Parallélisme (informatique)vignette|upright=1|Un des éléments de Blue Gene L cabinet, un des supercalculateurs massivement parallèles les plus rapides des années 2000. En informatique, le parallélisme consiste à mettre en œuvre des architectures d'électronique numérique permettant de traiter des informations de manière simultanée, ainsi que les algorithmes spécialisés pour celles-ci. Ces techniques ont pour but de réaliser le plus grand nombre d'opérations en un temps le plus petit possible.
Topologie induiteEn mathématiques, la topologie induite est une topologie définie sur toute partie Y d'un espace topologique X : c'est la trace sur Y de la topologie sur X. Autrement dit, l'ensemble des ouverts de Y (muni de la topologie induite) est : {O⋂Y | O ouvert de X}. Ou encore : les voisinages dans Y d'un point sont les traces sur Y de ses voisinages dans X. On dit alors que Y est un sous-espace de X. La topologie induite est souvent sous-entendue dans les énoncés de topologie : par exemple, lorsque l'on a un espace topologique X donné, une partie Y de X sera dite compacte si elle est compacte pour la topologie induite par X sur Y.
Temporal difference learningLe Temporal Difference (TD) learning est une classe d'algorithmes d'apprentissage par renforcement sans modèle. Ces algorithmes échantillonnent l'environnement de manière aléatoire à la manière des méthodes de Monte Carlo. Ils mettent à jour la politique (i.e. les actions à prendre dans chaque état) en se basant sur les estimations actuelles, comme les méthodes de programmation dynamique. Les méthodes TD ont un lien avec les modèles TD dans l'apprentissage animal. vignette|151x151px|Diagramme backup.
Bayesian optimizationBayesian optimization is a sequential design strategy for global optimization of black-box functions that does not assume any functional forms. It is usually employed to optimize expensive-to-evaluate functions. The term is generally attributed to Jonas Mockus and is coined in his work from a series of publications on global optimization in the 1970s and 1980s. Bayesian optimization is typically used on problems of the form , where is a set of points, , which rely upon less than 20 dimensions (), and whose membership can easily be evaluated.
