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.
ÉrythrocyteL’érythrocyte (du grec erythros : rouge et kutos : cellule), aussi appelée hématie, ou plus communément globule rouge, fait partie des éléments figurés du sang. Chez les mammifères, c'est une cellule anucléée (dépourvue de noyau), tandis que chez les oiseaux c'est une cellule nucléée. Son cytoplasme est riche en hémoglobine, qui assure le transport du dioxygène (), mais très pauvre en organites qui n'existent qu'à l'état de trace.
Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Multinomial logistic regressionIn statistics, multinomial logistic regression is a classification method that generalizes logistic regression to multiclass problems, i.e. with more than two possible discrete outcomes. That is, it is a model that is used to predict the probabilities of the different possible outcomes of a categorically distributed dependent variable, given a set of independent variables (which may be real-valued, binary-valued, categorical-valued, etc.).
Granulocyte neutrophileLes granulocytes neutrophiles ou polynucléaires neutrophiles (PNN) (ou simplement « les neutrophiles ») sont des cellules sanguines appartenant à la lignée blanche. Ce sont des globules blancs (leucocytes) qui ont un rôle majeur dans le système immunitaire. Les neutrophiles font partie des cellules granulocytes ou « cellules polynucléaires ». On les appelle polynucléaires en raison d'une erreur historique : de par le caractère plurilobé de leur noyau (de deux à cinq lobes en général), on a longtemps cru que ces cellules possédaient plusieurs noyaux.
HyperlymphocytoseUne hyperlymphocytose, également appelée simplement lymphocytose, est une anomalie de l'hémogramme, caractérisée par un nombre trop élevé de lymphocytes, supérieur à par mm3 chez le sujet adulte. Chez le nouveau-né et le jeune enfant, une lymphocytose jusqu'à lymphocytes par mm3 est physiologique, la formule leucocytaire se rapprochant des valeurs de l'adulte avec l'âge, pour devenir identique à l'adolescence. Si l’observation du frottis sanguin met en évidence des lymphocytes hyperbasophiles, le clinicien peut conclure à un syndrome mononucléosique.
Unité de soins intensifsvignette|Une unité de soins intensifs (2007). Une unité de soins intensifs ou USI (en anglais, intensive care unit ou ICU) est un service de l’hôpital qui prodigue des soins de suppléance à une défaillance aiguë. Elle est la structure médiane entre les services de réanimation (réa) et les unités de surveillance continue (USC), et prend en charge une défaillance unique sur une durée limitée. Elles constituent avec les USC les unités intermédiaires entre la réanimation et les services de soins généraux hospitaliers.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Forêt d'arbres décisionnelsvignette|Illustration du principe de construction d'une forêt aléatoire comme agrégation d'arbre aléatoires. En apprentissage automatique, les forêts d'arbres décisionnels (ou forêts aléatoires de l'anglais random forest classifier) forment une méthode d'apprentissage ensembliste. Ils ont été premièrement proposées par Ho en 1995 et ont été formellement proposées en 2001 par Leo Breiman et Adele Cutler. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging.
Apprentissage actifL’apprentissage actif est un modèle d’apprentissage semi-supervisé où un oracle intervient au cours du processus. Plus précisément, contrairement au cadre classique où les données sont connues et imposées, en apprentissage actif, c'est l'algorithme d'apprentissage qui demande des informations pour des données précises. Cette technique repose sur l'hypothèse que l’acquisition de données non étiquetées est beaucoup moins coûteuse que celle de données étiquetées.
