Prévision numérique du tempsLa prévision numérique du temps (PNT) est une application de la météorologie et de l'informatique. Elle repose sur le choix d'équations mathématiques offrant une proche approximation du comportement de l'atmosphère réelle. Ces équations sont ensuite résolues, à l'aide d'un ordinateur, pour obtenir une simulation accélérée des états futurs de l'atmosphère. Le logiciel mettant en œuvre cette simulation est appelé un modèle de prévision numérique du temps.
Tropical cyclone forecast modelA tropical cyclone forecast model is a computer program that uses meteorological data to forecast aspects of the future state of tropical cyclones. There are three types of models: statistical, dynamical, or combined statistical-dynamic. Dynamical models utilize powerful supercomputers with sophisticated mathematical modeling software and meteorological data to calculate future weather conditions. Statistical models forecast the evolution of a tropical cyclone in a simpler manner, by extrapolating from historical datasets, and thus can be run quickly on platforms such as personal computers.
Atmospheric modelIn atmospheric science, an atmospheric model is a mathematical model constructed around the full set of primitive, dynamical equations which govern atmospheric motions. It can supplement these equations with parameterizations for turbulent diffusion, radiation, moist processes (clouds and precipitation), heat exchange, soil, vegetation, surface water, the kinematic effects of terrain, and convection. Most atmospheric models are numerical, i.e. they discretize equations of motion.
GraphèneLe graphène est un matériau bidimensionnel cristallin, forme allotropique du carbone dont l'empilement constitue le graphite. Cette définition théorique est donnée par le physicien en 1947. Par la suite, le travail de différents groupes de recherche permettra de se rendre compte que la structure du graphène tout comme ses propriétés ne sont pas uniques et dépendent de sa synthèse/extraction (détaillée dans la section Production).
Modèle de circulation généraledroite|vignette|Modèle de circulation générale GEOS-5 (Goddard Earth Observing System Model) développé par la NASA. Un modèle de circulation générale (en anglais, general circulation model ou GCM) est un modèle climatique. Il s'appuie sur les équations de Navier-Stokes, appliquées à une sphère en rotation ainsi que sur des équations d'équilibre de la thermodynamique pour inclure les sources d'énergie (rayonnement, changement de phase). Ceci permet de simuler à la fois la circulation atmosphérique mais aussi la circulation océanique.
Processus autorégressifUn processus autorégressif est un modèle de régression pour séries temporelles dans lequel la série est expliquée par ses valeurs passées plutôt que par d'autres variables. Un processus autorégressif d'ordre p, noté AR(p) est donné par : où sont les paramètres du modèle, est une constante et un bruit blanc. En utilisant l'opérateur des retards, on peut l'écrire : Un processus autorégressif d'ordre 1 s'écrit : On peut formuler le processus AR(1) de manière récursive par rapport aux conditions précédentes : En remontant aux valeurs initiales, on aboutit à : Il est à noter que les sommes vont ici jusqu'à l'infini.
NanoparticuleUne nanoparticule est selon la norme ISO TS/27687 un nano-objet dont les trois dimensions sont à l'échelle nanométrique, c'est-à-dire une particule dont le diamètre nominal est inférieur à environ. D'autres définitions évoquent un assemblage d'atomes dont au moins une des dimensions se situe à l'échelle nanométrique (ce qui correspond au « nano-objet » tel que défini par la norme ISO précitée) ou insistent sur leurs propriétés nouvelles (dues au confinement quantique et à leur surface spécifique) qui n'apparaissent que pour des tailles de moins d'une centaine de nanomètres.
Platt scalingIn machine learning, Platt scaling or Platt calibration is a way of transforming the outputs of a classification model into a probability distribution over classes. The method was invented by John Platt in the context of support vector machines, replacing an earlier method by Vapnik, but can be applied to other classification models. Platt scaling works by fitting a logistic regression model to a classifier's scores. Consider the problem of binary classification: for inputs x, we want to determine whether they belong to one of two classes, arbitrarily labeled +1 and −1.
Probabilistic classificationIn machine learning, a probabilistic classifier is a classifier that is able to predict, given an observation of an input, a probability distribution over a set of classes, rather than only outputting the most likely class that the observation should belong to. Probabilistic classifiers provide classification that can be useful in its own right or when combining classifiers into ensembles. Formally, an "ordinary" classifier is some rule, or function, that assigns to a sample x a class label ŷ: The samples come from some set X (e.
K-moyennesLe partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.
