Aluminium alloyAn aluminium alloy (or aluminum alloy; see spelling differences) is an alloy in which aluminium (Al) is the predominant metal. The typical alloying elements are copper, magnesium, manganese, silicon, tin, nickel and zinc. There are two principal classifications, namely casting alloys and wrought alloys, both of which are further subdivided into the categories heat-treatable and non-heat-treatable. About 85% of aluminium is used for wrought products, for example rolled plate, foils and extrusions.
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.
Solid solution strengtheningIn metallurgy, solid solution strengthening is a type of alloying that can be used to improve the strength of a pure metal. The technique works by adding atoms of one element (the alloying element) to the crystalline lattice of another element (the base metal), forming a solid solution. The local nonuniformity in the lattice due to the alloying element makes plastic deformation more difficult by impeding dislocation motion through stress fields. In contrast, alloying beyond the solubility limit can form a second phase, leading to strengthening via other mechanisms (e.
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.
Durcissement structuralLe durcissement structural est comme son nom l'indique un procédé permettant de durcir un alliage de métaux. Il nécessite un alliage métastable, dont la forme stable à température ambiante est un composé intermétallique constitué de deux phases différentes. Un recuit à l'intérieur du nez du diagramme TTT entraîne la germination de précipités de différentes nouvelles phases plus ou moins stables. Ces précipités, qu'ils soient cohérents ou incohérents avec la phase principale constituent des obstacles sur le chemin des dislocations ce qui augmente la dureté ainsi que les propriétés en traction du matériau.
EutectiqueUn eutectique (du grec εὔτηκτος -eútēktos- : qui fond aisément) est un mélange de deux ou plusieurs corps purs qui fondent et se solidifient à température constante de manière uniforme, contrairement aux mélanges habituels où le changement de température conduit à une variation de la proportion de solide par rapport à celle de liquide. Il se comporte en fait comme un corps pur du point de vue de la fusion. Le terme « eutectique » désigne aussi le point du diagramme de phase (mélange avec une proportion donnée) pour lequel le mélange est à sa température minimale en phase liquide.
SuperalliageUn superalliage ou alliage à haute performance est un alliage métallique présentant une excellente résistance mécanique et une bonne résistance au fluage à haute température (typiquement sa température de fusion), une bonne stabilité surfacique ainsi qu'une bonne résistance à la corrosion et à l'oxydation. Les superalliages présentent typiquement une structure cristalline cubique à faces centrées de type austénitique. Les éléments d'alliages à la base d'un superalliage sont le plus souvent le nickel, le cobalt et le fer, mais aussi le titane et l'aluminium.
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.
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 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.
