« Réseau neuronal de graphes » : différence entre les versions


(Page créée avec « == Définition == Architecture de réseau de neurones pour l'apprentissage automatique à partir de données structurées en graphes. == Compléments == '''Terme à pros... »)
 
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(6 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 5 : Ligne 5 :
'''Terme à proscrire : ''' '''réseau de neurones graphique'''
'''Terme à proscrire : ''' '''réseau de neurones graphique'''


On recense 3 approches à l'apprentissage automatique à partir de graphes : 1) l'utilisation d'un réseau convolutif (c.-à-d. réseau convolutif de graphes), 2) l'utilisation d'un réseau récurrent (c.-à-d. réseau récurrent de graphes) et 3) l'utilisation d'un réseau auto-attentif (c.-à-d. [[réseau 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 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 ==
''' réseau de graphes '''
''' réseau de graphes '''
Ligne 14 : Ligne 12 :


''' RNG '''
''' RNG '''


== Anglais ==
== Anglais ==
Ligne 24 : Ligne 20 :
''' GNN '''
''' GNN '''


==Sources==


[http://dspace.univ-tiaret.dz/bitstream/123456789/5705/1/TH.M.INF.FR.2022.18.pdf  Source : Rahmani Fatima Zohra, Université Ibn Khaldoun de Tiaret]


<!-- 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. -->
[https://documentation.ensg.eu/index.php?lvl=categ_see&id=34088 Source : Institut national de l'information géographique et forestière ]
 
<small>


[https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdf Source : MILA]
[https://distill.pub/2021/gnn-intro/  Source : Distill ]
 
[https://paperswithcode.com/method/gat  Source : paperswithcode]
 
[https://arxiv.org/abs/2207.10168   Source: arXiv ]
 
[https://documentation.ensg.eu/index.php?lvl=categ_see&id=34088 Source : Institut national de l'information géographique et forestière ]


[[Catégorie:Publication]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 28 janvier 2024 à 13:21

Définition

Architecture de réseau de neurones pour l'apprentissage automatique à partir de données structurées en graphes.

Compléments

Terme à proscrire : réseau de neurones graphique

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

réseau neuronal de graphes

RNG

Anglais

graph network

graph neural network

GNN

Sources

Source : Rahmani Fatima Zohra, Université Ibn Khaldoun de Tiaret

Source : Institut national de l'information géographique et forestière

Source : Distill

Récupérée de « https://datafranca.org/wiki/index.php?title=Réseau_neuronal_de_graphes&oldid=92092 »


Contributeurs: Claude Coulombe, Patrick Drouin, wiki