Les méthodes d’apprentissage de représentation traditionnelles conçoivent généralement une architecture de fonctions de base fixe afin d’obtenir les propriétés souhaitées, comme l’orthogonalité ou la parcimonie. L’idée de l’apprentissage profond par renforcement est que le concepteur ne doit pas coder les propriétés de la représentation mais plutôt...

Avec l’application généralisée des données de structures de graphes dans de nombreux domaines, les réseaux neuronaux de graphes (GNN) en tant qu’outil puissant pour analyser les données de graphes ont suscité beaucoup d’attention. Cependant, les GNN existants s’appuient principalement sur les informations de similarité des nœuds voisins lors de l’a...