Depuis les travaux précurseurs de Moreno (1934), l’analyse des réseaux est devenue une discipline forte, qui ne se limite plus à la sociologie et qui est à présent appliquée à des domaines très variés tels que la biologie, la géographie ou l’histoire. L’intérêt croissant pour l’analyse des réseaux s’explique d’une part par la forte présence de ce type de données dans le monde numérique d’aujourd’hui et, d’autre part, par les progrès récents dans la modélisation et le traitement de ces données. En effet, informaticiens et statisticiens ont porté leurs efforts depuis plus d’une dizaine d’années sur ces données de type réseau en proposant des nombreuses techniques permettant leur analyse. Parmi ces techniques on note les méthodes de clustering qui permettent en particulier de découvrir une structure en groupes cachés dans le réseau. De nombreux facteurs peuvent exercer une influence sur la structure d’un réseau ou rendre les analyses plus faciles à comprendre. Parmi ceux-ci, on trouve deux facteurs importants: le facteur du temps, et le contexte du réseau. Le premier implique l’évolution des connexions entre les nœuds au cours du temps. Le contexte du réseau peut alors être caractérisé par différents types d’informations, par exemple des messages texte (courrier électronique, tweets, Facebook, messages, etc.) échangés entre des nœuds, des informations catégoriques sur les nœuds (âge, sexe, passe-temps, Les fréquences d’interaction (par exemple, le nombre de courriels envoyés ou les commentaires affichés), et ainsi de suite. La prise en considération de ces facteurs nous permet de capturer de plus en plus d’informations complexes et cachées à partir des données. L’objectif de ma thèse été de définir des nouveaux modèles de graphes aléatoires qui prennent en compte les deux facteurs mentionnés ci-dessus, afin de développer l’analyse de la structure du réseau et permettre l’extraction de l’information cachée à partir des données. Ces modèles visent à regrouper les sommets d’un réseau en fonction de leurs profils de connexion et structures de réseau, qui sont statiques ou évoluant dynamiquement au cours du temps. Le point de départ de ces travaux est le modèle de bloc stochastique (SBM). Il s’agit d’un modèle de mélange pour les graphiques qui ont été initialement développés en sciences sociales. Il suppose que les sommets d’un réseau sont répartis sur différentes classes, de sorte que la probabilité d’une arête entre deux sommets ne dépend que des classes auxquelles ils appartiennent. / Over the last two decades, network structure analysis has experienced rapid growth with its construction and its intervention in many fields, such as: communication networks, financial transaction networks, gene regulatory networks, disease transmission networks, mobile telephone networks. Social networks are now commonly used to represent the interactions between groups of people; for instance, ourselves, our professional colleagues, our friends and family, are often part of online networks, such as Facebook, Twitter, email. In a network, many factors can exert influence or make analyses easier to understand. Among these, we find two important ones: the time factor, and the network context. The former involves the evolution of connections between nodes over time. The network context can then be characterized by different types of information such as text messages (email, tweets, Facebook, posts, etc.) exchanged between nodes, categorical information on the nodes (age, gender, hobbies, status, etc.), interaction frequencies (e.g., number of emails sent or comments posted), and so on. Taking into consideration these factors can lead to the capture of increasingly complex and hidden information from the data. The aim of this thesis is to define new models for graphs which take into consideration the two factors mentioned above, in order to develop the analysis of network structure and allow extraction of the hidden information from the data. These models aim at clustering the vertices of a network depending on their connection profiles and network structures, which are either static or dynamically evolving. The starting point of this work is the stochastic block model, or SBM. This is a mixture model for graphs which was originally developed in social sciences. It assumes that the vertices of a network are spread over different classes, so that the probability of an edge between two vertices only depends on the classes they belong to.

Les grilles et les clouds sont deux types aujourd'hui largement répandus de systèmes informatiques distribués (en anglais DCS). Ces DCS sont des systèmes complexes au sens où leur comportement global émergent résulte de l'interaction décentralisée de ses composants, et n'est pas guidée directement de manière centralisée. Dans notre étude, nous présentons un modèle de système complexe qui gère de manière la plus efficace possible les ressources d'un DCS. Les entités d'un DCS réagissent à l'instabilité du système et s'ajustent aux conditions environnementales pour optimiser la performance du système. La structure des réseaux d'interaction qui permettent un accès rapide et sécurisé aux ressources disponibles est étudiée, et des améliorations proposées. / Grids and clouds are types of currently widely known distributed computing systems or DCSs. DCSs are complex systems in the sense that their emergent global behavior results from decentralized interaction of its parts and is not guided directly from a central point. In our study, we present a complex system model that efficiently manages the ressources of a DCS. The entities of the DCS react to system instability and adjust their environmental condtions for optimizing system performance. The structure of the interaction networks that allow fast and reliable access to available resources is studied and improvements ar proposed.

The objective of the master thesis is to evaluate the factors that have influenced the operational capability of al-Qaeda. In order to determine current operational capacity of al-Qaeda, the analysis is divided into three time periods and on the basis of external and internal factors affecting the changes in the structure and thus the functioning of the group, then the network, we have achieved results that we can consider as a basis for assessment of its ability to act today. Analysis of the structure of the al-Qaeda by network analysis based on the theory derived from the article of Ronald Diebert and Janice Stein entitled "Hacking Networks of Terror" is in the thesis considered to be a basis for understanding of the functioning of the network structure as well as its impact on the internal functioning of the network compared with hierarchically organized structure characteristic for the period before the terrorist attacks of 11 September 2001. The other two periods analyzed in the work are: the period after the invasions of Afghanistan and Iraq, their impacts and the third period is the period after 2011, when bin Laden, leader of al-Qaeda was killed, the revolutions of Arab Spring took place and the long-term impact of the war on terror will be included in the analysis as well. Analysis of...

Over the last decade advances in multineuron simultaneous recording techniques have produced huge amounts of data. This has led to the investigation of probable temporal relationships between spike times of neurons as manifestations of the underlying network structure. But the huge dimensionality of data makes the search for patterns difficult. Although this difficulty may be surpassed by employing massive computing resources, understanding the significance and relation of these temporal patterns to the underlying network structure and the causative activity is still difficult. To find such relationships in networks of excitatory neurons, a simplified network structure of feedforward chains called "Synfire chains" has been frequently employed. But in a recurrently connected network where activity from feedback connections is comparable to the feedforward chain, the basic assumptions underlying synfire chains are violated. In the first part of this thesis we propose the first-spike-latency based analysis as a low complexity method of studying the temporal relationships between neurons. Firstly, spike latencies being temporal delays measured at a particular epoch of time (onset of activity after a quiescent period) are a small subset of all the temporal information available in spike trains, thereby hugely reducing the amount of data that needs to be analyzed. We also define for the first time, "Synconset waves and chains" as a sequence of first-spike-times and the causative neuron chain. Using simulations, we show the efficacy of the synconset paradigm in unraveling feedforward chains of excitatory neurons even in a recurrent network. We further create a framework for going back and forth between network structure and the observed first-spike-latency patterns. To quantify these associations between network structure and dynamics we propose a likelihood measure based on Bayesian reasoning. This quantification is agnostic to the methods of association used and as such can be used with any of the existing approaches. We also show the benefits of such an analysis when the recorded data is subsampled, as is the case with most physiological recordings. In the subsequent part of our thesis we show two sample applications of first-spike-latency analysis on data acquired from multielectrode arrays. Our first application dwells on the intricacies of extracting first-spike-latency patterns from multineuron recordings using recordings of glutamate injured cultures. We study the significance of these patterns extracted vis-a-vis patterns that may be obtained from exponential spike latency distributions and show the differences between patterns obtained in injured and control cultures. In a subsequent application, we study the evolution of latency patterns over several days during the lifetime of a dissociated hippocampal culture.

Cette thèse apporte des contributions à la modélisation, compréhension ainsi qu'à la communication efficace d'information dans les réseaux dynamiques peuplant la périphérie de l'Internet. Par réseaux dynamiques, nous signifions les réseaux pouvant être modélisés par des graphes dynamiques dans lesquels noeuds et liens évoluent temporellement. Dans la première partie de la thèse, nous proposons un nouveau modèle de mobilité - STEPS - qui permet de capturer un large spectre de comportement de mobilité humains. STEPS mets en oeuvre deux principes fondamentaux de la mobilité humaine : l'attachement préférentiel à une zone de prédilection et l'attraction vers une zone de prédilection. Nous proposons une modélisation markovienne de ce modèle de mobilité. Nous montrons que ce simple modèle paramétrique est capable de capturer les caractéristiques statistiques saillantes de la mobilité humaine comme la distribution des temps d'inter-contacts et de contacts. Dans la deuxième partie, en utilisant STEPS, nous analysons les propriétés comportementales et structurelles fondamentales des réseaux opportunistes. Nous redéfinissons dans le contexte des réseaux dynamiques la notion de structure petit monde et montrons comment une telle structure peut émerger. En particulier, nous montrons que les noeuds fortement dynamiques peuvent jouer le rôle de ponts entre les composants déconnectés, aident à réduire significativement la longueur du chemin caractéristique du réseau et contribuent à l'émergence du phénomène petit-monde dans les réseaux dynamiques. Nous proposons une façon de modéliser ce phénomène sous STEPS. À partir d'un réseau dynamique régulier dans lequel les noeuds limitent leur mobilité à leurs zones préférentielles respectives. Nous recablons ce réseau en injectant progressivement des noeuds nomades se déplaçant entre plusieurs zones. Nous montrons que le pourcentage de tels nœuds nomades est de 10%, le réseau possède une structure petit monde avec un fort taux de clusterisation et un faible longueur du chemin caractéristique. La troisième contribution de cette thèse porte sur l'étude de l'impact du désordre et de l'irrégularité des contacts sur la capacité de communication d'un réseau dynamique. Nous analysons le degré de désordre de réseaux opportunistes réels et montrons que si exploité correctement, celui-ci peut améliorer significativement les performances du routage. Nous introduisons ensuite un modèle permettant de capturer le niveau de désordre d'un réseau dynamique. Nous proposons deux algorithmes simples et efficaces qui exploitent la structure temporelle d'un réseau dynamique pour délivrer les messages avec un bon compromis entre l'usage des ressources et les performances. Les résultats de simulations et analytiques montrent que ce type d'algorithme est plus performant que les approches classiques. Nous mettons également en évidence aussi la structure de réseau pour laquelle ce type d'algorithme atteint ses performances optimum. Basé sur ce résultat théorique nous proposons un nouveau protocole de routage efficace pour les réseaux opportunistes centré sur le contenu. Dans ce protocole, les noeuds maintiennent, via leurs contacts opportunistes, une fonction d'utilité qui résume leur proximité spatio-temporelle par rapport aux autres noeuds. En conséquence, router dans un tel contexte se résume à suivre le gradient de plus grande pente conduisant vers le noeud destination. Cette propriété induit un algorithme de routage simple et efficace qui peut être utilisé aussi bien dans un contexte d'adressage IP que de réseau centré sur les contenus. Les résultats de simulation montrent que ce protocole superforme les protocoles de routage classiques déjà définis pour les réseaux opportunistes. La dernière contribution de cette thèse consiste à mettre en évidence une application potentielle des réseaux dynamiques dans le contexte du " mobile cloud computing ". En utilisant les techniques d'optimisation particulaires, nous montrons que la mobilité peut augmenter considérablement la capacité de calcul des réseaux dynamiques. De plus, nous montrons que la structure dynamique du réseau a un fort impact sur sa capacité de calcul.

Real world systems like biological, social, technological, infrastructural and many others can be modeled as networks. The field of network science aims to study these complex networks and understand their structure and dynamics. A common feature of networks across domains is the distribution of the degree of the nodes according to a power-law (scale invariance). As a consequence of this skewness, the high degree nodes dominate the properties of these networks. The rich-club phenomenon is observed when the high degree or the rich nodes of the network prefer to connect amongst themselves. In the first part, the thesis investigates the rich-club phenomenon in higher order neighborhoods of the network by providing an elegant quantification using a geodesic distance based approach. This quantification helped in identifying networks where the trend and intensity of the rich-club phenomenon is significantly different in higher order neighborhoods compared to the immediate neighbors. The thesis also proposes a quantification of the importance of the non-rich nodes in the communication structure of the rich nodes, and broadly classify networks into core-periphery or cellular. Further a lack of universality is noticed in the structure of the networks belonging to a particular domain. It has been observed in the previous literature that the rich club connectivity dominates assortativity, a measure quantifying the mixing patterns in complex networks. Thus, assortativity is biased. To overcome such drawbacks, in the second part of the thesis proposes a novel measure called regularity. The analytical bounds on regularity and formulation of regularity for different network models are provided. Along with this a measure to quantify the mixing patterns of the neighborhood of a node called local regularity is also defined. The analysis on real-world network based on local regularity and degree distribution shows presence of both type of network, uniformly and non-uniformly mixed across different regions. Further normalized regularity is proposed to quantify the extent of preferential mixing in networks discounting the effect of degree distribution.

The aim of this master’s thesis is calculation and analysis of reliability indicators of the company E.ON Česká republika, s.r.o. distribution network in the south Moravia territory (area of former Jihomoravská energetika) for the period of one year, from 1st November 2008 to 31st October 2009. We consider events incurred on overhead or underground lines of level of high voltage or directly connected with these lines. Events originated from extensive disaster interruption of electric energy supply caused by particularly unfavourable external effects are not considered, because network components can not be efficiently dimensioned on those influences. Known aspects of the events are time of origin, time duration, place and cause of failure inception. Analysis of reliability indicators is accomplished according to different point of view. The first aspect is the hours of day, during which the event lasted. The second aspect is the hours of day, during which the event incurred. The third one focuses component pointed as reliable for the origin of the event. The last standpoint is percentage load of the line outlet, on which the event occurred. We can ordain this load as the proportion of current flowing through the line outlet in the time of event inception and of the value of maximum current set up on the protection of the line outlet. Indications mentioned in the last sentence were searched in the dispatcher centre thanks to graphical interface of application RIS JME Brno. In the theoretical part of the work there is described the structure of distribution network and its fundamental influence on the continuity of electric energy supply, the ways of evaluation and increasing of electric energy supply reliability, regulation of continuity of electric energy supply with emphasis on regulation in the Czech Republic valid until 26th February 2010 and since 27th February 2010. The last theoretical part focuses on definition of failure and differentiation of failures according to various aspects.

Facial expression recognition (FER) is still a challenging concept, and machines struggle to comprehend effectively the dynamic shifts in facial expressions of human emotions. The existing systems, which have proven to be effective, consist of deeper network structures that need powerful and expensive hardware. The deeper the network is, the longer the training and the testing. Many systems use expensive GPUs to make the process faster. To remedy the above challenges while maintaining the main goal of improving the accuracy rate of the recognition, we create a generic hierarchical structure with variable settings. This generic structure has a hierarchy of three convolutional blocks, two dropout blocks and one fully connected block. From this generic structure we derived four different network structures to be investigated according to their performances. From each network structure case, we again derived six network structures in relation to the variable parameters. The variable parameters under analysis are the size of the filters of the convolutional maps and the max-pooling as well as the number of convolutional maps. In total, we have 24 network structures to investigate, and six network structures per case. After simulations, the results achieved after many repeated experiments showed in the group of case 1; case 1a emerged as the top performer of that group, and case 2a, case 3c and case 4c outperformed others in their respective groups. The comparison of the winners of the 4 groups indicates that case 2a is the optimal structure with optimal parameters; case 2a network structure outperformed other group winners. Considerations were done when choosing the best network structure, considerations were; minimum accuracy, average accuracy and maximum accuracy after 15 times of repeated training and analysis of results. All 24 proposed network structures were tested using two of the most used FER datasets, the CK+ and the JAFFE. After repeated simulations the results demonstrate that our inexpensive optimal network architecture achieved 98.11 % accuracy using the CK+ dataset. We also tested our optimal network architecture with the JAFFE dataset, the experimental results show 84.38 % by using just a standard CPU and easier procedures. We also compared the four group winners with other existing FER models performances recorded recently in two studies. These FER models used the same two datasets, the CK+ and the JAFFE. Three of our four group winners (case 1a, case 2a and case 4c) recorded only 1.22 % less than the accuracy of the top performer model when using the CK+ dataset, and two of our network structures, case 2a and case 3c came in third, beating other models when using the JAFFE dataset. / Electrical and Mining Engineering

Le Transport A la Demande (TAD) est un système de transport qui propose un usage collectif des véhicules automobiles, par opposition à l’usage des véhicules personnels (VP). Situé entre le fonctionnement des taxis et celui des transports en commun classiques, il propose un service à la fois flexible dans le temps et dans l'espace à la manière des taxis, favorisant le partage des véhicules, comme les transports en commun. Il est ainsi présenté comme une réponse pour une mobilité durable. Dans les esprits, les TAD sont souvent associés à une réduction des émissions de polluants et sont mis en place principalement dans des territoires ruraux. Pourtant, le simple regroupement effectué par les TAD suffit-il pour que la mise en place des TAD soit profitable à l’environnement ? Dans ce travail de recherche de doctorat, un outil d’évaluation de l'impact environnemental d’un système de Transports À la Demande (TAD) destiné aux collectivités territoriales a été mis au point. Pour que choix soit durable, au sens du développement durable, le service doit être le plus adapté au contexte local en minimisant les émissions de substances dans l’atmosphère proche tout en conservant une qualité de service suffisante pour concurrencer l'usage du véhicule personnel. Un paramètre, directement impliqué dans les émissions de polluant, est souvent négligé dans les approches : le réseau routier. On cherche donc à identifier des lois et des seuils relatifs aux émissions de polluants produites par le fonctionnement d’un TAD : dans quelle mesure le réseau routier influe-t-il sur les performances environnementales des TAD ou sur la capacité de regroupement des clients dans les véhicules ? Selon quelles caractéristiques de service (fenêtres de temps autorisées) ? Plus globalement, est-ce que l’optimisation d’un même type de TAD est équivalente d’un réseau routier à un autre, du point de vue des émissions de polluants ? Aucun outil intégré permettant d’effectuer cette tâche n’étant disponible, nous avons mis au point une chaîne de traitement géomatique permettant d’estimer les quantités de polluants émises sur les tronçons de route dans le cadre du fonctionnement particulier des TAD et de les cartographier pour analyser leur répartition spatiale. Cet outil associe un SIG à un modèle d’émission que nous avons adapté à notre problématique (GREEN-DRT). Il est ressorti des différents scénarios simulés que les TAD ne sont pas systématiquement une solution pertinente dans un objectif de réduction globale des émissions de polluants sur un territoire donné. Le constat de la faible pertinence environnementale de ce mode de transport sur les territoires les moins denses (type zones rurales) a été fait, pourtant, ce sont sur ces territoires que les TAD sont développés en France. À défaut d’engendrer une réduction des émissions, ils ont souvent un rôle social important en se positionnant non pas comme une alternative à la voiture personnelle, mais en permettant à des populations captives de se déplacer. Il s’agit de ce cas de minimiser les émissions de polluants provoquées par le fonctionnement du service. / The Demand Responsive Transport (DRT) is a transportation system which offers a collective use of motor vehicles, in opposite of personal vehicles use. Between the functioning of taxis and classical public transport, it offers a service that is flexible in time and space like taxis, promoting the sharing of vehicles, like public transports. It is why it is present as a solution for a sustainable mobility. In the minds, DRT are often associated to a reduction of exhaust emissions and so are developed in rural areas. However, is grouping travellers enough to make DRT gainful for environment?In this doctoral research, an assessment tool of the environmental impact of DRT systems has been developed. To ensure that choice is sustainable in the sense of sustainable development, the service must be adapted to the local context by minimising emissions of substances in the near atmosphere while maintaining a sufficient quality of service when competing against personal vehicle use. A parameter directly involved in pollutant emissions, is often overlooked in approaches: the road network. We therefore search for identify laws and thresholds relating to pollutant emissions generated by the functioning of a DRT: how the road network does it affect the environmental performance of DRT or on the skill to grouping customers in vehicles? Depending on what service features (time windows allowed)? More generally, is that the optimization of the same type of DRT is equivalent to a road network to another, from the perspective of pollutant emissions? As any integrated tool to perform this task is available, we have developed a geomatics processing to estimate the quantities of pollutants emitted on road sections within the particular functioning of DRT and to cartography it to analyse their spatial distribution. This tool combines a GIS to an exhaust emissions model that we have adapted to our questioning (GREEN-DRT).

Les interactions font partie intégrante des écosystèmes. Que ce soit aux niveaux les plus fins, comme les protéines, ou les plus larges, comme les méta-communautés, il est possible de les regrouper en réseaux et d’en étudier la structure. Cela a permis de mettre en évidence que certaines structures sont observables à différents niveaux, c’est le cas par exemple des réseaux emboîtés. De plus, les réseaux d’interaction ont la spécificité de ne pas être fixes dans le temps et l’espace, ce qui leur confère un avantage de taille pour l’étude de l’évolution. Ils peuvent ainsi servir de support à l’études des mécanismes intervenants dans les processus évolutifs. Cependant, il n’existe pas encore de méthodologie ayant fait consensus sur l’utilisation des réseaux et leur analyse à différentes échelles d’organisation. Cette thèse se base sur l’hypothèse que les réseaux, de par leurs propriétés, sont pertinents à considérer pour comprendre l’évolution et ce à différentes échelles d’organisation, et offrent la possibilité de faire des liens entre chacune d’entre elles. L’approche basée sur les réseaux, combinée à l’utilisation de modèles théorique serait donc un outil méthodologique puissant dans l’élargissement des connaissances concernant les processus sous-jacents à l’évolution. La thèse qui suit composée de six chapitres dont le contenu est le suivant. Elle commence par un chapitre d’introduction aux concepts d’intérêts, notamment sur l’évolution et la coévolution. Le deuxième chapitre est une introduction à l’utilisation des réseaux en écologie, suivit par le troisième chapitre qui effectue une revue non exhaustive des méthodologies développées autour des réseaux d’interactions. Les chapitres suivants sont en quelque sorte une mise en pratique de ces méthodes et ce à différents niveaux d’organisation. Le quatrième chapitre revient sur une étape avortée de ce doctorat qui servira tout de même à la construction du modèle du chapitre suivant. Le cinquième chapitre se concentre sur la coévolution et son suivit au travers des réseaux d’interaction entre les bactéries et leurs virus. Enfin, le sixième chapitre traque l’évolution des communautés grâce à la structure des arbres phylogénétiques et structure des réseaux d’interactions au cours du temps. / Interactions are an integral part of ecosystems. Whether at the finest levels, such as proteins, or the broadest, such as meta-communities, it is possible to group them into networks and study their structure. This made it possible to demonstrate that certain structures can be observed at different levels, such as nested networks, for example. In addition, interaction networks have the property of not being fixed in time and space, which gives them a major advantage for the study of evolution. They can thus serve as a support for the study of the mechanisms involved in the evolutionary processes. However, there is not yet a methodology that has achieved consensus on the use of networks and their analysis at different organizational scales. This thesis is based on the hypothesis that networks, by virtue of their properties, are relevant to consider in order to understand evolution at different organizational scales, and offer the possibility of making links between each of them. The network-based approach, combined with the use of theoretical models, would therefore be a powerful methodological tool in expanding knowledge about the processes underlying evolution. The thesis which follows consists of six chapters whose content is as follows. It begins with an introductory chapter to the concepts of interest, in particular on evolution and coevolution. The second chapter is an introduction to the use of networks in ecology, followed by the third chapter which performs a non-exhaustive review of the methodologies developed around interaction networks. The following chapters are in a way a practical application of these methods at different levels of organization. The fourth chapter returns to an aborted stage of this doctorate which will nevertheless be used to construct the model of the following chapter. The fifth chapter focuses on coevolution and its follow-up through the interaction networks between bacteria and their viruses. Finally, the sixth chapter tracks the evolution of communities thanks to the structure of phylogenetic trees and the structure of interaction networks over time.