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 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 l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.
Introduit des structures de données réseau, des modèles et des techniques d'analyse, mettant l'accent sur l'invariance de permutation et les réseaux Erdős-Rényi.
Explore le rôle des graphiques dans l'apprentissage en profondeur, en se concentrant sur leur structure, leurs applications et leurs techniques de traitement des données graphiques.
Couvre le polynôme d'indépendance d'un graphe de dépendance et des concepts connexes tels que la coloration du graphe et les propriétés du graphe dirigé.
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 théorème de Markov, la liaison de Chernoff et les fondamentaux de la théorie des probabilités, y compris une bonne coloration, des graphiques à 2 couleurs et des événements rares.
Explore les configurations tactiques, couvrant la taille minimale des sous-ensembles nécessaires pour couvrir les ensembles d'éléments et le concept de K-sets et de points de base.
