Graphes et Réseaux Biologiques, Concepts et Algorithmes
|
|
- Lucienne Dubois
- il y a 7 ans
- Total affichages :
Transcription
1 1/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphes et Réseaux Biologiques, Concepts et Algorithmes L. Tichit 18 novembre 2014
2 2/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Transparents Christine 1-2
3 3/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Définitions
4 4/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe Un graphe est constitué d un ensemble V de sommets et un ensemble E d arêtes, chaque arête étant elle-même représentée par une paire de sommets. Définition Un graphe G = (V, E) est le couple constitué : d un ensemble V non vide et fini dont les éléments sont appelés sommets. d un ensemble E V V dont les éléments sont des paires de sommets et sont appelés arêtes.
5 5/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Taille, Degré Si e = {x, y} est une arête de G, on dit que les sommets x et y, extrémités de l arête e, sont adjacents (ou voisins) dans le graphe G, et que l arête e est incidente aux sommets x et y.
6 5/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Taille, Degré Si e = {x, y} est une arête de G, on dit que les sommets x et y, extrémités de l arête e, sont adjacents (ou voisins) dans le graphe G, et que l arête e est incidente aux sommets x et y. La taille (ou l ordre) d un graphe G est égale au nombre de sommets composant ce graphe, et est notée G, V ou n.
7 5/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Taille, Degré Si e = {x, y} est une arête de G, on dit que les sommets x et y, extrémités de l arête e, sont adjacents (ou voisins) dans le graphe G, et que l arête e est incidente aux sommets x et y. La taille (ou l ordre) d un graphe G est égale au nombre de sommets composant ce graphe, et est notée G, V ou n. Le nombre d arêtes est noté E ou m.
8 /27 Taille, Degré Si e = {x, y} est une arête de G, on dit que les sommets x et y, extrémités de l arête e, sont adjacents (ou voisins) dans le graphe G, et que l arête e est incidente aux sommets x et y. La taille (ou l ordre) d un graphe G est égale au nombre de sommets composant ce graphe, et est notée G, V ou n. Le nombre d arêtes est noté E ou m. On appelle degré d un sommet x d un graphe, le nombre de voisins du sommet x. Le degré de x est noté deg(x) ou k x. On note deg(g) le degré maximal du graphe G, c est-à-dire le nombre maximal de voisins des sommets de G. Définition deg(g) = max x V {k x}
9 6/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe complet Un graphe complet est tel que tous ses sommets sont adjacents deux à deux.
10 6/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe complet Un graphe complet est tel que tous ses sommets sont adjacents deux à deux. Un graphe complet à i sommets est, par convention, appelé Ki. Figure: Un graphe complet (K6)
11 /27 Graphe complet Dessinez Ki, i {1,..., 5}
12 7/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe complet Dessinez Ki, i {1,..., 5} i {1,..., 7}, calculez E Ki
13 7/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe complet Dessinez Ki, i {1,..., 5} i {1,..., 7}, calculez E Ki Pour un graphe complet, en déduire E en fonction de V
14 7/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Graphe complet Dessinez Ki, i {1,..., 5} i {1,..., 7}, calculez E Ki Pour un graphe complet, en déduire E en fonction de V Définition Pour tout graphe complet : E = V.( V 1) 2
15 8/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Sous-graphe, Clique Un sous-graphe H = (V 2, E 2 ) de G = (V, E) est un graphe pour lequel V 2 V et E 2 V 2 V 2 E.
16 8/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Sous-graphe, Clique Un sous-graphe H = (V 2, E 2 ) de G = (V, E) est un graphe pour lequel V 2 V et E 2 V 2 V 2 E. Une clique est un sous-graphe formant un graphe complet.
17 9/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Densité La densité D d un graphe G à n sommets mesure son taux d arêtes. Définition D(G) = E E Kn
18 9/27 Graphes et Réseaux Biologiques, Concepts et Algorithmes Densité La densité D d un graphe G à n sommets mesure son taux d arêtes. Définition D(G) = E E Kn D G = 0 E = 0 D G = 1 G = Kn
19 10/27 Densité Reformulez la densité en fonction de V et E.
20 10/27 Densité Reformulez la densité en fonction de V et E. Définition D(G) = 2 E V.( V 1)
21 11/27 Chaîne Une chaîne est une séquence d arêtes L = (e 1, e 2,..., e q ) telle que chaque arête e i de la séquence (avec 2 i q 1) ait une extrémité commune avec l arête e i 1 (e i 1 e i ) et l autre extrémité commune avec l arête e i+1 (e i+1 e i ). Figure: Une chaîne
22 12/27 Cycle Un cycle est une chaîne pour laquelle le premier et le dernier sommet sont identiques. Figure: Un cycle
23 12/27 Cycle Un cycle est une chaîne pour laquelle le premier et le dernier sommet sont identiques. Figure: Un cycle Par extension : Une chaîne d un graphe G est un sous-graphe de G qui est lui-même une chaîne. Un cycle d un graphe G est un sous-graphe de G qui est lui-même un cycle.
24 13/27 Distance entre sommets, Excentricité La distance entre deux sommets d un graphe est la longueur d une plus courte chaîne entre ces deux sommets.
25 13/27 Distance entre sommets, Excentricité La distance entre deux sommets d un graphe est la longueur d une plus courte chaîne entre ces deux sommets. L excentricité d un sommet est le maximum des distances entre lui et chacun des autres. Définition exc(w) = max dist(w, v) v V
26 14/27 Distance entre sommets, Diamètre La distance entre deux sommets d un graphe est la longueur d une plus courte chaîne entre ces deux sommets.
27 14/27 Distance entre sommets, Diamètre La distance entre deux sommets d un graphe est la longueur d une plus courte chaîne entre ces deux sommets. Le diamètre d un graphe est l excentricité maximale de ses sommets = maximum des distances entre toute paire de sommets. Définition diametre(g) = max v V exc(v)
28 15/27 Distance entre sommets, Diamètre Calculez les diamètres des 4 graphes suivants (à faire au tableau).
29 15/27 Distance entre sommets, Diamètre Calculez les diamètres des 4 graphes suivants (à faire au tableau). Figure: Diamètre de différents graphes
30 15/27 Distance entre sommets, Diamètre Calculez les diamètres des 4 graphes suivants (à faire au tableau). Figure: Diamètre de différents graphes Au passage, énumérez les cliques des graphes précédents.
31 6/27 Rayon, Centre Le rayon est l excentricité minimale de ses sommets. Définition rayon(g) = min v V exc(v)
32 6/27 Rayon, Centre Le rayon est l excentricité minimale de ses sommets. Définition rayon(g) = min v V exc(v) Le centre d un graphe est formé de l ensemble de ses sommets d excentricité minimale. Le centre doit être placé de telle sorte que le maximum des distances de chaque sommet au centre soit minimal.
33 6/27 Rayon, Centre Le rayon est l excentricité minimale de ses sommets. Définition rayon(g) = min v V exc(v) Le centre d un graphe est formé de l ensemble de ses sommets d excentricité minimale. Le centre doit être placé de telle sorte que le maximum des distances de chaque sommet au centre soit minimal. Rayon et Centre des graphes précédent?
34 Connexité Un graphe G est dit connexe si et seulement si pour toute paire i, j V V il existe toujours une chaîne reliant i et j. 17/27 Figure: Un graphe connexe
35 18/27 Composante connexe Définition Une composante connexe d un graphe G est un sous-graphe de G connexe maximal. Autrement dit, c est un ensemble de sommets du graphe G de taille maximale, tel qu il existe une chaîne entre chacun de ses sommets. Figure: Un graphe constitué de deux composantes connexes
36 19/27 Graphes étiquetés et Topologie Soit Σ un alphabet fini fixé. Un graphe étiqueté sur Σ est un graphe pour lequel une étiquette l v Σ (parfois appelée label) est affectée à chaque sommet v (et/ou arête). La topologie d un graphe représente sa forme : deux graphes étiquetés différents peuvent avoir la même topologie. Deux graphes de même topologie sont appelés isomorphes.
37 20/27 Structures de données
38 21/27 Soit le Graphe G (orienté) suivant : Figure: Exemple de graphe pondéré (orienté)
39 22/27 Matrice d adjacence Matrice carrée, de taille n n, avec n = V. Chaque cellule M i,j contient un booléen ou une valeur numérique (arêtes pondérées).
40 22/27 Matrice d adjacence Matrice carrée, de taille n n, avec n = V. Chaque cellule M i,j contient un booléen ou une valeur numérique (arêtes pondérées). Figure: Matrice d adjacence
41 23/27 Liste d adjacence Tableau de taille n, chaque cellule M i contient un ensemble (liste, vecteur,...) de taille deg(g i ). Chaque élément de l ensemble identifie un sommet adjacent à i.
42 23/27 Liste d adjacence Tableau de taille n, chaque cellule M i contient un ensemble (liste, vecteur,...) de taille deg(g i ). Chaque élément de l ensemble identifie un sommet adjacent à i. Figure: Liste d adjacence
43 24/27 Matrice d incidence Matrice de taille n m, avec m = E et n = V. Décrit le graphe en indiquant quels liens arrivent sur quels sommets. Nécessite d indexer les arêtes
44 24/27 Matrice d incidence Matrice de taille n m, avec m = E et n = V. Décrit le graphe en indiquant quels liens arrivent sur quels sommets. Nécessite d indexer les arêtes Représentez la matrice d incidence du graphe ci-dessus.
45 25/27 Liste d incidence Même principe Les structures d incidence sont moins efficaces que les structures d adjacence : Complexité de certaines opérations Davantage de place mémoire perdue
46 26/27 Algorithmique
47 7/27 Connexité Idée : on choisit un sommet, puis on parcourt récursivement tous les voisins.
48 7/27 Connexité Idée : on choisit un sommet, puis on parcourt récursivement tous les voisins. Stop quand on a parcouru une composante connexe.
49 7/27 Connexité Idée : on choisit un sommet, puis on parcourt récursivement tous les voisins. Stop quand on a parcouru une composante connexe. On continue s il reste des sommets non traités.
50 28/27 Parcours en largeur : BFS Breadth-First Search : on utilise une file (First-In, First-Out). Figure: Breadth-First Search
51 29/27 Parcours en profondeur : DFS Depth-First Search : on utilise une pile (Last-In, First-Out). Figure: Depth-First Search
52 30/27 Complexité Déterminer l efficacité d un algorithme en temps d exécution et espace mémoire
53 30/27 Complexité Déterminer l efficacité d un algorithme en temps d exécution et espace mémoire Déterminer l efficacité d un algorithme dans le pire des cas en moyenne dans le meilleur cas
54 30/27 Complexité Déterminer l efficacité d un algorithme en temps d exécution et espace mémoire Déterminer l efficacité d un algorithme dans le pire des cas en moyenne dans le meilleur cas Outil théorique Indépendant de la programmation
55 31/27 Complexité Comparer des algorithmes, indépendamment de leur implémentation : choix avant implémentation.
56 31/27 Complexité Comparer des algorithmes, indépendamment de leur implémentation : choix avant implémentation. Déterminer comment l algorithme évoluera en fonction de la taille des données à traiter : vérification de la faisabilité de l implémentation.
57 32/27 Quelques courbes Comportement asymptotique d une fonction f (n) (quand la taille des données n tend vers l infini). Figure: Classes de complexité
58 33/27 Notation O(f (n)) Une fonction fun(n) a une complexité en O(f (n)) il existe une fonction C.f (n) (où C est une constante) qui borne fun(n) quand n tend vers l infini.
59 33/27 Notation O(f (n)) Une fonction fun(n) a une complexité en O(f (n)) il existe une fonction C.f (n) (où C est une constante) qui borne fun(n) quand n tend vers l infini. Exemple : une fonction f (n) qui effectue n n opérations a une complexité en O(n 2 ).
60 34/27 Graphes d interactions protéines-protéines
61 35/27 Hypothèse Objectif : recherche de protéines impliquées dans les mêmes voies metaboliques. Supposition : les proteines partageant beaucoup d interactions participent à la même voie métabolique.
62 36/27 Transparents Christine 3-4
63 37/27 Edge-betweenness L algorithme de Girvan Newman. Nombre de plus courts chemins passant par une arête (calculé entre toutes les paires de sommets). Hypothèse biologique de centralité : les processus biologiques sont connectés par des interactions de haute betweenness. Peut également être utilisé pour déconnecter le graphe.
64 38/27 Diamètre, Edge-betweenness Plus court chemin L algorithme de Dijkstra est la référence. Il se base sur des graphes dont les arêtes sont pondérées. Principe : parcours en largeur en maintenant une liste de priorité. Figure: Algorithme de Dijkstra
65 9/27 Plus court chemin : algorithme de Dijkstra Entrées : G = (V, E) un graphe avec une pondération p des arêtes v deb un sommet de V Initialiser chaque sommet comme étant non marqué. Affecter la valeur + à tous les labels L L(v deb ) = 0 Tant Qu il existe un sommet non marqué Choisir le sommet a non marqué de plus petit label L Marquer a Pour chaque sommet b non marqué voisin de a L(b) = min(l(b), L(a) + p(a, b)) Fin Pour Fin Tant Que
66 40/27 Algorithme de Dijkstra : complexité Complexité en O(m + n log(n))
67 40/27 Algorithme de Dijkstra : complexité Complexité en O(m + n log(n)) Idée 1 : avg deg(g) 2.n = m
68 40/27 Algorithme de Dijkstra : complexité Complexité en O(m + n log(n)) avg deg(g) Idée 1 : 2.n = m Idée 2 : stocker les sommets dans un tas (structure arborescente équilibrée)
69 41/27 Transparents Christine 5-8
70 42/27 Kernel, K-Core Quelles sont les protéines centrales (beaucoup d interacteurs, évoluent peu)? Principe : on pèle l interactome. Supprimer récursivement des sommets, en commençant par ceux n ayant qu un seul voisin.
71 43/27 Kernel, K-Core Figure: K-Cores
72 44/27 Transparents Christine 9-13
73 45/27 Transparents Christine 14-18
74 Bibliographie 45/27 C. Berge. Graphes et hypergraphes. Dunod Editeurs, Paris. Deuxième édition, C. Berge. Hypergraphs. Elsevier Science Publishers, C. Berge. Graphs. North Hollande, O. Cogis and C. Robert. Au-delà des ponts de Königsberg Théorie des Graphes. Vuibert, Paris, 2003.
La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailUne nouvelle approche de détection de communautés dans les réseaux sociaux
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailLa gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Plus en détailFaceBook aime les Maths!
FaceBook aime les Maths! Michel Rigo http://www.discmath.ulg.ac.be/ http://orbi.ulg.ac.be/ Réseaux Visualizing my Twitter Network by number of followers. Michael Atkisson http://woknowing.wordpress.com/
Plus en détailFaculté des sciences Département de mathématiques. Théorie des graphes
Faculté des sciences Département de mathématiques Théorie des graphes Deuxièmes bacheliers en sciences mathématiques Année académique 2009 2010 Michel Rigo Table des matières Introduction 1 Chapitre I.
Plus en détailQuelques Algorithmes simples
Quelques Algorithmes simples Irène Guessarian ig@liafa.jussieu.fr 10 janvier 2012 Je remercie Patrick Cegielski de son aide efficace pour la programmation Java ; la section sur le codage de Huffman a été
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailSauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS
Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailUniversité Bordeaux 1, Licence Semestre 3 - Algorithmes et struct...
Université Bordeaux 1 table des matières Licence Semestre 3 - Algorithmes et structures de données 1 Dernière mise à jour effectuée le 23 Octobre 2013 Piles et Files Déitions Primitives de piles, exemples
Plus en détailParallélisme et Répartition
Parallélisme et Répartition Master Info Françoise Baude Université de Nice Sophia-Antipolis UFR Sciences Département Informatique baude@unice.fr web du cours : deptinfo.unice.fr/~baude Septembre 2009 Chapitre
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détail4 Exemples de problèmes MapReduce incrémentaux
4 Exemples de problèmes MapReduce incrémentaux 1 / 32 Calcul des plus courtes distances à un noeud d un graphe Calcul des plus courts chemins entre toutes les paires de noeuds d un graphe Algorithme PageRank
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailPartie 1. La structure des réseaux sociaux
Partie 1. La structure des réseaux sociaux Analyse et Modélisation des Réseaux, Université Bordeaux IV Sections : Introduction 1 Introduction 2 3 L expérience de Milgram Les réseaux aléatoires 4 Le clustering
Plus en détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailCompression Compression par dictionnaires
Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailGéométrie Algorithmique Plan du cours
Plan du cours Introduction Triangulation de polygones Recherche/localisation Diagrammes de Voronoï Triangulation de Delaunay Arbres de partition binaire 1 Intersection de segments de droite Intersection
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailIntroduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Plus en détailDISQUE DUR. Figure 1 Disque dur ouvert
DISQUE DUR Le sujet est composé de 8 pages et d une feuille format A3 de dessins de détails, la réponse à toutes les questions sera rédigée sur les feuilles de réponses jointes au sujet. Toutes les questions
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailFrancis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle
Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailMODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES
Annals of the University of Craiova, Electrical Engineering series, No. 30, 006 MODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES Daniela POPESCU,
Plus en détailLes réseaux cellulaires
Les réseaux cellulaires Introduction Master 2 Professionnel STIC-Informatique Module RMHD 1 Introduction Les réseaux cellulaires sont les réseaux dont l'évolution a probablement été la plus spectaculaire
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailCOURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume
COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailArchitecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
Plus en détail6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr
6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailCAISSE ENREGISTREUSE ELECTRONIQUE SE-G1
AISSE ENREGISTREUSE ELETRONIQUE SE-G PROGRAMMATION SIMPLIFIEE 20/0/204 SOMMAIRE PROGRAMMATION SIMPLIFIEE.... Introduction... 2. Programmation... 4 Initialisation de la caisse :... 4 Programmation de base
Plus en détailIntroduction à la théorie des graphes
CAHIERS DE LA CRM Introduction à la théorie des graphes Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE Table des matières Avant-propos But de ce fascicule................................
Plus en détailLES LEVIERS DE L EMARKETING. OAP Marketing Web - ESC Toulouse 2008 Intevenant: francois@goube.org
LES LEVIERS DE L EMARKETING OAP Marketing Web - ESC Toulouse 2008 Intevenant: francois@goube.org Objectifs du cours Comprendre comment intégrer le web dans la stratégie des entreprises Connaître les grands
Plus en détailBACCALAURÉAT GÉNÉRAL SÉRIE SCIENTIFIQUE
BACCALAURÉAT GÉNÉRAL SÉRIE SCIENTIFIQUE ÉPREUVE DE SCIENCES DE L INGÉNIEUR ÉPREUVE DU VENDREDI 20 JUIN 2014 Session 2014 Durée de l épreuve : 4 heures Coefficient 4,5 pour les candidats ayant choisi un
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailLogiciels E.Set, E.View et E.View+
Logiciels E.Set, E.View et E.View+ FRANCAIS Manuel de référence Applications E.set, E.view et E.view+ 2 Table des matières Introduction 7 6.4 La barre d outils...29 6.5 La barre d adresse...30 6.6 La barre
Plus en détailGuide de configuration d'une classe
Guide de configuration d'une clae Viion ME Guide de configuration d'une clae Contenu 1. Introduction...2 2. Ajouter de cour...4 3. Ajouter de reource à une leçon...5 4. Meilleure pratique...7 4.1. Organier
Plus en détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détaill'atelier Scientifique
l'atelier Scientifique Etude et réalisation d un thermomètre informatisé V E R S I O N 1.41 SOMMAIRE SOMMAIRE...1 Présentation...3 Sources d'information...4 Installation...5 Installation...6 Mise à jour...11
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailSEO On-page. Avez-vous mis toutes les chances de votre côté pour le référencement de votre site?
SEO On-page Avez-vous mis toutes les chances de votre côté pour le référencement de votre site? I. Introduction... p.2 II. Optimisation on-page vs off-page... p.3 III. Les éléments importants de vos pages...
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailBaccalauréat ES 2013. L intégrale d avril à novembre 2013
Baccalauréat ES 2013 L intégrale d avril à novembre 2013 Pour un accès direct cliquez sur les liens bleus Pondichéry 15 avril 2013.......................................................... 3 Amérique du
Plus en détailCalcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane
Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Poteaux Adrien XLIM-DMI, UMR-CNRS 6172 Université de Limoges Soutenance de thèse 15 octobre
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailMaarch Framework 3 - Maarch. Tests de charge. Professional Services. http://www.maarch.fr. 11, bd du Sud Est 92000 Nanterre
Maarch Professional Services 11, bd du Sud Est 92000 Nanterre Tel : +33 1 47 24 51 59 Fax : +33 1 47 24 54 08 Maarch Framework 3 - Maarch PS anime le développement d un produit d archivage open source
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailPrincipes d AdWords. Quelques mots de présentation. Une audience large : les réseaux de ciblage. Réseau de recherche
3 Principes d AdWords Les deux premiers chapitres de ce livre, plutôt généraux, ont présenté l univers d Internet et de la publicité en ligne. Vous devriez maintenant être convaincu de l intérêt d une
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détail