Forage de données dans les réseaux dynamiques complexes

Les réseaux sont recognus comme étant de puissants modèles pour représenter des questions et leurs relations dans diverses applications. L'existence de methodes efficaces pour analysis et extraire de l'information utile dans ce type de données est essentielle à plusieurs domaines importants dont les télécommunications，la bioinformatique，la sociologie et l'Internet.此外，利用网络的新应用程序的出现，使网络中的数据和数据关系在时间上变得越来越复杂，这表明需要对网络动态特性的调制和分析的有效性进行深入研究。缺乏这些技术代表了一个严重的问题，即限制了利用这类技术的广泛应用，并使新的应用程序的发展受到限制。该项目的目标是开发新的方法，以分析和预测复杂的网络和网络关系的演变。为了实现这一目标，有两个重要问题需要研究：（i）顾客关系的复杂性，以及（ii）预测全球动态网络在潜在空间中的代表性。Le décampement de methodes pour identifier des corrélations temporelles bénéficiera à plusieurs applications clés dont la dectection d'événements importants，pouvant correspondre à des activités malicieuses dans le réseau，et l'identification de faiblesses structurelles dans le réseau.这些方法可以防止某些危险顾客的出现，但必须对顾客的行为进行观察，使其有可能恢复有效的预防机制。此外，预计未来Au革命将在结构性或社会性重要趋势出现之前进行，因为新的Au群体将在人口中形成。

Les réseaux sont reconnus comme étant de puissants modèles pour représenter des entités et leurs relations dans diverses applications. L'existence de méthodes efficaces pour analyser et extraire de l'information utile dans ce type de données est essentielle à plusieurs domaines importants dont les télécommunications, la bioinformatique, la sociologie et l'Internet. Cependant, l'émergence récente de nouvelles applications utilisant des réseaux dont les entités et leurs relations évoluent dans le temps a mis en évidence la nécessité de développer des outils permettant de modéliser et d'analyser efficacement les propriétés de réseaux dynamiques. L'absence de tels outils représente un problème sérieux car elle limite la pleine croissance des technologies utilisant ce type de données et empêche le développement de nouvelles applications prometteuses. L'objectif de ce projet est de développer de nouvelles approches pour analyser et prédire l'évolution des entités de réseaux complexes et de leurs relations. Pour atteindre cet objectif, deux problèmes importants seront étudiés: (i) la découverte de patrons relationnels complexes temporellement corrélés et de patrons récurrents, et (ii) la prédiction de l'état global d'un réseau dynamique complexe à l'aide d'une représentation dans un espace latent à faible dimension. Le développement de méthodes pour identifier des corrélations temporelles bénéficiera à plusieurs applications clés dont la détection d'événements importants, pouvant correspondre à des activités malicieuses dans le réseau, et l'identification de faiblesses structurelles dans le réseau. Ces méthodes permettront, entre autres, de prévoir l'apparition de certains patrons dangereux à partir de l'observation de patrons leur étant corrélés, rendant ainsi possible l'instauration de mécanismes efficaces de prévention. De même, prédire l'état futur d'un réseau évoluant dans le temps permettra d'anticiper l'émergence de tendances structurelles ou sociales importantes, telles que la formation de nouveaux groupes au sein d'une population.