« Réseau neuronal de graphes auto-attentif » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
Architecture de réseau de neurones pour l'apprentissage automatique à partir de données structurées en graphes, qui exploite des couches d'auto-attention masquées afin de remédier aux lacunes des méthodes antérieures basées sur les [[réseau convolutif|réseaux convolutifs]]. | Architecture de réseau de neurones pour l'apprentissage automatique à partir de données structurées en graphes, qui exploite des couches d'auto-attention masquées afin de remédier aux lacunes des méthodes antérieures basées sur les [[réseau convolutif|réseaux convolutifs]]. | ||
== Compléments == | |||
On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. réseau de graphes convolutif), 2) l'utilisation d'un réseau récurrent (c.-à-d. [[réseau de graphes récurrent]]) et 3) l'utilisation d'un réseau auto-attentif (c.-à-d. [[Graph_Attention_Network|réseau de graphes auto-attentif]]). | |||
== Français == | == Français == | ||
Version du 7 mars 2023 à 15:21
Définition
Architecture de réseau de neurones pour l'apprentissage automatique à partir de données structurées en graphes, qui exploite des couches d'auto-attention masquées afin de remédier aux lacunes des méthodes antérieures basées sur les réseaux convolutifs.
Compléments
On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. réseau de graphes convolutif), 2) l'utilisation d'un réseau récurrent (c.-à-d. réseau de graphes récurrent) et 3) l'utilisation d'un réseau auto-attentif (c.-à-d. réseau de graphes auto-attentif).
Français
réseau de graphes auto-attentif
RGAA
réseau neuronal de graphes auto-attentif
RNGAA
Anglais
graph attention network
GAT
graph attention neural network
GANN
Contributeurs: Claude Coulombe, Patrick Drouin, wiki
