Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
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.
Deep belief networkIn machine learning, a deep belief network (DBN) is a generative graphical model, or alternatively a class of deep neural network, composed of multiple layers of latent variables ("hidden units"), with connections between the layers but not between units within each layer. When trained on a set of examples without supervision, a DBN can learn to probabilistically reconstruct its inputs. The layers then act as feature detectors. After this learning step, a DBN can be further trained with supervision to perform classification.
Vision par ordinateurLa vision par ordinateur est un domaine scientifique et une branche de l’intelligence artificielle qui traite de la façon dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d's ou de vidéos numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les tâches que le système visuel humain peut effectuer. Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, et « comprendre » des images numériques, et extraire des données afin de produire des informations numériques ou symboliques, par ex.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
DeepDreamthumb|250px| Photographie avant et après un traitement partiel par DeepDream. thumb| Étape avancée du traitement d'une photographie de trois hommes. DeepDream est un programme de vision par ordinateur créé par Google qui utilise un réseau neuronal convolutif pour trouver et renforcer des structures dans des images en utilisant des paréidolies créées par algorithme, donnant ainsi une apparence hallucinogène à ces images. thumb|left|Photographie de ciel nuageux ; à droite, sa transformation par DeepDream.
Architecture classiquevignette|Villa Rotonda (1566-1571), par Palladio. L'architecture classique désigne un style architectural qui s'inspire directement de l'antiquité gréco-romaine, dans le contexte de la Renaissance. Partie d'Italie au , sous l'impulsion notamment de Bramante et Palladio, ce style architectural va se répandre dans toute l'Europe au , avant de se transformer en néo-classicisme au . L'architecture classique est parfois opposé au style baroque, mais cet antagonisme est à nuancer dans la mesure où l'on trouve de nombreuses interférences entre les deux styles, le baroque s'inspirant également de l'antiquité gréco-romaine.
Architecture néo-classiquethumb|La Rotunda Santa Marija de Mosta, à Malte, est construite à partir de 1833. Larchitecture néo-classique est un courant architectural procédant du néo-classicisme de la seconde moitié du et du début du . Succédant au classicisme, à l’architecture baroque et rococo, l'architecture néo-classique utilise les éléments gréco-romains (colonnes, fronton, proportions harmonieuses, portique) et se met au service du politique. La découverte et les fouilles des sites de Pompéi et Herculanum remirent au goût du jour les formes antiques.
New Classical architectureNew Classical architecture, New Classicism or Contemporary Classical architecture is a contemporary movement in architecture that continues the practice of Classical architecture. It is sometimes considered the modern continuation of Neoclassical architecture, even though other styles might be cited as well, such as Gothic, Baroque, Renaissance or even non-Western styles – often referenced and recreated from a postmodern perspective as opposed to being strict revival styles.
Réseau neuronal résidueldroite|vignette| Forme canonique d'un réseau neuronal résiduel. Une couche l − 1 est ignoré sur l'activation de l − 2. Un réseau neuronal résiduel ( ResNet ) est un réseau neuronal artificiel (ANN). Il s'agit d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents. Les sauts de connexion ou "raccourcis" sont utilisés pour passer par-dessus certaines couches ( les HighwayNets peuvent également avoir des poids pour les saut eux-mêmes, grâce à une matrice de poids supplémentaire pour leurs portes).
Ordre architecturalthumb|upright=1|Chapiteaux de formes classiques (extrait de l’Encyclopédie, vol. 18) : a. toscan, b. dorique, c. ionique, d. ionique moderne, e. corinthien, f. composite L'ordre, en architecture, détermine les proportions, les formes et l’ornementation de toute partie construite en élévation (en particulier des colonnes, sans que leur présence soit impérative, des pilastres, des supports, des entablements). Les Grecs n’en reconnaissaient que trois : l’ordre dorique, l’ordre ionique et l’ordre corinthien, les Romains en ont ajouté deux : l’ordre toscan et l’ordre composite.
Mesure stéréoscopiqueLa stéréovision ou mesure stéréoscopique est une méthode de mesure qui consiste à se servir de la prise d'images (photographiques ou numériques) prises de différents points de vue, pour déterminer les dimensions, les formes ou les positions d'objets. Pour cela on utilise : soit des appareils photographiques étalonnés utilisant des films argentiques plans et stables dimensionnellement ou des détecteurs C.C.D à haute résolution pour des mesures statiques ; soit des caméras (film ou CCD) si des mesures dynamiques sont nécessaires (vidéogrammétrie).
Feature (computer vision)In computer vision and , a feature is a piece of information about the content of an image; typically about whether a certain region of the image has certain properties. Features may be specific structures in the image such as points, edges or objects. Features may also be the result of a general neighborhood operation or feature detection applied to the image. Other examples of features are related to motion in image sequences, or to shapes defined in terms of curves or boundaries between different image regions.
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
Spherical wave transformationSpherical wave transformations leave the form of spherical waves as well as the laws of optics and electrodynamics invariant in all inertial frames. They were defined between 1908 and 1909 by Harry Bateman and Ebenezer Cunningham, with Bateman giving the transformation its name. They correspond to the conformal group of "transformations by reciprocal radii" in relation to the framework of Lie sphere geometry, which were already known in the 19th century.
Graphe aléatoirevignette|Graphe orienté aléatoire avec 20 nœuds et une probabilité de présence d'arête égale à 0,1. En mathématiques, un graphe aléatoire est un graphe généré par un processus aléatoire. Le premier modèle de graphes aléatoires a été popularisé par Paul Erdős et Alfréd Rényi dans une série d'articles publiés entre 1959 et 1968. Il y a deux modèles d'Erdős et Rényi, formellement différents, mais étroitement liés : le graphe aléatoire binomial et le graphe aléatoire uniforme.
Antiquité classiquethumb|L'acropole d'Athènes, haut lieu de l'Antiquité classique : le Parthénon et de l'Érechthéion. Le terme Antiquité classique s'oppose à Antiquité tardive et renvoie à l'histoire et à l'héritage de la civilisation gréco-romaine. Il est surtout employé dans les découpes historiques relatives à l'historiographie anglo-saxonne (historiens anglais et américains principalement) pour décrire la période de l'Antiquité correspondant au développement des civilisations de la Grèce antique et de la Rome antique.
Réseau invariant d'échelleUn réseau invariant d'échelle (ou réseau sans échelle, ou encore scale-free network en anglais) est un réseau dont les degrés suivent une loi de puissance. Plus explicitement, dans un tel réseau, la proportion de nœuds de degré k est proportionnelle à pour grand, où est un paramètre (situé entre 2 et 3 pour la plupart des applications). Beaucoup de réseaux, comme le réseau du web, les réseaux sociaux et les réseaux biologiques semblent se comporter comme des réseaux invariants d'échelle, d'où l'importance de ce modèle.
Deep image priorDeep image prior is a type of convolutional neural network used to enhance a given image with no prior training data other than the image itself. A neural network is randomly initialized and used as prior to solve inverse problems such as noise reduction, super-resolution, and inpainting. Image statistics are captured by the structure of a convolutional image generator rather than by any previously learned capabilities.
Théorie des graphesvignette|Un tracé de graphe. La théorie des graphes est la discipline mathématique et informatique qui étudie les graphes, lesquels sont des modèles abstraits de dessins de réseaux reliant des objets. Ces modèles sont constitués par la donnée de sommets (aussi appelés nœuds ou points, en référence aux polyèdres), et d'arêtes (aussi appelées liens ou lignes) entre ces sommets ; ces arêtes sont parfois non symétriques (les graphes sont alors dits orientés) et sont alors appelées des flèches ou des arcs.
