« Réseau neuronal de graphes récurrent » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 4 : | Ligne 4 : | ||
== Compléments == | == Compléments == | ||
On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. [[réseau neuronal 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 neuronal de graphes auto-attentif]). | On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. [[réseau neuronal 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 neuronal de graphes auto-attentif]]). | ||
== Français == | == Français == | ||
Version du 7 mars 2023 à 15:40
Définition
Architecture de réseau de neurones récurrent pour l'apprentissage automatique à partir de données structurées en graphes.
Compléments
On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. réseau neuronal 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 neuronal de graphes auto-attentif).
Français
réseau de graphes récurrent
RGR
RNGR
Anglais
graph recurrent network
graph recurrent neural network
GRN
GRNN
Source : University Of Pennsylvania, School Of Engineering And Applied Science
Contributeurs: Patrick Drouin, wiki
