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 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.
Rétropropagation du gradientEn intelligence artificielle, plus précisément en apprentissage automatique, la rétropropagation du gradient est une méthode pour entraîner un réseau de neurones. Elle consiste à mettre à jour les poids de chaque neurone de la dernière couche vers la première. Elle vise à corriger les erreurs selon l'importance de la contribution de chaque élément à celles-ci. Dans le cas des réseaux de neurones, les poids synaptiques qui contribuent plus à une erreur seront modifiés de manière plus importante que les poids qui provoquent une erreur marginale.
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.
Pile électriqueUne pile électrique, couramment dénommée « pile », est un dispositif électrochimique qui produit de l'électricité en convertissant de l'énergie chimique en énergie électrique grâce à une réaction d'oxydoréduction. Ce système électrochimique a été inventé par le scientifique italien Alessandro Volta en empilant des couches de deux métaux séparées par des feutres imbibés d'acide. Le Bureau international des poids et mesures choisit de nommer l'unité de potentiel électrique le volt, en référence à Volta.
Perceptron multicoucheEn intelligence artificielle, plus précisément en apprentissage automatique, le perceptron multicouche (multilayer perceptron MLP en anglais) est un type de réseau neuronal artificiel organisé en plusieurs couches. Un perceptron multicouche possède au moins trois couches : une couche d'entrée, au moins une couche cachée, et une couche de sortie. Chaque couche est constituée d'un nombre (potentiellement différent) de neurones. L'information circule de la couche d'entrée vers la couche de sortie uniquement : il s'agit donc d'un réseau à propagation directe (feedforward).
RpropRprop, short for resilient backpropagation, is a learning heuristic for supervised learning in feedforward artificial neural networks. This is a first-order optimization algorithm. This algorithm was created by Martin Riedmiller and Heinrich Braun in 1992. Similarly to the Manhattan update rule, Rprop takes into account only the sign of the partial derivative over all patterns (not the magnitude), and acts independently on each "weight".
Chargeur (électricité)thumb|Chargeurs et différents types et format de batteries. Un chargeur est un appareil permettant de recharger un ou plusieurs accumulateurs électriques, groupés ou non en batterie, en injectant un courant électrique inverse au sens d'utilisation (décharge). Le circuit le plus simple est une source électrique continue et stabilisée en tension, limitée en courant ou l'inverse. thumb|upright=1.2|Chargeur simple de type mural (sortie : / ). thumb|Chargeur pour piles rechargeables en lithium 1.5V, et son câble USB-C.
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.
Accumulateur nickel-cadmiumvignette|Quelques tailles d'accumulateur Ni-Cd. Un accumulateur nickel-cadmium ou Ni-Cd est un accumulateur électrique rechargeable utilisant de l'hydroxyde de nickel et du cadmium comme électrodes. L'appellation « NiCad » est usuelle, mais erronée, puisque les symboles des éléments chimiques comprennent une ou deux lettres au plus. En ce qui concerne les accumulateurs grand public (appelés communément à tort piles rechargeables, et nommés accumulateurs portables dans le jargon de la directive européenne 2006/66/CE qui encadre les piles et accumulateurs en UE), la technologie Ni-Cd est aujourd'hui relativement dépassée en termes de performance.
