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.
Developmental roboticsDevelopmental robotics (DevRob), sometimes called epigenetic robotics, is a scientific field which aims at studying the developmental mechanisms, architectures and constraints that allow lifelong and open-ended learning of new skills and new knowledge in embodied machines. As in human children, learning is expected to be cumulative and of progressively increasing complexity, and to result from self-exploration of the world in combination with social interaction.
DARPA Grand ChallengeLe DARPA Grand Challenge est une compétition organisée par la DARPA, la Defense Advanced Research Projects Agency (agence américaine responsable des projets en recherche avancée pour la Défense), mettant en jeu des véhicules terrestres sans pilote et autonomes. Les deux premières années (2004 et 2005) les véhicules devaient parcourir un circuit dans le désert des Mojaves, et la troisième année (2007) un circuit en milieu urbain . La compétition fut renommée à cette occasion DARPA Urban Challenge.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Reconnaissance de formesthumb|Reconnaissance de forme à partir de modélisation en 3D La reconnaissance de formes (ou parfois reconnaissance de motifs) est un ensemble de techniques et méthodes visant à identifier des régularités informatiques à partir de données brutes afin de prendre une décision dépendant de la catégorie attribuée à ce motif. On considère que c'est une branche de l'intelligence artificielle qui fait largement appel aux techniques d'apprentissage automatique et aux statistiques.
Nombre de FroudeLe nombre de Froude, de l'hydrodynamicien anglais William Froude, est un nombre sans dimension qui caractérise dans un fluide l'importance relative de l'énergie cinétique de ses particules par rapport à son énergie potentielle gravitationnelle. Il s'exprime donc par un rapport entre la vitesse d'une particule et la force de pesanteur qui s'exerce sur celle-ci. Ce nombre apparaît essentiellement dans les phénomènes à surface libre, en particulier dans les études de cours d'eau, de barrages, de ports et de navires (architecture navale).
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Nombre de StrouhalLe nombre de Strouhal est un nombre sans dimension décrivant les mécanismes de circulation oscillante. Ce nombre porte le nom de Vincent Strouhal, physicien tchèque. Physiquement, il représente le rapport du temps d'advection et du temps caractéristique de l'instationnarité. Si , l'écoulement est dit quasi stationnaire. En 1878, en étudiant les notes émises par un fil tendu soumis au vent, le physicien tchèque Vincent Strouhal fut le premier à remarquer la relation entre la fréquence du son et le quotient de la vitesse du vent par le diamètre du fil.
Constraint Handling RulesConstraint Handling Rules (CHR) is a declarative, rule-based programming language, introduced in 1991 by Thom Frühwirth at the time with European Computer-Industry Research Centre (ECRC) in Munich, Germany. Originally intended for constraint programming, CHR finds applications in grammar induction, type systems, abductive reasoning, multi-agent systems, natural language processing, compilation, scheduling, spatial-temporal reasoning, testing, and verification.
Nombre de ReynoldsEn mécanique des fluides, le , noté , est un nombre sans dimension caractéristique de la transition laminaire-turbulent. Il est mis en évidence en par Osborne Reynolds. Le nombre de Reynold est applicable à tout écoulement de fluide visqueux, et prévoit son régime. Pour des petites valeurs de , le régime est dominé par la viscosité et l'écoulement est laminaire. Pour les grandes valeurs de , le régime est dominé par l'inertie et l'écoulement est turbulent.
