Community Detection and Stochastic Block Models
Le domaine de la détection des communautés s'est considérablement développé depuis les années 1980, avec une diversité remarquable de modèles et d'algorithmes développés dans différentes communautés telles que l'apprentissage automatique, l'informatique, la science des réseaux, les sciences sociales et la physique statistique. Plusieurs questions fondamentales restent néanmoins en suspens, telles que : Existe-t-il vraiment des communautés ? Les algorithmes peuvent produire des structures communautaires, mais celles-ci sont-elles significatives ou sont-elles des artefacts ? Peut-on toujours extraire les communautés lorsqu'elles sont présentes.
Entièrement, partiellement ? Et quel est le bon point de référence pour mesurer la performance des algorithmes, et quelle est la qualité des algorithmes actuels ?
Cette monographie décrit les développements récents visant à répondre à ces questions dans le contexte des modèles de blocs. Abordant ces questions du point de vue de la théorie de l'information, l'auteur donne une description complète des travaux historiques et récents qui ont conduit à de nouveaux concepts clés dans les diverses exigences de récupération pour la détection des communautés.
La monographie fournit une introduction compacte à la détection de communautés, qui permet au lecteur d'appliquer ces techniques à des applications telles que la compréhension du comportement sociologique, les interactions protéine-protéine.
les expressions génétiques
Systèmes de recommandation.
Pronostic médical.
Pliage 3D de l'ADN.
Segmentation d'images, traitement du langage naturel, segmentation produit-client, tri de pages web, et bien d'autres.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)