Générateur de graphiques pour le projet Information Manipulation Analyzer, permettant d'afficher les citations et retweets d'un récit spécifique au cours des 7 derniers jours.

Route Graph Generator est un script Python permettant la génération de graphes pour des moteurs de calcul d'itinéraire. Il a été développé pour générer des données directement utilisables par Road2. Actuellement, il prend en charge trois formats de sortie : OSRM, pgRouting et Valhalla.

Le projet c_machine_state_generator est un outil en ligne de commande permettant de générer du code source pour les états des machines et des modèles de code pour les fonctions utilisateur. Il prend en entrée une description de l'état de la machine dans un fichier YAML et génère le code source correspondant dans un répertoire de sortie. Il permet également de visualiser l'état de la machine sous forme de graphe dans un navigateur web.

Générateur de graphes pour visualiser les liens entre les comptes twitter autour d'un mot-clé ou hashtag spécifique.

Necro Dep est un générateur de dépendances pour les fichiers Skel. Il calcule les dépendances entre les valeurs déclarées et génère un graphe qui les résume.

Le projet grapheditor est un package Python dédié à la visualisation et à l'édition de graphes. Il offre un cadre générique pour gérer les interactions avec les graphes et personnaliser leur affichage. Le package contient des classes et interfaces génériques pour observer et interagir avec les graphes, un canvas pour Qt, ainsi qu'une implémentation d'un visualiseur de dataflow.

Ce Makefile permet de simplifier la génération de graphes à partir de fichiers .dot, en automatisant la création de fichiers d'image dans différents formats (SVG, PNG, PDF). Il offre également la possibilité de choisir le moteur de mise en page pour les graphes.

Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

MNTG est un générateur de topologies de réseaux multicouches écrit en C++. Il permet de créer des réseaux à partir de modèles de génération aléatoires ou en important des graphes préexistants. Il offre également la possibilité de personnaliser les coûts et les probabilités d'adaptation de fonctions.

Dyalog-mst est un module DyALog permettant d'implémenter des parseurs MST, où MST signifie Arbre Générateur Minimal. Ce module fournit un parseur basé sur l'algorithme d'Arbre Générateur Minimal pour extraire l'arbre de dépendances le plus pertinent à partir d'un graphe de dépendances potentielles.