Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Déplacez-vous dans des transitions de phase dans des graphiques aléatoires, mettant l'accent sur l'émergence d'une composante géante avec une connectivité variable.
Explore le degré de nœud et la force dans les neurosciences réseau, en discutant des réseaux aléatoires et réels et les défis d'adapter les lois de puissance aux données réelles.
Explore le modèle d'émission aléatoire du champ sur des graphiques aléatoires, en discutant des mises à jour de la propagation des croyances et de la dynamique des populations.
Déplacez-vous dans les progrès des humanités numériques de 2012 à 2032, en mettant l'accent sur les technologies d'apprentissage profond pour l'analyse de documents historiques.
Explore la centralité, les hubs, les vecteurs propres, les coefficients de regroupement, les réseaux de petits mondes, les défaillances des réseaux et la théorie de la percolation dans les réseaux du cerveau.
Explore les épidémies répandre des modèles et Bootstrap Percolation dans les réseaux de treillis carrés, en se concentrant sur léquation de Kolmogorov et les fonctions génératrices de probabilité.
Explore la connectivité des nœuds cérébraux, le degré de nœud, la force, les réseaux aléatoires, les distributions de droit de l'énergie, et la complexité des réseaux réels.
Explore l'omniprésence des graphiques dans les données et les analyses modernes, en mettant l'accent sur le changement dans la perception des organisations des technologies graphiques.
Explore l'estimation stochastique du modèle de bloc, le regroupement spectral, la modularité du réseau, la matrice laplacienne et le regroupement des moyennes k.
Explore la gestion des données du réseau, y compris les types de graphiques, les propriétés du réseau dans le monde réel et la mesure de l'importance des nœuds.
