CNN

Réseau de neurones convolutif utilisant des couches de convolution et de pooling pour extraire des caractéristiques spatiales hiérarchiques (bords, textures, formes)

• Extraction automatique de caractéristiques visuelles hiérarchiques sans ingénierie manuelle
• Invariance par translation grâce au partage de poids des filtres convolutifs
• Architecture dominante en vision par ordinateur pendant plus d'une décennie (classification, détection, segmentation d'images)

Nécessite de grands volumes de données annotées pour bien généraliser. La comparaison avec les architectures Transformer et la vulnérabilité aux perturbations adversariales, souvent avancées, sont absentes de la source citée, qui ne nomme que trois domaines d'application.

Aucune autre fiche du référentiel ne nomme celle-ci, et celle-ci n'en nomme aucune. Ce n'est pas un signe d'accord : c'est un silence documentaire, et il se comble en écrivant les limites de la fiche avec des noms.

1. 1.Réseau neuronal convolutif — Wikipédiasecondaire07/09/2026

• IPBES × CNNSuivi automatisé de la biodiversité et interface science-politique

  Fiche humaine : IPBES

• Marie Curie × CNNImagerie et radiothérapie assistées en oncologie

  Fiche humaine : Marie Curie

• Fonds mondial (sida/tuberculose/paludisme) × CNNDépistage assisté par imagerie dans les programmes de santé mondiale

  Fiche humaine : Fonds mondial (sida/tuberculose/paludisme)

• Arbres de décisionMéthode d'apprentissage automatique classique (algorithmes ID3, C4.5, CART, développés à partir des années 1980)
• AutoencodeursArchitecture de réseau de neurones popularisée à partir des années 1980-1990, largement développée depuis les années 2010
• Forêts aléatoiresMéthode d'ensemble développée notamment par Leo Breiman (2001)
• GANConcept développé par Ian Goodfellow et ses collègues (juin 2014)
• Gradient Boosting (XGBoost/LightGBM/CatBoost)Méthode formalisée par Jerome Friedman (1999). Les implémentations XGBoost, LightGBM et CatBoost qui donnent son nom à la fiche ne sont nommées par aucune source de celle-ci : leurs dates et leurs éditeurs restent à tracer.
• K-MeansAlgorithme classique de partitionnement de données (formalisé par Stuart Lloyd et James MacQueen dans les années 1950-1960)
• K-NNMéthode statistique classique d'apprentissage non paramétrique ; la source citée n'en donne pas la datation
• LSTMArchitecture développée par Sepp Hochreiter et Jürgen Schmidhuber (1997)