Compatibilité électromagnétiqueLa compatibilité électromagnétique ou CEM (en anglais, electromagnetic compatibility ou EMC) est l'aptitude d'un appareil ou d'un système électrique ou électronique, à fonctionner correctement dans l'environnement électromagnétique pour lequel l'appareil est conçu, sans produire lui-même des perturbations électromagnétiques que ne peuvent supporter les autres appareils de son environnement.
Catégorie dérivéeLa catégorie dérivée d'une catégorie est une construction, originellement introduite par Jean-Louis Verdier dans sa thèse et reprise dans SGA 41⁄2, qui permet notamment de raffiner et simplifier la théorie des foncteurs dérivés. Elle a amené à plusieurs développements importants, ainsi que des reformulations élégantes par exemple de la théorie des D-modules et des preuves de la qui généralise le vingt-et-unième problème de Hilbert. En particulier, le langage des catégories dérivées permet de simplifier des problèmes exprimés en termes de suites spectrales.
Optimisation convexevignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.
Informatique quantiqueL'informatique quantique est le sous-domaine de l'informatique qui traite des calculateurs quantiques et des associés. La notion s'oppose à celle d'informatique dite « classique » n'utilisant que des phénomènes de physique classique, notamment de l'électricité (exemple du transistor) ou de mécanique classique (exemple historique de la machine analytique). En effet, l'informatique quantique utilise également des phénomènes de la mécanique quantique, à savoir l'intrication quantique et la superposition.
Courant alternatifLe courant alternatif (qui peut être abrégé par CA) est un courant électrique périodique qui change de sens deux fois par période et qui transporte des quantités d'électricité alternativement égales dans un sens et dans l'autre. Un courant alternatif a donc une composante continue (valeur moyenne) nulle. Un courant alternatif est caractérisé par sa fréquence, mesurée en hertz (Hz). La fréquence correspond au nombre de périodes du signal en une seconde (une oscillation = une période).
Champ électromagnétiqueUn champ électromagnétique ou Champ EM (en anglais, electromagnetic field ou EMF) est la représentation dans l'espace de la force électromagnétique qu'exercent des particules chargées. Concept important de l'électromagnétisme, ce champ représente l'ensemble des composantes de la force électromagnétique s'appliquant sur une particule chargée se déplaçant dans un référentiel galiléen. Une particule de charge q et de vecteur vitesse subit une force qui s'exprime par : où est le champ électrique et est le champ magnétique.
Loi normale généraliséeEn théorie des probabilités et en statistique, la loi normale généralisée ou loi gaussienne généralisée désigne deux familles de lois de probabilité à densité dont les supports sont l'ensemble des réels. Cette loi rajoute un paramètre de forme à la loi normale. Pour les différencier, les deux familles seront appelées « version 1 » et « version 2 », ce ne sont cependant pas des appellations standards. La densité de probabilité des lois de cette famille est donnée par la formule : où est la fonction gamma, est un paramètre de position, est un paramètre d'échelle et est un paramètre de forme.
Modèle statistiqueUn modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.
Algorithme du gradient stochastiqueL'algorithme du gradient stochastique est une méthode de descente de gradient (itérative) utilisée pour la minimisation d'une fonction objectif qui est écrite comme une somme de fonctions différentiables. À la fois l'estimation statistique et l'apprentissage automatique s'intéressent au problème de la minimisation d'une fonction objectif qui a la forme d'une somme : où le paramètre qui minimise doit être estimé. Chacune des fonctions est généralement associée avec la -ème observation de l'ensemble des données (utilisées pour l'apprentissage).
