Plasma stabilityThe stability of a plasma is an important consideration in the study of plasma physics. When a system containing a plasma is at equilibrium, it is possible for certain parts of the plasma to be disturbed by small perturbative forces acting on it. The stability of the system determines if the perturbations will grow, oscillate, or be damped out. In many cases, a plasma can be treated as a fluid and its stability analyzed with magnetohydrodynamics (MHD).
Edge-localized modeAn edge-localized mode (ELM) is a plasma instability occurring in the edge region of a tokamak plasma due to periodic relaxations of the edge transport barrier in high-confinement mode. Each ELM burst is associated with expulsion of particles and energy from the confined plasma into the scrape-off layer. This phenomenon was first observed in the ASDEX tokamak in 1981. Diamagnetic effects in the model equations expand the size of the parameter space in which solutions of repeated sawteeth can be recovered compared to a resistive MHD model.
Signal en dents de sciethumb|Signal en dents de scie thumb|Les cinq premières sommes partielles de sa série de Fourier thumb|Synthèse additive d'une onde en dents de scie Un signal en dents de scie est une sorte d'onde non-sinusoïdale que l'on rencontre en électronique, ou dans le domaine du traitement du signal. Il tire son nom de sa représentation graphique qui se rapproche des dents d'une scie. Une onde en dents de scie peut être construite en utilisant la synthèse additive : la série de Fourier converge vers une onde en dents de scie de fréquence f.
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.
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.
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.
Forme d'ondeLa forme d'onde d'un signal est la représentation graphique de l'évolution de l'amplitude instantanée d'une onde physique périodique ou aléatoire en fonction du temps. Il peut s'agir d'une onde mécanique ou d'une onde électromagnétique. La représentation d'une forme d'onde utilise le principe des coordonnées cartésiennes, avec le temps en abscisse et l'amplitude en ordonnée. Une forme d'onde peut être observée avec un oscilloscope à bande passante appropriée lorsqu'il s'agit d'un signal électrique direct ou issu de capteurs.
Fonction périodiqueEn mathématiques, une fonction périodique est une fonction qui lorsqu'elle est appliquée à une variable, reprend la même valeur si on ajoute à cette variable une certaine quantité fixe appelée période. Des exemples de telles fonctions peuvent être obtenus à partir de phénomènes périodiques, comme l'heure indiquée par la petite aiguille d'une horloge, les phases de la lune, etc. thumb|La fonction sinus est périodique de période 2π.
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.
Tokamakthumb|Vue intérieure du tore du Tokamak à configuration variable (TCV), dont les parois sont recouvertes de tuiles de graphite. Un tokamak est un dispositif de confinement magnétique expérimental explorant la physique des plasmas et les possibilités de produire de l'énergie par fusion nucléaire. Il existe deux types de tokamaks aux caractéristiques sensiblement différentes, les tokamaks traditionnels toriques (objet de cet article) et les tokamaks sphériques.
