Perspectives en matrices aléatoires et grands réseaux

Show simple item record

dc.contributor.author Wainrib, Gilles -
dc.contributor.author Couillet, Romain -
dc.date.accessioned 2019-09-09T13:25:54Z
dc.date.available 2019-09-09T13:25:54Z
dc.date.issued 2016 -
dc.identifier.citation Wainrib, Gilles ; Couillet, Romain ; Perspectives en matrices aléatoires et grands réseaux. Traitement du signal, 2016, 33, 2, p. 351-376, https://doi.org/10.3166/TS.33.351-376. -
dc.identifier.issn 0765-0019 -
dc.identifier.uri http://hdl.handle.net/2042/70432
dc.description.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. fr
dc.description.abstract 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. en
dc.language.iso fr -
dc.publisher Lavoisier -
dc.relation.ispartofseries Traitement du signal -
dc.rights Accès libre - Licence d'utilisation : http://irevues.inist.fr/utilisation -
dc.source Traitement du signal [Trait. Signal], ISSN 0765-0019, 2016, 33, 2, p. 351-376 -
dc.subject matrices aléatoires fr
dc.subject classification spectrale fr
dc.subject réseaux de neurones fr
dc.subject graphes fr
dc.subject graphes aléatoires fr
dc.subject random matrix theory en
dc.subject spectral clustering en
dc.subject neural networks en
dc.subject graphs en
dc.subject random graphs en
dc.title Perspectives en matrices aléatoires et grands réseaux fr
dc.type Article -
dc.contributor.affiliation Ecole Normale Supérieure, Département d’Informatique, 45 rue d’Ulm, 75005 Paris, France -
dc.contributor.affiliation CentraleSupélec, 91192 Gif sur Yvette, France -
dc.identifier.doi https://doi.org/10.3166/TS.33.351-376 -


Files in this item

PDF TraitSignal_2016_33_2_351_Wainrib.pdf 4.025Mb

This item appears in the following Collection(s)

Show simple item record





Advanced Search