Long short-term memoryLong short-term memory (LSTM) network is a recurrent neural network (RNN), aimed to deal with the vanishing gradient problem present in traditional RNNs. Its relative insensitivity to gap length is its advantage over other RNNs, hidden Markov models and other sequence learning methods. It aims to provide a short-term memory for RNN that can last thousands of timesteps, thus "long short-term memory".
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Réseau bayésienEn informatique et en statistique, un réseau bayésien est un modèle graphique probabiliste représentant un ensemble de variables aléatoires sous la forme d'un graphe orienté acyclique. Intuitivement, un réseau bayésien est à la fois : un modèle de représentation des connaissances ; une « machine à calculer » des probabilités conditionnelles une base pour des systèmes d'aide à la décision Pour un domaine donné (par exemple médical), on décrit les relations causales entre variables d'intérêt par un graphe.
Filtre de Kalman d'ensembleLe filtre de Kalman d'ensemble (EnKF) est une variante du filtre de Kalman plus adaptée aux problèmes de très grande dimension comme les modèles géophysiques. Il a fait son apparition en 1994 dans un article de Geir Evensen. L'idée du filtre de Kalman d'ensemble est de représenter la loi recherchée par un échantillon de la variable d'état, et par suite la matrice de covariance du filtre de Kalman devient une matrice de covariance échantillonnée.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
ViscositéLa viscosité (du latin viscum, gui, glu) peut être définie comme l'ensemble des phénomènes de résistance au mouvement d'un fluide pour un écoulement avec ou sans turbulence. La viscosité diminue la liberté d'écoulement du fluide et dissipe son énergie. Deux grandeurs physiques caractérisent la viscosité : la viscosité dynamique (celle utilisée le plus généralement) et la seconde viscosité ou la viscosité de volume. On utilise aussi des grandeurs dérivées : fluidité, viscosité cinématique ou viscosité élongationnelle.
Lois de Fickvignette|250px|La diffusion moléculaire d'un point de vue microscopique et macroscopique. Les molécules solubles sur le côté gauche de la barrière (ligne violette) diffusent pour remplir le volume complet. En haut : une seule molécule se déplace aléatoirement. Au milieu : Le soluté remplit le volume disponible par marche aléatoire. En bas : au niveau macroscopique, le côté aléatoire devient indétectable. Le soluté se déplace des zones où les concentrations sont élevées vers les zones à concentrations plus faibles.
MagnétohydrodynamiqueLa magnétohydrodynamique (MHD) est une discipline scientifique qui décrit le comportement d'un fluide conducteur du courant électrique en présence de champs électromagnétiques. Elle s'applique notamment aux plasmas, au noyau externe et même à l'eau de mer. C'est une généralisation de l'hydrodynamique (appelée plus communément dynamique des fluides, définie par les équations de Navier-Stokes) couplée à l'électromagnétisme (équations de Maxwell).
Transfert thermiquevignette|alt=Autour d'un feu, des mains reçoivent sa chaleur par rayonnement (sur le côté), par convection (au-dessus de ses flammes) et par conduction (à travers un ustensile en métal).|Les modes de transfert thermique ( en anglais pour « rayonnement »). Un transfert thermique, appelé plus communément chaleur, est l'un des modes d'échange d'énergie interne entre deux systèmes, l'autre étant le travail : c'est un transfert d'énergie thermique qui s'effectue hors de l'équilibre thermodynamique.
