Un modèle unifié pour la classification de signaux sur graphe avec de l'apprentissage profond - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

Un modèle unifié pour la classification de signaux sur graphe avec de l'apprentissage profond

Résumé

Nous proposons de passer en revue quelques-uns des principaux modèles utilisés pour la classification supervisée de signaux sur graphe avec de l'apprentissage profond. L'objectif de la classification supervisée de signaux sur graphe est de classer un signal dont les compo-santes sont définies sur les sommets d'un graphe. Le réseau de neurones convolutif (CNN) est très performant pour classer des signaux définis sur un graphe « grille » (comme les images). Cependant, comme il ne peut pas être utilisé sur des signaux définis sur un graphe quelconque, d'autres modèles sont apparus, essayant d'appliquer ses propriétés à n'importe quel graphe. L'objectif général de cette étude est de comparer certains des principaux modèles de classification supervisée des signaux sur graphe. Nous proposons également un formalisme unifié. Abstract-We propose to review some of the major models performing supervised classification of graph signals in deep learning. The goal of supervised classification of graph signals is to classify a signal whose components are defined on the vertices of a graph. Convolutional Neural Networks (CNN) are very efficient at classifying signals defined on a grid graph (such as images). However, as they can not be used on signals defined on an arbitrary graph, other models have emerged, aiming to extend its properties to any graph. The overall purpose of this study is to provide a comparison of some of the major models in supervised classification of graph signals. We also introduce a unified formalism.
Fichier principal
Vignette du fichier
2019-GRETSI2.pdf (179.23 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02871259 , version 1 (17-06-2020)

Identifiants

  • HAL Id : hal-02871259 , version 1

Citer

Myriam Bontonou, Carlos Lassance, Jean-Charles Vialatte, Vincent Gripon. Un modèle unifié pour la classification de signaux sur graphe avec de l'apprentissage profond. GRETSI, Aug 2020, Lille, France. ⟨hal-02871259⟩
170 Consultations
129 Téléchargements

Partager

Gmail Facebook X LinkedIn More