Couvre les propriétés stochastiques, les structures du réseau, les modèles, les statistiques, les mesures de centralité et les méthodes d'échantillonnage dans l'analyse des données du réseau.
Explore le modèle de bloc stochastique, le regroupement spectral et la compréhension non paramétrique des modèles de bloc, en mettant l'accent sur les mesures pour comparer les modèles graphiques.
Explore les distances sur les graphiques, les normes de coupe, les arbres de couverture, les modèles de blocs, les métriques, les normes et les ERGM dans l'analyse des données du réseau.
Explore les regroupements de réseaux, les regroupements spectraux, l'algorithme des moyennes k, les propriétés des valeurs propres, l'estimation des modèles de blocs et la mesure de la similarité structurelle.
Explore l'analyse statistique des données du réseau, couvrant les réseaux échantillonnés bruyants, l'estimation de la probabilité, les réseaux multicouches et les réseaux dirigés.
Explore les réseaux dirigés avec des relations asymétriques et des hypergraphes qui généralisent les graphiques en permettant aux bords de connecter n'importe quel sous-ensemble de nœuds.
Explore les épidémies dans les données de réseau, couvrant le modèle SIR, le rapport de reproduction de base, la percolation, les réseaux dirigés et l'estimation de la probabilité maximale.
Explore le biclustering dans les matrices de données, en identifiant des modèles de comportement cohérents et en discutant des méthodes de calcul pour l'analyse.
Introduit des hypergraphes, généralisant des graphiques en permettant à des sous-ensembles de nœuds de former des bords et d'explorer leurs applications dans différents domaines.
Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.