Explore la théorie du clustering spectral, la décomposition des valeurs propres, la matrice laplacienne et les applications pratiques dans l'identification des clusters.
Explore la théorie des graphes, les matrices stochastiques, les algorithmes de consensus et les propriétés spectrales dans les systèmes de contrôle en réseau.
Explore la régression non paramétrique pour les réseaux, couvrant l'analyse des données d'objets, les graphiques de réseaux, les distances extrinsèques et les projections pratiques.
Couvre les tests d'identité polynomiale à l'aide d'oracles et d'évaluations ponctuelles aléatoires, avec des applications dans la théorie des graphes et les aspects algorithmiques.
Explore l'entrelacement des familles de polynômes et des graphiques de Ramanujan à un côté, en se concentrant sur leurs propriétés et leurs méthodes de construction.