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.
Méthode de JacobiLa méthode de Jacobi, due au mathématicien allemand Karl Jacobi, est une méthode itérative de résolution d'un système matriciel de la forme Ax = b. Pour cela, on utilise une suite x qui converge vers un point fixe x, solution du système d'équations linéaires. On cherche à construire, pour x donné, la suite x = F(x) avec . où est une matrice inversible. où F est une fonction affine. La matrice B = MN est alors appelée matrice de Jacobi.
Loi de Stefan-Boltzmannvignette|Graphe de la puissance émise par unité de surface par un corps noir en fonction de sa température thermodynamique . En bleu, l'approximation selon la loi de Wien, La loi de Stefan ou de Stefan-Boltzmann (du nom des physiciens Jožef Stefan et Ludwig Boltzmann) définit la relation entre le rayonnement thermique et la température d'un objet considéré comme un corps noir.
Catastrophe ultraviolettevignette|redresse=1.6|La catastrophe ultraviolette est l'erreur mise en évidence pour les courtes longueurs d'onde (correspondant à T > ) dans la loi de Rayleigh du modèle classique (courbe en noir), donnant l'énergie émise par un corps noir idéal (la courbe correcte est celle en bleue prédite par la loi de Planck). La catastrophe ultraviolette est l'expression utilisée par le physicien autrichien Paul Ehrenfest pour qualifier les résultats des premières expériences qui étaient en contradiction avec la physique classique.
