« Réseau neuronal de graphes auto-attentif » : différence entre les versions
(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Graph Attention Network''' A Graph Attention Network (GAT) is a ne... ») |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Architectures de réseaux de neurones qui fonctionnent sur des données structurées en graphes, tirant parti des couches d'auto-attention masquées pour remédier aux lacunes des méthodes antérieures basées sur les convolutions de graphes ou leur approximations. | |||
== Français == | == Français == | ||
''' | ''' réseau de graphes auto-attentif ''' | ||
== Anglais == | == Anglais == | ||
''' | ''' graph attention network''' | ||
''' GAT ''' | |||
<!-- A Graph Attention Network (GAT) is a neural network architecture that operates on graph-structured data, leveraging masked self-attentional layers to address the shortcomings of prior methods based on graph convolutions or their approximations. By stacking layers in which nodes are able to attend over their neighborhoods’ features, a GAT enables (implicitly) specifying different weights to different nodes in a neighborhood, without requiring any kind of costly matrix operation (such as inversion) or depending on knowing the graph structure upfront. --> | |||
<small> | <small> | ||
[https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdf Source : MILA] | |||
[https://paperswithcode.com/method/gat Source : paperswithcode] | [https://paperswithcode.com/method/gat Source : paperswithcode] | ||
[[Catégorie: | [[Catégorie:Publication]] |
Version du 28 février 2023 à 14:38
Définition
Architectures de réseaux de neurones qui fonctionnent sur des données structurées en graphes, tirant parti des couches d'auto-attention masquées pour remédier aux lacunes des méthodes antérieures basées sur les convolutions de graphes ou leur approximations.
Français
réseau de graphes auto-attentif
Anglais
graph attention network
GAT
Contributeurs: Claude Coulombe, Patrick Drouin, wiki