Exploitation des réseaux de convolution de graphes pour l'apprentissage semi-supervisé dans les données non graphiques multi-vues
Contexte Dans le domaine de l’apprentissage automatique, l’apprentissage semi-supervisé (Semi-Supervised Learning, SSL) a attiré une attention particulière en raison de sa capacité à exploiter un petit nombre de données étiquetées et un grand nombre de données non étiquetées pour l’apprentissage. En particulier dans les scénarios où l’étiquetage de...