Tests et analyse de quelques modèles de réseaux de neurones sur graphes.

Abstract

Les réseaux de neurones sur graphes (GNN) sont des modèles puissants issus de l'apprentissage profond, conçus pour traiter des données structurées sous forme de graphes. Dans ce contexte, l'objectif de ce travail est à la fois théorique et pratique. Il s'agit, d'une part, de comprendre les fondements des réseaux de neurones classiques ainsi que ceux des GNN, et d'autre part, de mettre en œuvre, tester et analyser plusieurs architectures de GNN (GCN, GAT, GraphSAGE, GIN) sur des jeux de données de référence, afin d'évaluer leurs performances sur des tâches variées de prédiction d'attributs de nœuds et de graphes entiers.