hard to interpret. Combining several digitized images of similar particles together gives an image with stronger and more easily interpretable features.
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.
Microscopie électronique en transmissionvignette|upright=1.5|Principe de fonctionnement du microscope électronique en transmission. vignette|Un microscope électronique en transmission (1976). La microscopie électronique en transmission (MET, ou TEM pour l'anglais transmission electron microscopy) est une technique de microscopie où un faisceau d'électrons est « transmis » à travers un échantillon très mince. Les effets d'interaction entre les électrons et l'échantillon donnent naissance à une image, dont la résolution peut atteindre 0,08 nanomètre (voire ).
Modèle génératifvignette|Schéma représentant la différence entre un modèle discriminatif et un modèle génératif. En classement automatique un modèle génératif est un modèle statistique défini par opposition à un modèle discriminatif. Étant donné une variable X à laquelle il doit associer une autre variable Y, le modèle génératif cherchera à décrire la probabilité conditionnelle ainsi que la probabilité puis d'utiliser la formule de Bayes pour calculer la probabilité .
Microscope électronique en transmission à balayagevignette|Exemple de Microscope électronique en transmission à balayage VG501 Un microscope électronique en transmission à balayage (METB ou en anglais STEM pour scanning transmission electron microscope) est un type de microscope électronique dont le principe de fonctionnement allie certains aspects du microscope électronique à balayage et du microscope électronique en transmission. Une source d'électrons focalise un faisceau d'électrons qui traverse l'échantillon.
Adversarial machine learningAdversarial machine learning is the study of the attacks on machine learning algorithms, and of the defenses against such attacks. A survey from May 2020 exposes the fact that practitioners report a dire need for better protecting machine learning systems in industrial applications. To understand, note that most machine learning techniques are mostly designed to work on specific problem sets, under the assumption that the training and test data are generated from the same statistical distribution (IID).
Microscopie électronique à balayagethumb|right|Premier microscope électronique à balayage par M von Ardenne thumb|right|Microscope électronique à balayage JEOL JSM-6340F thumb|upright=1.5|Principe de fonctionnement du Microscope Électronique à Balayage La microscopie électronique à balayage (MEB) ou scanning electron microscope (SEM) en anglais est une technique de microscopie électronique capable de produire des images en haute résolution de la surface d’un échantillon en utilisant le principe des interactions électrons-matière.
Redimensionnement d'imageLe redimensionnement, ou la mise à l'échelle, est une transformation applicable à une qui consiste à en modifier la taille, que ce soit pour l'agrandir ou pour la rétrécir, comme le ferait un zoom. Le redimensionnement existe aussi bien pour les , où il n'implique aucune perte de qualité, que pour les , où il est moins trivial et entraîne des effets indésirables et une perte de qualité. La méthode la plus simple pour réduire la résolution d'une image est de la sous-échantillonner.
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.
Iterative reconstructionIterative reconstruction refers to iterative algorithms used to reconstruct 2D and 3D images in certain imaging techniques. For example, in computed tomography an image must be reconstructed from projections of an object. Here, iterative reconstruction techniques are usually a better, but computationally more expensive alternative to the common filtered back projection (FBP) method, which directly calculates the image in a single reconstruction step.
Problème inversevignette|une somme de plusieurs nombres donne le nombre 27, mais peut-on les deviner à partir de 27 ? En science, un problème inverse est une situation dans laquelle on tente de déterminer les causes d'un phénomène à partir des observations expérimentales de ses effets. Par exemple, en sismologie, la localisation de l'origine d'un tremblement de terre à partir de mesures faites par plusieurs stations sismiques réparties sur la surface du globe terrestre est un problème inverse.
