« Réseau neuronal de graphes récurrent » : différence entre les versions

Dernière version du 28 janvier 2024 à 13:12

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 neuronal de graphes récurrent

réseau de graphes récurrent

RGR

RNGR

Anglais

graph recurrent network

graph recurrent neural network

GRN

GRNN

Sources

Source : University Of Pennsylvania, School Of Engineering And Applied Science

Source : Geekflare

@@ Ligne 1 : / Ligne 1 : @@
+== Définition ==
+Architecture de [[R%C3%A9seau_r%C3%A9current|réseau de neurones récurrent]] pour l'apprentissage automatique à partir de données structurées en graphes.
-==en construction==
+== Compléments ==
-== Définition ==
+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]]).
-XXXXXXXXX
 == Français ==
-''' XXXXXXXXX '''
+''' réseau neuronal de graphes récurrent'''
+''' réseau de graphes récurrent '''
+''' RGR '''
+''' RNGR '''
 == Anglais ==
-''' Graph Recurrent Neural Networks'''
+''' graph recurrent network'''
+''' graph recurrent neural network'''
+''' GRN '''
- Recurrent neural networks (RNNs) are one of the most popular architectures in modern deep learning. In GNN theory, the equivalent to RNNs is represented by an architecture known as graph recurrent neural networks (GRNNs). As its name indicates, the core idea of GRNN is to generalize RNN principles used for sequential data processing to process graph data. Just like RNNs learn dependencies over sequential datasets, GRNNs can do something similar for graph-structured data. This problem can be particularly complicated in graphs as nodes can have an arbitrary number of relationships.
+''' GRNN '''
-<small>
+==Sources==
-[https://thesequence.substack.com/p/edge203  Source : thesequence]
+[https://gnn.seas.upenn.edu/lecture-11/   Source : University Of Pennsylvania, School Of Engineering And Applied Science]
+[https://geekflare.com/fr/graph-neural-networks/   Source : Geekflare]
-[[Catégorie:vocabulary]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]