<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>apprentissage profond &#8211; Enerzine</title>
	<atom:link href="https://www.enerzine.com/etiquettes/apprentissage-profond/feed" rel="self" type="application/rss+xml" />
	<link>https://www.enerzine.com</link>
	<description>L&#039;énergie au quotidien</description>
	<lastBuildDate>Fri, 19 Jan 2024 17:05:00 +0000</lastBuildDate>
	<language>fr-FR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://www.enerzine.com/wp-content/uploads/2024/02/cropped-enerzine_logo_512-32x32.png</url>
	<title>apprentissage profond &#8211; Enerzine</title>
	<link>https://www.enerzine.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Les drones plus performants grâce à un organisme unicellulaire</title>
		<link>https://www.enerzine.com/les-drones-plus-performants-grace-a-un-organisme-unicellulaire/82790-2024-01</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 19 Jan 2024 17:05:00 +0000</pubDate>
				<category><![CDATA[Aérien]]></category>
		<category><![CDATA[Mobilité]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[drones]]></category>
		<category><![CDATA[efficacite energetique]]></category>
		<category><![CDATA[moule a limon]]></category>
		<category><![CDATA[reseau neuronal]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=82790</guid>

					<description><![CDATA[Alors que nous sommes de plus en plus connecté, l&#8217;efficacité énergétique des réseaux sans fil est devenue une préoccupation majeure. Une équipe internationale de chercheurs a mis au point une méthode innovante pour améliorer cette efficacité, en s&#8217;inspirant d&#8217;un organisme unicellulaire, le « moule à limon ». Un mathématicien de l&#8217;Université RUDN, en collaboration avec des collègues [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>L&#8217;IA révèle des armes cachées contre les infections mortelles</title>
		<link>https://www.enerzine.com/lia-revele-des-armes-cachees-contre-les-infections-mortelles/81332-2024-01</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 05 Jan 2024 09:05:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[antibiotiques]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[intelligence artificielle]]></category>
		<category><![CDATA[recherche medicale]]></category>
		<category><![CDATA[sarm]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=81154</guid>

					<description><![CDATA[Dans la recherche médicale, l&#8217;intelligence artificielle (IA) fait de plus en plus d&#8217;adeptes afin de résoudre des problèmes complexes. Une étude récente a utilisé une forme d&#8217;IA appelée apprentissage profond pour découvrir une classe de composés capables de tuer une bactérie résistante aux médicaments qui cause plus de 10 000 décès aux États-Unis chaque année. [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>L&#8217;exploitation des données de diffraction des rayons X par l&#8217;apprentissage profond</title>
		<link>https://www.enerzine.com/lexploitation-des-donnees-de-diffraction-des-rayons-x-par-lapprentissage-profond/79810-2023-12</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 21 Dec 2023 09:00:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[conditions extremes]]></category>
		<category><![CDATA[diffraction des rayons x]]></category>
		<category><![CDATA[donnees experimentales]]></category>
		<category><![CDATA[innovation materielle]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=79801</guid>

					<description><![CDATA[Dans le domaine de la science des matériaux, une équipe de chercheurs a mis au point des modèles d&#8217;apprentissage profond capables de traiter les volumes massifs de données générés par les techniques de diffraction des rayons X. Cette innovation pourrait accélérer l&#8217;innovation matérielle et la compréhension des matériaux dans des conditions extrêmes. Des chercheurs de [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Les réseaux de tenseurs surpassent les réseaux neuronaux en 5 domaines clés</title>
		<link>https://www.enerzine.com/les-reseaux-de-tenseurs-surpassent-les-reseaux-neuronaux-en-5-domaines-cles/77065-2023-11</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Wed, 29 Nov 2023 21:10:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[efficacite]]></category>
		<category><![CDATA[interpretation]]></category>
		<category><![CDATA[physique quantique]]></category>
		<category><![CDATA[reseau tenseur]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=77065</guid>

					<description><![CDATA[L&#8217;apprentissage profond par machine a connu un succès remarquable dans divers domaines de l&#8217;intelligence artificielle. L&#8217;atteinte simultanée d&#8217;une grande capacité d&#8217;interprétation et d&#8217;une haute efficacité demeure un défi critique. Des chercheurs dévoilent une avancée inspirée des quanta, transformant les modèles « boîte noire » en solutions « boîte blanche » pour l&#8217;intelligence artificielle. Shi-Ju Ran de l&#8217;Université Normale de [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Transformer les images 2D en hologrammes : une réalité proche</title>
		<link>https://www.enerzine.com/transformer-les-images-2d-en-hologrammes-une-realite-proche/71075-2023-10</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Thu, 19 Oct 2023 17:30:00 +0000</pubDate>
				<category><![CDATA[Optique]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[hologramme]]></category>
		<category><![CDATA[image 3D]]></category>
		<category><![CDATA[reseaux neuronaux]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=71075</guid>

					<description><![CDATA[Les hologrammes, offrant une vue tridimensionnelle (3D) des objets, fournissent un niveau de détail inatteignable par les images bidimensionnelles (2D) classiques. En raison de leur capacité à offrir une expérience réaliste et immersive des objets 3D, les hologrammes détiennent un énorme potentiel d&#8217;utilisation dans divers domaines, notamment l&#8217;imagerie médicale, la fabrication et la réalité virtuelle. [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>L&#8217;apprentissage profond dévoile les mystères des événements extrêmes dans les fluides</title>
		<link>https://www.enerzine.com/lapprentissage-profond-devoile-les-mysteres-des-evenements-extremes-dans-les-fluides/69151-2023-10</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Wed, 04 Oct 2023 22:10:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[CNN]]></category>
		<category><![CDATA[ecoulements turbulents]]></category>
		<category><![CDATA[GradCAM]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=69148</guid>

					<description><![CDATA[Identifier la cause sous-jacente des événements extrêmes tels que les inondations, les fortes pluies ou les tornades est un défi immense pour les scientifiques. Dans cet article, nous explorons comment une équipe de chercheurs a utilisé l&#8217;apprentissage profond pour analyser et comprendre les événements extrêmes dans les écoulements turbulents. La physique des fluides et les [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Comment l&#8217;intelligence artificielle transforme la gestion des équipements énergivores</title>
		<link>https://www.enerzine.com/comment-lintelligence-artificielle-transforme-la-gestion-des-equipements-energivores/68853-2023-10</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Mon, 02 Oct 2023 20:10:00 +0000</pubDate>
				<category><![CDATA[Intelligence artificielle]]></category>
		<category><![CDATA[Technologie]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[controle intelligent]]></category>
		<category><![CDATA[emissions carbone]]></category>
		<category><![CDATA[Internet industriel]]></category>
		<category><![CDATA[jumeaux numeriques]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=68769</guid>

					<description><![CDATA[Une équipe chinoise a développé une méthode innovante de contrôle intelligent pour la gestion à faible émission de carbone des équipements énergivores. Cette recherche novatrice, publiée dans la revue Engineering, représente une étape importante vers la réduction des émissions de carbone dans l&#8217;industrie des procédés. La méthode de contrôle intelligent La méthode de l&#8217;équipe de [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>L&#8217;IA détecte les micro-défauts en une seule prise pour les piles à combustible</title>
		<link>https://www.enerzine.com/lia-detecte-les-micro-defauts-en-une-seule-prise-pour-les-piles-a-combustible/68558-2023-09</link>
		
		<dc:creator><![CDATA[La rédaction]]></dc:creator>
		<pubDate>Fri, 29 Sep 2023 19:10:00 +0000</pubDate>
				<category><![CDATA[Infrastructure]]></category>
		<category><![CDATA[Mobilité]]></category>
		<category><![CDATA[apprentissage profond]]></category>
		<category><![CDATA[intelligence artificielle]]></category>
		<category><![CDATA[kriss]]></category>
		<category><![CDATA[mesure 3D]]></category>
		<category><![CDATA[piles combustible]]></category>
		<guid isPermaLink="false">https://www.enerzine.com/?p=68558</guid>

					<description><![CDATA[Les piles à combustible, composantes essentielles des véhicules électriques à hydrogène (FCEV), sont des systèmes de conversion d&#8217;énergie respectueux de l&#8217;environnement qui génèrent de l&#8217;électricité et de la chaleur grâce à la réaction chimique de l&#8217;hydrogène et de l&#8217;oxygène. L&#8217;Institut coréen de recherche sur les normes et la science (KRISS) a développé une technologie permettant [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
