Teoria algebrica dei grafi, principali proprietà, indici di centralità di un grafo, modelli di grafi aleatori: Erods-Renyi, grafi geometrici aleatori, small-world e grafi scale-free
Modelli di indipendenza condizionale, grafi di Markov e Bayes
Partizionamento di un grafo, teoria spettrale dei grafi
Segnali definiti su grafo, filtraggio e campionamento su grafo, predizione
Ottimizzazione convessa, decomposizione primaria e duale, condizioni KKT, compressive sensing
ADMM, ottimizzazione distribuita: algoritmi di consenso, algoritmi di condivisione
Applicazioni: Algoritmi di machine learning basati su grafi, reti di sensori, allocazione delle risorse radio nelle reti di comunicazione

M.E.J. Newman, “Networks: An Introduction”
S. Barbarossa, “Signal Processing over Graphs”
S. Boyd et al. “Convex Optimization”
S. Boyd et al. “Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers”