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.
Productivity-improving technologiesThe productivity-improving technologies are the technological innovations that have historically increased productivity. Productivity is often measured as the ratio of (aggregate) output to (aggregate) input in the production of goods and services. Productivity is increased by lowering the amount of labor, capital, energy or materials that go into producing any given amount of economic goods and services. Increases in productivity are largely responsible for the increase in per capita living standards.
Succession écologiquevignette|La recolonisation d'un milieu perturbé passe par différents stades, du stade pionnier au stade théorique du climax. Ici, le boisement par des essences pionnières commence à gagner sur la strate herbacée. vignette|Cycle sylvogénétique résumé en six étapes, avec représentation des séquences propres aux six stades.Après un certain temps survient une perturbation qui fait reprendre le "cycle" à son début (ou à un stade intermédiaire si la perturbation est peu importante).
Écologie de la restaurationL'écologie de la restauration est la science qui sert de base théorique aux pratiques d'ingénierie écologique visant au retour d'un écosystème vers un état de référence. L'écologie de la restauration est la science qui sert de base théorique aux pratiques de restauration ou de réhabilitation des écosystèmes.
Knowledge-based systemsA knowledge-based system (KBS) is a computer program that reasons and uses a knowledge base to solve complex problems. The term is broad and refers to many different kinds of systems. The one common theme that unites all knowledge based systems is an attempt to represent knowledge explicitly and a reasoning system that allows it to derive new knowledge. Thus, a knowledge-based system has two distinguishing features: a knowledge base and an inference engine.
Ecosystem modelAn ecosystem model is an abstract, usually mathematical, representation of an ecological system (ranging in scale from an individual population, to an ecological community, or even an entire biome), which is studied to better understand the real system. Using data gathered from the field, ecological relationships—such as the relation of sunlight and water availability to photosynthetic rate, or that between predator and prey populations—are derived, and these are combined to form ecosystem models.
Knowledge acquisitionKnowledge acquisition is the process used to define the rules and ontologies required for a knowledge-based system. The phrase was first used in conjunction with expert systems to describe the initial tasks associated with developing an expert system, namely finding and interviewing domain experts and capturing their knowledge via rules, objects, and frame-based ontologies. Expert systems were one of the first successful applications of artificial intelligence technology to real world business problems.
Capteur photographiqueUn capteur photographique est un composant électronique photosensible servant à convertir un rayonnement électromagnétique (UV, visible ou IR) en un signal électrique analogique. Ce signal est ensuite amplifié, puis numérisé par un convertisseur analogique-numérique et enfin traité pour obtenir une . Le capteur est donc le composant de base des appareils photo et des caméras numériques, l'équivalent du film (ou pellicule) en photographie argentique.
Bootstrap aggregatingLe bootstrap aggregating, également appelé bagging (de bootstrap aggregating), est un meta-algorithme d'apprentissage ensembliste conçu pour améliorer la stabilité et la précision des algorithmes d'apprentissage automatique. Il réduit la variance et permet d'éviter le surapprentissage. Bien qu'il soit généralement appliqué aux méthodes d'arbres de décision, il peut être utilisé avec n'importe quel type de méthode. Le bootstrap aggregating est un cas particulier de l'approche d'apprentissage ensembliste.
Résilience (écologie)alt=|vignette|Colonisation d'un sol incendié par de jeunes plants de pins d’Alep, une espèce résiliente aux feux : ses cônes sérotineux s’ouvrent sous l’action de la chaleur libérant une grande quantité de graines. La résilience écologique est la capacité d'un système vivant (écosystème, biome, population, biosphère) à retrouver les structures et les fonctions de son état de référence après une perturbation. Une faible résilience peut conduire un système écologique, à changer profondément de structure et de fonctionnement après une perturbation.
