Hérité du développement de l’énergie électrique, l’exploitation en courant alternatif (AC) s’est imposée progressivement pour conduire à l’architecture des réseaux centralisés que l’on connait aujourd’hui. Les systèmes électriques tendent à s’hybrider en raison de la pénétration de productions et d’usages exploitant intrinsèquement le courant continu (DC) : production photovoltaïque (PV), véhicule électrique, éclairage à LED, technologies de l’information et de la communication (TIC), électrolyse, etc.

Cet article introduit des méthodes de représentation des mots dans l’informatique au travers d’un premier exemple simple utilisant l’occurrence des mots dans un corpus de textes puis d’un exemple utilisant Word2Vec qui regroupe un ensemble de réseaux de neurones pour l’apprentissage de vectorisation des mots afin d’opérer sur ceux-ci. Une attention particulière sera faite quant aux biais introduits par rapport aux données d’apprentissage)

Dans le contexte de la caractérisation précoce des tumeurs du sein, il est intéressant de combiner les modalités électromagnétiques (EM) et ultrasonores (US), car elles sont toutes deux non ionisantes et peu coûteuses, et offrent des caractéristiques de résolution complémentaires. Nous proposons ici une nouvelle structure de réseau neuronal convolutif (CNN), appelée réseau neuronal complexe en cascade tenant compte de la structure (SACC-CNN). Il se compose de deux parties, le réseau de reconstruction (SARNet) et le réseau de classification (SACNet). Le SACNet produit la carte des types de tissus qui est ensuite transmise au SARNet, qui reconstruit les paramètres EM et US. Ces deux parties peuvent être considérées comme deux modules indépendants. Une fonction de perte guidée par la physique est mise en oeuvre dans le réseau SARNet pour améliorer la similarité structurelle. Les principales caractéristiques de ces approches, illustrées par des simulations, sont décrites.