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.
