Explore la connectivité des nœuds cérébraux, le degré de nœud, la force, les réseaux aléatoires, les distributions de droit de l'énergie, et la complexité des réseaux réels.
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 la percolation de démarrage de diffusion dans les réseaux, en se concentrant sur les seuils d'activation et la diffusion d'informations dans les réseaux sociaux.
Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.
Introduit les bases de la connectomique cérébrale, y compris la terminologie, le prétraitement des données, l'IRM fonctionnelle, les mesures de connectivité et la structure modulaire.
Couvre la percolation des liaisons sur un réseau carré, en discutant des phases de percolation, du seuil critique, de la taille moyenne des grappes et des scénarios de points critiques.
Couvre la théorie de la percolation et les modèles de graphes aléatoires, en explorant les seuils de connectivité et la puissance critique pour les réseaux sans fil.
Explore le degré de nœud et la force dans les neurosciences réseau, en discutant des réseaux aléatoires et réels et les défis d'adapter les lois de puissance aux données réelles.
Explore les épidémies répandre des modèles et Bootstrap Percolation dans les réseaux de treillis carrés, en se concentrant sur léquation de Kolmogorov et les fonctions génératrices de probabilité.
Explore la théorie des graphes dans la connectomique cérébrale, les applications d'IRM, la pertinence de l'analyse de réseau et les empreintes digitales individuelles.
