Explore l'inférence des connaissances pour les graphiques, en discutant de la propagation des étiquettes, des objectifs d'optimisation et du comportement probabiliste.
Explore la théorie des graphes dans la connectomique cérébrale, les applications d'IRM, la pertinence de l'analyse de réseau et les empreintes digitales individuelles.
Couvre des sujets tels que la sortie DFS, la classification des bords, les graphes acycliques, l'exactitude, l'analyse du temps, les SCC et l'algorithme de tri topologique.
Couvre les fonctions d'intégration sur les surfaces des graphes dans le calcul vectoriel, en mettant l'accent sur l'interprétation du théorème de divergence et des cas spéciaux de domaine entre deux graphes.
Couvre le modèle de bloc stochastique pour la détection de la communauté, en se concentrant sur la détection des communautés, des clusters et des groupes.
