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.
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.
Calotte sphériquethumb|Une sphère et les deux calottes sphériques découpées par un plan En géométrie, une calotte sphérique est une portion de sphère délimitée par un plan. C'est un cas particulier de zone sphérique. Lorsque le plan passe par le centre de la sphère, on obtient un hémisphère. Cette surface de révolution sert de délimitant à deux types de solides : le secteur sphérique, portion de boule découpée par un cône le segment sphérique à une base, portion de boule découpée par un plan.
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.
Vision par ordinateurLa vision par ordinateur est un domaine scientifique et une branche de l’intelligence artificielle qui traite de la façon dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d's ou de vidéos numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les tâches que le système visuel humain peut effectuer. Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, et « comprendre » des images numériques, et extraire des données afin de produire des informations numériques ou symboliques, par ex.
Segment sphériqueEn géométrie, un segment sphérique est le solide défini en coupant une boule avec une paire de plans parallèles. La surface du segment sphérique à l'exclusion des bases est appelée zone sphérique. Le segment sphérique est donc la partie de l’espace limitée par une zone sphérique et deux disques. Si le rayon de la sphère est appelé R, les rayons des bases des segments sphériques sont r1 et r2 et la hauteur du segment sphérique (la distance d'un plan parallèle à l'autre) appelée h, alors le volume du segment sphérique est : Lorsqu'un des plans est tangent à la sphère, on parle de segment sphérique à une base.
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.
Coordonnées sphériquesvignette|Illustration de la convention de l'article. La position du point P est définie par la distance et par les angles (colatitude) et (longitude).|alt= On appelle coordonnées sphériques divers systèmes de coordonnées orthogonales de l'espace analogues aux coordonnées polaires du plan. Un point de l'espace est repéré dans ces systèmes par la distance à une origine (le pôle) et par deux angles. Ils sont d'emploi courant pour le repérage géographique : l'altitude, la latitude et la longitude sont une variante de ces coordonnées.
Sphèrevignette|Rendu en fil de fer d'une sphère dans un espace euclidien. En géométrie dans l'espace, une sphère est une surface constituée de tous les points situés à une même distance d'un point appelé centre. La valeur de cette distance au centre est le rayon de la sphère. La géométrie sphérique est la science qui étudie les propriétés des sphères. La surface de la Terre peut, en première approximation, être modélisée par une sphère dont le rayon est d'environ .
Géométrie analytiqueLa géométrie analytique est une approche de la géométrie dans laquelle les objets sont décrits par des équations ou des inéquations à l'aide d'un système de coordonnées. Elle est fondamentale pour la physique et l'infographie. En géométrie analytique, le choix d'un repère est indispensable. Tous les objets seront décrits relativement à ce repère. Repérage dans le plan et dans l'espace Le terme de géométrie analytique, par opposition à la géométrie synthétique, se réfère aux méthodes d'analyse et synthèse pratiquées par les géomètres grecs.
