Méthode des k plus proches voisinsEn intelligence artificielle, plus précisément en apprentissage automatique, la méthode des k plus proches voisins est une méthode d’apprentissage supervisé. En abrégé KPPV ou k-PPV en français, ou plus fréquemment k-NN ou KNN, de l'anglais k-nearest neighbors. Dans ce cadre, on dispose d’une base de données d'apprentissage constituée de N couples « entrée-sortie ». Pour estimer la sortie associée à une nouvelle entrée x, la méthode des k plus proches voisins consiste à prendre en compte (de façon identique) les k échantillons d'apprentissage dont l’entrée est la plus proche de la nouvelle entrée x, selon une distance à définir.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
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.
Multilinear subspace learningMultilinear subspace learning is an approach for disentangling the causal factor of data formation and performing dimensionality reduction. The Dimensionality reduction can be performed on a data tensor that contains a collection of observations have been vectorized, or observations that are treated as matrices and concatenated into a data tensor. Here are some examples of data tensors whose observations are vectorized or whose observations are matrices concatenated into data tensor s (2D/3D), video sequences (3D/4D), and hyperspectral cubes (3D/4D).
Tableau périodique des élémentsvignette|400px|Tableau périodique des éléments au . 400px|vignette|Avec davantage de détails par élément. Le tableau périodique des éléments, également appelé tableau ou table de Mendeleïev, classification périodique des éléments ou simplement tableau périodique, représente tous les éléments chimiques, ordonnés par numéro atomique croissant et organisés en fonction de leur configuration électronique, laquelle sous-tend leurs propriétés chimiques.
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.
Extensivité et intensivité (physique)Les grandeurs extensives et intensives sont des catégories de grandeurs physiques d'un système physique : une propriété est « intensive » si sa valeur ne dépend pas de la taille du système (en particulier, si sa valeur est la même en tout point d'un système homogène) : par exemple, la température ou la pression ; une propriété est « extensive » si elle est proportionnelle à une quantité caractéristique du système : par exemple, la masse ou le volume.
Abondance des éléments chimiquesredresse=2|vignette|Courbe d'abondance relative des éléments chimiques dans l'Univers. On observe la forme globale en dents de scie, l'abondance prépondérante de H et He, l'abondance extrêmement faible de Li, Be et B par rapport à celle des éléments voisins C, N et O, le pic du fer, et l'abondance élevée de Pb. vignette|redresse=1.7|Au cœur d'une étoile massive, s'élaborent des atomes de plus en plus lourds. Cette étoile développe une structure en « pelures d'oignon », dans laquelle chaque couche est composée des « cendres » de la réaction nucléaire précédente.
Simplified Molecular Input Line Entry SpecificationLe Simplified Molecular Input Line Entry Specification ou SMILES est un langage symbolique de description de la structure des molécules chimiques sous forme de courtes chaînes de caractères ASCII. Les chaînes SMILES peuvent être importées dans la plupart des éditeurs de structure moléculaire pour être reconverties en représentation 2D ou en modèle 3D, et par conséquent, permettent de construire des bases de données informatiques (relativement) simplement.
Substance chimiquethumb|Différentes substances chimiques de la famille des lanthanides. Une substance chimique, ou produit chimique (parfois appelée substance pure), est tout échantillon de matière de composition chimique définie et présentant des propriétés caractéristiques (couleur, odeur, densité, point de fusion), indépendamment de son origine. Il n'est pas toujours aisé de donner une définition précise d'une substance chimique. De manière générale, cette notion désigne un produit manufacturé (synthétisé) par l'Homme (n'existant pas dans la nature ou copiant des molécules existant dans la nature).
