Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet développe un cadre neuro-symbolique pour l'apprentissage sur des données graphiques. Il combine des réseaux de neurones graphiques avec des couches d'enrichissement de connaissances afin d'améliorer la robustesse des prédictions. L'objectif est de traiter des graphes bruités ou incomplets en intégrant des connaissances préalables pour des tâches comme la classification de nœuds ou la prédiction de liens. Les applications visent des domaines variés comme les réseaux de citations, les réseaux sociaux ou les connaissances sémantiques.
- Notoriété 7 %CompGCN est un modèle de réseaux de neurones convolutifs basé sur la composition pour les graphes multi-relationnels. Il permet d'améliorer la prédiction de liens dans les graphes de connaissances en combinant des opérations de composition (soustraction, multiplication, corrélation circulaire) avec des convolutions spécifiques. Le modèle est conçu pour traiter des données structurées en graphes, comme les bases de connaissances ou les réseaux sociaux, et optimiser les représentations des entités et des relations.
2 initiatives
10