Réseau de neurones à graphes
Un réseau de neurones à graphes (GNN) est une méthode d'apprentissage profond, popularisée par Kipf et Welling en 2017 avec le réseau de neurones convolutifs sur graphes (Graph Convolutional Network), qui apprend à partir des relations dans des structures de réseau (graphes) composées de nœuds et d'arêtes. Il est conçu pour des données naturellement relationnelles, telles que les réseaux sociaux, les structures moléculaires et les systèmes de recommandation.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR. link ↗
- Veličković, P. et al. (2018). Graph Attention Networks. ICLR. link ↗
- Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/fr/deep-learning/gnn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Classification d'images par CNNApprentissage profond↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Machine à vecteurs de support (Classification)Apprentissage automatique↔ compare
- XGBoostApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →