Pollution sonorethumb|Selon G. Dutilleux (2012), (ici, à titre d'exemple : vue de la circulation automobile urbaine à Bangkok, source majeure de nuisances sonores. thumb|L'échangeur de Daussoulx en Belgique ; autre exemple de source de nuisances sonores. La notion de pollution sonore regroupe généralement des nuisances sonores, et des pollutions induites par le son devenu dans certaines circonstances un « altéragène physique » pour l'être humain ou les écosystèmes.
Solide de PlatonEn géométrie euclidienne, un solide de Platon est l’un des cinq polyèdres à la fois réguliers et convexes. En référence au nombre de faces (4, 6, 8, 12 et 20) qui les composent, ils sont nommés couramment tétraèdre (régulier), hexaèdre (régulier) ou cube, octaèdre (régulier), dodécaèdre (régulier) et icosaèdre (régulier), les adjectifs « régulier » et « convexe » étant souvent implicites ou omis quand le contexte le permet. Depuis les mathématiques grecques, les solides de Platon furent un sujet d’étude des géomètres en raison de leur esthétique et de leurs symétries.
Prédiction dynamiqueLa prédiction dynamique est une méthode inventée par Newton et Leibniz. Newton l’a appliquée avec succès au mouvement des planètes et de leurs satellites. Depuis elle est devenue la grande méthode de prédiction des mathématiques appliquées. Sa portée est universelle. Tout ce qui est matériel, tout ce qui est en mouvement, peut être étudié avec les outils de la théorie des systèmes dynamiques. Mais il ne faut pas en conclure que pour connaître un système il est nécessaire de connaître sa dynamique.
Solide de Catalanthumb|Un dodécaèdre rhombique En mathématiques, un solide de Catalan ou dual archimédien, est un polyèdre dual d'un solide d'Archimède. Les solides de Catalan ont été nommés ainsi en l'honneur du mathématicien belge Eugène Catalan qui, en 1865, fut le premier à les étudier de manière systématique et les décrire et représenter avec soin et minutie. Les solides de Catalan sont tous convexes. Ils sont de faces uniformes mais non de sommets uniformes, en raison du fait que les duaux archimédiens sont de sommets uniformes et non de faces uniformes.
Erreur quadratique moyenneEn statistiques, l’erreur quadratique moyenne d’un estimateur d’un paramètre de dimension 1 (mean squared error (), en anglais) est une mesure caractérisant la « précision » de cet estimateur. Elle est plus souvent appelée « erreur quadratique » (« moyenne » étant sous-entendu) ; elle est parfois appelée aussi « risque quadratique ».
Variable bitrateVariable bitrate (ou Variable bit rate, ou encore VBR), est un terme anglais que l'on peut traduire en français par : « taux d'échantillonnage variable », en opposition au constant bitrate (CBR). Lors de la numérisation d'un signal, l'utilisation d'un taux (ou d'une fréquence) d'échantillonnage variable consiste à adapter le nombre d'échantillons prélevés sur le signal, à la complexité locale (ou instantanée) de celui-ci. Ceci s'oppose à la technique plus simple, Constant bit rate ou CBR, dans laquelle le taux d'échantillonnage est fixe.
Débit binaireLe débit binaire est une mesure de la quantité de données numériques transmises par unité de temps. Selon ses définitions normatives, il s'exprime en bits par seconde (bit/s, b/s ou bps) ou un de ses multiples en employant les préfixes du Système international (SI) : kb/s (kilobits par seconde), Mb/s (mégabits par seconde) et ainsi de suite. Dans le domaine de l'informatique, le débit est parfois exprimé en octets par seconde. Un octet équivaut à 8 bits, nombre de bits correspondant aux premières et aux plus simples des machines, et permettant de transmettre un caractère alphanumérique.
Generalization errorFor supervised learning applications in machine learning and statistical learning theory, generalization error (also known as the out-of-sample error or the risk) is a measure of how accurately an algorithm is able to predict outcome values for previously unseen data. Because learning algorithms are evaluated on finite samples, the evaluation of a learning algorithm may be sensitive to sampling error. As a result, measurements of prediction error on the current data may not provide much information about predictive ability on new data.
Spherical aberrationIn optics, spherical aberration (SA) is a type of aberration found in optical systems that have elements with spherical surfaces. Lenses and curved mirrors are prime examples, because this shape is easier to manufacture. Light rays that strike a spherical surface off-centre are refracted or reflected more or less than those that strike close to the centre. This deviation reduces the quality of images produced by optical systems. The effect of spherical aberration was first identified by Ibn al-Haytham who discussed it in his work Kitāb al-Manāẓir.
Sélection de caractéristiqueLa sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage
