Hadron exotiquevignette|Exemple de pentaquark : quatre quarks, un antiquark (en jaune) et des gluons (ligne ondulées). Les hadrons exotiques sont des particules subatomiques constituées de quarks (et probablement de gluons), mais qui ne s'insèrent pas dans le schéma habituel des hadrons. Bien que sensibles à l'interaction forte, ils ne sont pas prévus par le . Les hadrons exotiques n'ont en effet pas le même contenu en quarks que les hadrons ordinaires : les baryons exotiques ont plus de quarks que les trois qui constituent les baryons ordinaires, et les mésons exotiques n'ont pas un quark et un antiquark comme les mésons ordinaires.
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.
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.
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.
LHCbLHCb (Large Hadron Collider beauty experiment : Expérience du LHC sur le quark beauté) est une expérience de physique des particules utilisant les collisions de protons produites au collisionneur LHC du CERN (Genève). Ce détecteur est spécialisé dans la physique des saveurs et la recherche de nouvelle physique par des méthodes indirectes comme la mesure de violation de la symétrie CP ou de taux d'embranchement de décroissances rares. Le détecteur LHCb se trouve sur la commune de Ferney-Voltaire en France au point 8 du LHC, à quelques mètres de la frontière suisse.
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.
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.
Pentaquarkvignette|Schéma d'un pentaquark générique : quatre quarks et un antiquark (en jaune). Un pentaquark est une particule subatomique composée de cinq quarks qui a été prévue par les théoriciens en 1997. La recherche des pentaquarks (et des tétraquarks) est devenue un sujet d’étude à part entière en physique expérimentale, et plusieurs pentaquarks ont été produits au LHC, de type cqqq. L'existence des pentaquarks fut prédite initialement par Maxim Polyakov, et Victor Petrov de l' en 1997 ; mais leur théorie fut accueillie avec scepticisme.
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.
