Apprentissage de représentation évolutive et robuste sur les graphes – GraphIA

Les graphes apparaissent presque dans toutes les disciplines et le développement d'algorithmes d'apprentissage automatique est une tâche cruciale. Par exemple, l'apprentissage de la représentation du réseau vise à intégrer des nœuds dans un espace de faible dimension en préservant les propriétés structurelles du réseau - ce qui est un défi. En même temps, nous devons gérer des graphes à grande échelle ; les modèles devraient capturer la complexité des données impliquées. Alors, nous devons souvent affronter les sources de données peu fiables. Le projet GraphIA vise à désigner des modèles d’apprentissage expressifs, capables de tirer parti de la sémantique structurelle et de l'information - dans le but d'améliorer les performances d'apprentissage, tout en garantissant évolutivité et robustesse. Deux applications interdisciplinaires seront abordées: la détection d'épandeurs influents des réseaux complexes et l'analyse de données de réseau en bioinformatique.