AI-ordlista
Den kompletta ordlistan över AI
Modularity Optimization
Méthode d'évaluation et d'optimisation qui mesure la qualité d'une partition en comparant la densité de liens réels à celle attendue dans un graphe aléatoire de même degré.
Louvain Algorithm
Algorithme heuristique itératif optimisant la modularité en alternant phases de détection locale de communautés et d'agrégation de super-nœuds pour une scalabilité efficace.
Graph Cuts
Approche de partitionnement formulée comme problème d'optimisation de coupe minimale, visant à séparer le graphe en minimisant le poids des arêtes inter-clusters coupées.
Normalized Cut
Variante des graph cuts normalisant la coupe par le volume des clusters pour éviter les solutions triviales, équilibrant ainsi la taille des partitions identifiées.
Markov Clustering
Algorithme simulant des marches aléatoires sur le graphe avec expansion et inflation matricielles pour renforcer les flux intra-communautés et affaiblir les inter-communautés.
Affinity Propagation
Méthode de clustering basée sur le passage de messages entre points, identifiant automatiquement le nombre optimal de clusters à partir des similarités paires.
Random Walk Clustering
Approche basée sur la similarité des profils de marches aléatoires depuis chaque nœud, regroupant les nœuds avec des comportements de transition similaires dans le graphe.
Clique Percolation
Méthode identifiant les communautés comme unions de k-cliques adjacentes, permettant la détection de structures chevauchantes et non hiérarchiques dans les réseaux complexes.
Stochastic Block Model
Modèle génératif probabiliste où les probabilités de connexion dépendent des appartenances communautaires, fournissant un cadre statistique pour l'inférence de communautés.