Visiocasquethumb|Le casque de réalité virtuelle Oculus Rift. Un visiocasque est un dispositif d'affichage, porté sur la tête ou dans un casque, qui a un petit écran d'affichage en face d'un œil (visiocasque monoculaire) ou de chaque œil (visiocasque binoculaire). Le visiocasque est parfois appelé casque de visualisation, casque immersif, casque-écran ou casque HMD (où HMD signifie head-mounted display), voire simplement .
Viseur de casqueLe viseur de casque (ou Helmet Mounted Display – HMD) est une évolution de l’affichage tête haute. Le viseur de casque permet de superposer des informations nécessaires au pilotage, à la navigation ou à la réalisation de la mission sur une visière en plexiglas intégré au casque. Il permet au pilote de surveiller son environnement en même temps que des informations fournies par ses instruments de bord. À la différence de l’affichage tête haute traditionnel, le pilote peut orienter sa tête vers la cible qu'il veut accrocher.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Système visuel humainLe est l'ensemble des organes participant à la perception visuelle humaine, de la rétine au système sensori-moteur. Son rôle est de percevoir et d'interpréter deux images en deux dimensions en une image en trois dimensions. Il est principalement constitué de l'œil (et plus particulièrement la rétine), des nerfs optiques, du chiasma optique, du tractus optique, du corps genouillé latéral, des radiations optiques et du cortex visuel. En première approximation, l'œil peut être assimilé à un appareil photographique.
Régression logistiqueEn statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.
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.).
Régression polynomialePolyreg scheffe.svg thumb|Régression sur un nuage de points par un polynôme de degré croissant. La régression polynomiale est une analyse statistique qui décrit la variation d'une variable aléatoire expliquée à partir d'une fonction polynomiale d'une variable aléatoire explicative. C'est un cas particulier de régression linéaire multiple, où les observations sont construites à partir des puissances d'une seule variable.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Appareil photographique numériqueUn appareil photographique numérique (ou APN) est un appareil photographique qui recueille la lumière sur un capteur photographique électronique, plutôt que sur une pellicule photographique, et qui convertit l'information reçue par ce support pour la coder numériquement. Un appareil photo numérique utilise un capteur CCD ou CMOS pour acquérir les images, et les enregistre habituellement sur des cartes mémoire (CompactFlash, SmartMedia, Memory Stick, Secure Digital, etc.).
Video cameraA video camera is an optical instrument that captures videos (as opposed to a movie camera, which records images on film). Video cameras were initially developed for the television industry but have since become widely used for a variety of other purposes. Video cameras are used primarily in two modes. The first, characteristic of much early broadcasting, is live television, where the camera feeds real time images directly to a screen for immediate observation.
Capteur photographique CCDvignette|Capteur photographique CCD pour l'imagerie astronomique. Un capteur photographique CCD est un capteur photographique basé sur un dispositif à transfert de charges (charge coupled device, CCD). Dans les scanners de documents et beaucoup d'autres applications similaires, les dispositifs sont linéaires ; ils passent transversalement sur l'objet à explorer. Dans les appareils photographiques et les caméras vidéo numériques, les capteurs sont regroupés sur une surface rectangulaire, où chaque CCD forme une ligne, souvent dans la plus petite dimension de l'image.
Ordinal regressionIn statistics, ordinal regression, also called ordinal classification, is a type of regression analysis used for predicting an ordinal variable, i.e. a variable whose value exists on an arbitrary scale where only the relative ordering between different values is significant. It can be considered an intermediate problem between regression and classification. Examples of ordinal regression are ordered logit and ordered probit.
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.
Casque de réalité virtuelleUn casque de réalité virtuelle (ou casque VR) est un dispositif porté sur la tête qui permet au porteur d'être immergé dans une réalité virtuelle. Les casques de réalité virtuelle sont fortement associés aux jeux vidéo mais peuvent également être utilisés dans d'autres contextes, tel que l'entraînement ou la médecine. Ils sont composés d'un visiocasque stéréoscopique, de son stéréo, et de capteurs de position de la tête, des membres, du corps ou des yeux (tels que gyroscopes, accéléromètres ou optiques).
Vision périphériqueLa vision périphérique est une partie importante de la vision humaine. Contrairement à la vision fovéale dans laquelle l’œil s’arrête (pendant 200 à ) sur un point de fixation pour obtenir des détails à haute résolution, la vision périphérique livre des impressions globales, comprimées et déformées du champ de vision total. Par des groupements systématiques des bâtonnets, la vision périphérique livre jusqu’à 100 (au lieu des 3 à 4 pour la vision fovéale). Elle permet donc la perception ultrarapide de mouvements, même pendant la nuit (vision scotopique).
Professional video cameraA professional video camera (often called a television camera even though its use has spread beyond television) is a high-end device for creating electronic moving images (as opposed to a movie camera, that earlier recorded the images on film). Originally developed for use in television studios or with outside broadcast trucks, they are now also used for music videos, direct-to-video movies (see digital movie camera), corporate and educational videos, wedding videos, among other uses.
Ridge regressionRidge regression is a method of estimating the coefficients of multiple-regression models in scenarios where the independent variables are highly correlated. It has been used in many fields including econometrics, chemistry, and engineering. Also known as Tikhonov regularization, named for Andrey Tikhonov, it is a method of regularization of ill-posed problems. It is particularly useful to mitigate the problem of multicollinearity in linear regression, which commonly occurs in models with large numbers of parameters.
Vision du tunnelLa vision du tunnel (ou vision tunnelisée) est la perte de vision périphérique avec rétention de la vision centrale, résultant en une vision circonscrite et circulaire du champ de vision. L'expression est également utilisée pour désigner de façon métaphorique l'étroitesse ou la fermeture d'esprit d'un individu, ou son comportement anomique. La vision du tunnel peut être causée par : perte de sang (hypovolémie) ; consommation d'alcool (peut causer une vision du tunnel).
Visual agnosiaVisual agnosia is an impairment in recognition of visually presented objects. It is not due to a deficit in vision (acuity, visual field, and scanning), language, memory, or intellect. While cortical blindness results from lesions to primary visual cortex, visual agnosia is often due to damage to more anterior cortex such as the posterior occipital and/or temporal lobe(s) in the brain.[2] There are two types of visual agnosia: apperceptive agnosia and associative agnosia. Recognition of visual objects occurs at two primary levels.
Elastic net regularizationIn statistics and, in particular, in the fitting of linear or logistic regression models, the elastic net is a regularized regression method that linearly combines the L1 and L2 penalties of the lasso and ridge methods. The elastic net method overcomes the limitations of the LASSO (least absolute shrinkage and selection operator) method which uses a penalty function based on Use of this penalty function has several limitations. For example, in the "large p, small n" case (high-dimensional data with few examples), the LASSO selects at most n variables before it saturates.
