Robust Graph Topology Inference

Tesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2024. Director: Prof. Dr. Antonio García Marqués

Bibliographic Details
Author: Buciulea Vlas, Andrei
Format: doctoral thesis
Publication Date:2024
Country:España
Institution:Universidad Rey Juan Carlos
Repository:BURJC-Digital. Repositorio Institucional de la Universidad Rey Juan Carlos
OAI Identifier:oai:burjcdigital.urjc.es:10115/38216
Online Access:https://hdl.handle.net/10115/38216
Access Level:Open access
Keyword:Multimedia y Comunicaciones
id ES_2a7a67fd94ce77873d674a71fe5bdee9
oai_identifier_str oai:burjcdigital.urjc.es:10115/38216
network_acronym_str ES
network_name_str España
repository_id_str
spelling Robust Graph Topology InferenceBuciulea Vlas, AndreiMultimedia y ComunicacionesTesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2024. Director: Prof. Dr. Antonio García MarquésEn los últimos años, hemos presenciado una explosión masiva de datos. Esto se debe principalmente a la proliferación de dispositivos de sensores, al uso extendido de las redes sociales y a la creciente digitalización de nuestras actividades diarias. Al mismo tiempo, conforme los sistemas en red contemporáneos crecen en tamaño e importancia, los datos que generan se vuelven más complejos y diversos. Esto impulsa el rápido desarrollo de nuevos métodos y técnicas para procesar conjuntos de datos que se definen sobre dominios irregulares (no euclidianos). Entre los enfoques innovadores que han surgido para abordar los datos contemporáneos, uno especialmente eficaz y prometedor implica modelar la estructura irregular subyacente mediante un grafo y luego interpretar los datos como señales definidas en dicho grafo. Esta perspectiva basada en grafos ha ganado popularidad rápidamente y ha tenido éxito en diversos campos, como las redes sociales, geográficas, energéticas, de comunicación, financieras o biológicas, entre otras. También ha atraído la atención de investigadores de diversos campos, como la estadística, el aprendizaje automático y el procesamiento de señales. Esta forma de interpretar señales con soporte irregular como señales definidas en grafos, y utilizar la estructura subyacente del grafo para procesarlas, constituye el principio básico del procesado de señales definidas en el grafo, también conocido como graph signal processing (GSP), un campo que está en rápido desarrollo. El GSP se enfoca en crear nuevos modelos y algoritmos para el tratamiento de señales definidas en el grafo, a menudo adaptando herramientas clásicas diseñadas originalmente para señales definidas en un soporte regular como el tiempo o el espacio. El GSP se fundamenta en la idea de que existe una estrecha relación entre las propiedades de las señales y la estructura del grafo en el que se definen. Aprovechar eficazmente esta relación es clave para el éxito de GSP. Una parte importante de la investigación en GSP se dedica a comprender cómo las propiedades algebraicas y espectrales del grafo influyen en las propiedades de las señales definidas en él. El graph-shift operator (GSO) juega un papel crucial en este análisis. El GSO es una matriz dispersa que codifica la estructura del grafo, lo que lo convierte en un elemento fundamental dentro del marco de GSP. Por ejemplo, el uso del GSO permite definir diversas herramientas espectrales, como la transformada de Fourier en grafos. También facilita la creación de operadores de señales definidas en el grafo más generalizados, como los sistemas de filtros en grafos, que pueden expresarse como polinomios del GSO...Universidad Rey Juan Carlos202420242024info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/10115/38216reponame:BURJC-Digital. Repositorio Institucional de la Universidad Rey Juan Carlosinstname:Universidad Rey Juan CarlosInglésAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:burjcdigital.urjc.es:10115/382162026-06-24T12:48:17Z
dc.title.none.fl_str_mv Robust Graph Topology Inference
title Robust Graph Topology Inference
spellingShingle Robust Graph Topology Inference
Buciulea Vlas, Andrei
Multimedia y Comunicaciones
title_short Robust Graph Topology Inference
title_full Robust Graph Topology Inference
title_fullStr Robust Graph Topology Inference
title_full_unstemmed Robust Graph Topology Inference
title_sort Robust Graph Topology Inference
dc.creator.none.fl_str_mv Buciulea Vlas, Andrei
author Buciulea Vlas, Andrei
author_facet Buciulea Vlas, Andrei
author_role author
dc.subject.none.fl_str_mv Multimedia y Comunicaciones
topic Multimedia y Comunicaciones
description Tesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2024. Director: Prof. Dr. Antonio García Marqués
publishDate 2024
dc.date.none.fl_str_mv 2024
2024
2024
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/10115/38216
url https://hdl.handle.net/10115/38216
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Rey Juan Carlos
publisher.none.fl_str_mv Universidad Rey Juan Carlos
dc.source.none.fl_str_mv reponame:BURJC-Digital. Repositorio Institucional de la Universidad Rey Juan Carlos
instname:Universidad Rey Juan Carlos
instname_str Universidad Rey Juan Carlos
reponame_str BURJC-Digital. Repositorio Institucional de la Universidad Rey Juan Carlos
collection BURJC-Digital. Repositorio Institucional de la Universidad Rey Juan Carlos
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869405071094054912
score 15,812429

Similar Items