Séminaire du CIMMUL – Simon Lizotte

Reconstruction d’hypergraphes de données bruitées par inférence bayésienne

Simon Lizotte

Étudiant à la maîtrise, Dynamica
Département de physique, génie physique et d’optique, Université Laval

Résumé

Dans la science des réseaux complexes, on s’intéresse à modéliser des systèmes complexes réels tels que les amitiés dans un réseau social et la structure qui permet de distribuer l’électricité. Or, la structure de ces réseaux complexes est souvent inconnue: on observe généralement une mesure des interactions par paires et non le réseau lui-même. Afin de reconstruire la structure en graphe, une forme de traitement de donnée est donc nécessaire. Récemment, une nouvelle approche basée sur l’inférence bayésienne a été proposée dans le domaine. Celle-ci, au lieu de n’offrir qu’un seul graphe pour représenter les données, permet de générer une distribution des graphes compatibles avec toute l’information disponible dans les données. Dans cette approche cependant, il est supposé que les interactions sont indépendantes pour faciliter l’analyse mathématique, une hypothèse qui est parfois inappropriée en pratique. Dans ce projet de maîtrise, un nouveau modèle a été développé afin de tenir compte de la corrélation dans les interactions. On montre que lorsqu’il y a du chevauchement entre les distributions dans les données, le modèle considérant la corrélation parvient à reconstruire plus fidèlement la structure d’interactions.