Comité européen de normalisationLe CEN ou Comité européen de normalisation (en anglais European Committee for Standardization ; en allemand Europäisches Komitee für Normung), dont le siège se situe à Bruxelles, fut créé en 1961 afin d'harmoniser les normes élaborées en Europe. Tous ses membres nationaux – qu'ils soient membres de plein droit, affiliés ou organismes de normalisation partenaires – sont également membres de l'Organisation internationale de normalisation (ISO). Le CEN fut fondé à l'origine par les organismes nationaux de normalisation de la France, de l'Allemagne et des pays du Benelux.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Organisme de normalisationUn organisme de normalisation est un organisme dont les activités premières sont l'établissement puis le maintien de normes destinées à des utilisateurs extérieurs à cette organisation. Leurs activités peuvent inclure le développement, la coordination, la promulgation, la révision, la modification, la réédition ou l'interprétation de telles normes. Pour les désigner, on utilise parfois le sigle anglais SDO pour Standard Development Organisation.
JPEG 2000JPEG 2000 ou ISO/CEI 15444-1, abrégé JP2 (quelquefois J2K), est une norme de compression d’ commune à l’ISO, la CEI et l’UIT-T, développée entre 1997 et 2000, et créée par le groupe de travail Joint Photographic Experts Group. Depuis mai 2015, il est officiellement reconnu par l'ISO / CEI et l'UIT-T sous le code ISO/IEC CD 15444. JPEG 2000 peut travailler avec ou sans perte, en utilisant des transformées en ondelettes (méthode d’analyse mathématique du signal), dont la décomposition est similaire à la transformée de Fourier à court terme.
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.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
Comité européen de normalisation en électronique et en électrotechniquealt=La carte des membres du CENELEC.|vignette| Le Comité européen de normalisation en électronique et en électrotechnique (CENELEC) est un organisme sans but lucratif composé des comités électrotechniques nationaux de 30 pays européens. En outre, nationaux des pays voisins participent aux travaux du CENELEC avec un statut d'affiliés. Le CENELEC a pour mission de fournir les normes électrotechniques afin d'aider le développement des services et des biens électrotechniques, électriques et électroniques sur le marché européen.
Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
WebPvignette|Comparatif de compression sans perte, jpeg et WebP WebP est un format d' développé et mis à disposition du public par Google. Il exploite un algorithme de compression avec pertes prédictif utilisé pour les du VP8 (qui est le codec vidéo du format WebM) et un conteneur léger et extensible . Google le présente comme mieux adapté que les compresseurs précédents aux processeurs actuels et surtout aux densités de pixels des écrans actuels (110 à 240 ppi).
ZIP (format de fichier)Le ZIP est un format de fichier permettant l'archivage (utilisation d'un seul fichier pour stocker plusieurs fichiers) et la compression de données (diminution de l'espace occupé sur le support numérique) sans perte de qualité. On peut donc le comparer à la combinaison de tar (archivage) et gzip (compression) dans le cadre d'une archive compressée .tgz. Le format a été inventé par Phil Katz pour le logiciel PKZIP. Il a été conçu en réponse à un problème de droits entre le programme PKARC et le format ARC lancé par la Software Enhancement Associates.
