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.
Vanishing gradient problemIn machine learning, the vanishing gradient problem is encountered when training artificial neural networks with gradient-based learning methods and backpropagation. In such methods, during each iteration of training each of the neural networks weights receives an update proportional to the partial derivative of the error function with respect to the current weight. The problem is that in some cases, the gradient will be vanishingly small, effectively preventing the weight from changing its value.
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.
Mesure de courantEn génie électrique, une mesure de courant est une des techniques utilisées pour évaluer la valeur d'un courant électrique dans un circuit électrique (exprimé en ampères). Il existe plusieurs méthodes de mesure de courant, le choix de l'une d'entre elles dépend des différentes exigences : la nature du courant, continu ou alternatif, la grandeur du courant à mesurer (du picoampère à des dizaines de milliers d'ampères), de la complexité et de l'impact de la mesure sur le fonctionnement du système, du coût, de la précision, de la bande passante, de robustesse, etc.
Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
Courant électriqueUn courant électrique est un mouvement d'ensemble de porteurs de charges électriques, généralement des électrons, au sein d'un matériau conducteur. Ces déplacements sont imposés par l'action de la force électromagnétique, dont l'interaction avec la matière est le fondement de l'électricité. On doit au physicien français André-Marie Ampère la distinction entre courant et tension électriques.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Feature (machine learning)In machine learning and pattern recognition, a feature is an individual measurable property or characteristic of a phenomenon. Choosing informative, discriminating and independent features is a crucial element of effective algorithms in pattern recognition, classification and regression. Features are usually numeric, but structural features such as strings and graphs are used in syntactic pattern recognition. The concept of "feature" is related to that of explanatory variable used in statistical techniques such as linear regression.
Bloc fonctionnelvignette|Schéma fonctionnel comportant un générateur de tension idéal et une résistance. La modélisation par blocs fonctionnels simplifie la description du comportement d'un système physique distribué en le réduisant à un graphe (ou « topologie ») constitué d’éléments séparés, les blocs fonctionnels. Elle intervient dans les domaines les plus variés, depuis le réseau de distribution à la linguistique en passant par les circuits (thermiques, électriques ou électroniques, pneumatiques, hydrauliques), les robots, l'acoustique, etc.
Densité de courantLa densité de courant, ou densité volumique de courant, est un vecteur qui décrit le courant électrique à l'échelle locale, en tout point d'un système physique. Dans le Système international d'unités, son module s'exprime en ampères par mètre carré ( ou ). À l'échelle du système tout entier il s'agit d'un champ de vecteurs, puisque le vecteur densité de courant est défini en tout point.
