Perspectives en matrices aléatoires et grands réseaux

Show full item record

Files in this item

PDF TraitSignal_2016_33_2_351_Wainrib.pdf 4.025Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/70432
Title: Perspectives en matrices aléatoires et grands réseaux
Author: Wainrib, Gilles; Couillet, Romain
Abstract: Dans cet article, de nouvelles perspectives de recherche en matrices aléatoires appliquées à la théorie des graphes sont introduites. Nous nous attachons en particulier à l’analyse spectrale des matrices d’adjacence et laplaciennes de graphes de grandes dimensions pour la détection de communautés dans les réseaux, des matrices aléatoires à noyaux pour la classification non supervisée en big data, ainsi qu’à des applications en réseaux de neurones.In this article, several research perspectives in random matrix theory applied to graph theory at large are discussed. Specific focus will be made on the spectrum analysis of the adjacency or Laplacian matrices of large dimensional graphs for community detection in networks, of kernel random matrices for clustering in large datasets, along with applications to neural networks.
Subject: matrices aléatoires; classification spectrale; réseaux de neurones; graphes; graphes aléatoires; random matrix theory; spectral clustering; neural networks; graphs; random graphs
Publisher: Lavoisier
Date: 2016

This item appears in the following Collection(s)

Show full item record





Advanced Search