Réseau d'attention sur graphe
Le Réseau d'attention sur graphe (Graph Attention Network, GAT), introduit par Veličković et ses collègues en 2018, est une variante de réseau neuronal sur graphe qui apprend l'importance à accorder à chaque nœud voisin par le biais d'un mécanisme d'auto-attention. Sur les voisinages hétérogènes et la classification relationnelle, il produit des résultats supérieurs aux réseaux convolutifs sur graphe (Graph Convolutional Networks, GCN).
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
Comment citer cette page
ScholarGate. (2026, June 1). Graph Attention Network (GAT). ScholarGate. https://scholargate.app/fr/deep-learning/graph-attention-network
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.
- Régression logistiqueStatistiques de recherche↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Réseau de neurones récurrentApprentissage profond↔ compare
- XGBoostApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →