Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Générateur de nombres aléatoiresUn générateur de nombres aléatoires, random number generator (RNG) en anglais, est un dispositif capable de produire une suite de nombres pour lesquels il n'existe aucun lien calculable entre un nombre et ses prédécesseurs, de façon que cette séquence puisse être appelée « suite de nombres aléatoires ». Par extension, on utilise ce terme pour désigner des générateurs de nombres pseudo aléatoires, pour lesquels ce lien calculable existe, mais ne peut pas « facilement » être déduit.
Groupe de LorentzLe groupe de Lorentz est le groupe mathématique constitué par l'ensemble des transformations de Lorentz de l'espace de Minkowski. Les formules mathématiques : des lois de la cinématique de la relativité restreinte ; des équations de champ de Maxwell dans la théorie de électromagnétisme ; de l'équation de Dirac dans la théorie de l'électron sont toutes invariantes sous les transformations de Lorentz. En conséquence, le groupe de Lorentz exprimerait la symétrie fondamentale de plusieurs lois de la nature.
Smooth morphismIn algebraic geometry, a morphism between schemes is said to be smooth if (i) it is locally of finite presentation (ii) it is flat, and (iii) for every geometric point the fiber is regular. (iii) means that each geometric fiber of f is a nonsingular variety (if it is separated). Thus, intuitively speaking, a smooth morphism gives a flat family of nonsingular varieties. If S is the spectrum of an algebraically closed field and f is of finite type, then one recovers the definition of a nonsingular variety.
Quantum counting algorithmQuantum counting algorithm is a quantum algorithm for efficiently counting the number of solutions for a given search problem. The algorithm is based on the quantum phase estimation algorithm and on Grover's search algorithm. Counting problems are common in diverse fields such as statistical estimation, statistical physics, networking, etc. As for quantum computing, the ability to perform quantum counting efficiently is needed in order to use Grover's search algorithm (because running Grover's search algorithm requires knowing how many solutions exist).
Espace uniformément convexeEn mathématiques, un espace uniformément convexe est un espace vectoriel muni d'une norme dont les boules sont « bien arrondies », en un sens plus fort que dans un espace strictement convexe. Tout espace de Banach uniformément convexe est réflexif. Ces espaces comprennent les espaces de Hilbert et les espaces L pour 1 < p < ∞. Un espace uniformément convexe est un espace de Banach — ou seulement, selon les auteurs, un espace vectoriel normé — tel que, pour tout ε > 0, il existe un δ > 0 pour lequel, pour tout couple (x, y) de vecteurs, ou encore : pour tout ε > 0, il existe un η > 0 pour lequel, pour tout couple (x, y) de vecteurs, Le concept de convexité uniforme a été introduit par .
Théorème de SchwarzLe théorème de Schwarz, de Clairaut ou de Young est un théorème d'analyse portant sur les dérivées partielles secondes d'une fonction de plusieurs variables. Il apparaît pour la première fois dans un cours de calcul différentiel donné par Weierstrass en 1861 auquel assistait alors Hermann Schwarz à Berlin. La symétrie de la hessienne signifie que le résultat d'une dérivation partielle à l'ordre 2 par rapport à deux variables ne dépend pas de l'ordre dans lequel se fait la dérivation par rapport à ces deux variables : Ce théorème est parfois appelé par les anglophones (théorème de Young), nom qui désigne également une extension aux dérivées d'ordre supérieur.
