Decision analysisDecision analysis (DA) is the discipline comprising the philosophy, methodology, and professional practice necessary to address important decisions in a formal manner. Decision analysis includes many procedures, methods, and tools for identifying, clearly representing, and formally assessing important aspects of a decision; for prescribing a recommended course of action by applying the maximum expected-utility axiom to a well-formed representation of the decision; and for translating the formal representation of a decision and its corresponding recommendation into insight for the decision maker, and other corporate and non-corporate stakeholders.
Mécanique spatialeLa mécanique spatiale, aussi dénommée astrodynamique, est, dans le domaine de l'astronomie et de l'astronautique, la science qui a trait à l'étude des mouvements. C'est une branche particulière de la mécanique céleste qui a notamment pour but de prévoir les trajectoires des objets spatiaux tels que les fusées ou les engins spatiaux y compris les manœuvres orbitales, les changements de plan d'orbite et les transferts interplanétaires.
Aide à la décision multicritèreL'aide à la décision multicritère constitue une branche d'étude majeure de la recherche opérationnelle impliquant plusieurs écoles de pensée, principalement américaine avec les travaux de Thomas L. Saaty et européenne avec ceux de Bernard Roy et du LAMSADE (Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision). Il s'agit de méthodes et de calculs permettant de choisir la meilleure solution ou la solution optimale parmi tout un ensemble de solutions, l'alternative de type OUI-NON n'étant qu'un cas particulier du cas général.
Théorie des perturbationsLa théorie des perturbations est un domaine des mathématiques, qui consiste à étudier les contextes où il est possible de trouver une solution approchée à une équation en partant de la solution d'un problème plus simple. Plus précisément, on cherche une solution approchée à une équation (E) (dépendante d'un paramètre λ), sachant que la solution de l'équation (E) (correspondant à la valeur λ=0) est connue exactement. L'équation mathématique (E) peut être par exemple une équation algébrique ou une équation différentielle.
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.
Deep belief networkIn machine learning, a deep belief network (DBN) is a generative graphical model, or alternatively a class of deep neural network, composed of multiple layers of latent variables ("hidden units"), with connections between the layers but not between units within each layer. When trained on a set of examples without supervision, a DBN can learn to probabilistically reconstruct its inputs. The layers then act as feature detectors. After this learning step, a DBN can be further trained with supervision to perform classification.
Série géométriquethumb|Preuve sans mots de l'égalité1/2 + 1/4 + 1/8 + 1/16 + ⋯ = 1 thumb|Illustration de l'égalité 1/4 + 1/16 + 1/64 + 1/256 + ⋯ = 1/3 :chacun des carrés violets mesure 1/4 de la surface du grand carré le plus proche (1/2× = 1/4, 1/4×1/4 = 1/16, etc.). Par ailleurs, la somme des aires des carrés violets est égale à un tiers de la superficie du grand carré. En mathématiques, la série géométrique est l'un des exemples de série numérique les plus simples.
Précession du périastrevignette|Illustration du phénomène de précession du périastre : le périastre (en bleu) et la ligne des absides tournent dans le plan de l'orbite au cours du temps. vignette|redresse=1.2|Les planètes en orbite autour du Soleil suivent des trajectoires elliptiques (ovales) qui tournent dans le temps (précession absidale). La plupart des orbites du système solaire ont une excentricité beaucoup plus faible et une précession beaucoup plus lente, ce qui les rend presque circulaires et stationnaires.
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.
DeepDreamthumb|250px| Photographie avant et après un traitement partiel par DeepDream. thumb| Étape avancée du traitement d'une photographie de trois hommes. DeepDream est un programme de vision par ordinateur créé par Google qui utilise un réseau neuronal convolutif pour trouver et renforcer des structures dans des images en utilisant des paréidolies créées par algorithme, donnant ainsi une apparence hallucinogène à ces images. thumb|left|Photographie de ciel nuageux ; à droite, sa transformation par DeepDream.
