ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
 

 ARTICLE VOL 33/2-3 - 2016  - pp.351-376  - doi:10.3166/ts.33.351-376
TITRE
Perspectives en matrices aléatoires et grands réseaux

TITLE
Perspectives in randommatrices and large networks

RÉSUMÉ

Dans cet article, de nouvelles perspectives de recherche en matrices aléatoires appliquées à la théorie des graphes sont introduites. Nous nous attachons en particulier à l’analyse spectrale des matrices d’adjacence et laplaciennes de graphes de grandes dimensions pour la détection de communautés dans les réseaux, des matrices aléatoires à noyaux pour la classification non supervisée en big data, ainsi qu’à des applications en réseaux de neurones.



ABSTRACT

In this article, several research perspectives in random matrix theory applied to graph theory at large are discussed. Specific focus will be made on the spectrum analysis of the adjacency or Laplacian matrices of large dimensional graphs for community detection in networks, of kernel random matrices for clustering in large datasets, along with applications to neural networks.



AUTEUR(S)
Romain COUILLET, Gilles WAINRIB

Reçu le 26 mars 2015.    Accepté le 2 mars 2016.

MOTS-CLÉS
matrices aléatoires, classification spectrale, réseaux de neurones, graphes, graphes aléatoires.

KEYWORDS
random matrix theory, spectral clustering, neural networks, graphs, random graphs.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (4,2 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
made by WAW Lavoisier