Work

Expressive Ροwer οf Graph Νeural Νetwοrks

Year: 2025
Type: dissertation
Abstract: Pouvoir expressif des réseaux de neurones sur graphes Les graphes sont des structures fondamentales dans de nombreux domaines scientifiques. Face à leur complexité croissante, les réseaux de neurones sur graphes (GNNs) permettent d’en apprendre des représentations utiles, mais sont limités dans leur expressivité. Cette thèse propose un nouveau cadre formel basé sur les \textit{grammaires algébriques} pour concevoir des GNNs plus puissants.Nous introduisons plusieurs contributions : un formalisme grammatical pour dériver des architectures expressives, un modèle équivalent au test 3-WL, un GNN pour le comptage dynamique de sous-structures, un algorithme d'apprentissage par renforcement pour chercher dans une grammaire algébrique, de nouvelles formules de comptage de chemins et de cycles dans un graphe qui divisent le temps de calcul par 6. Ces travaux ouvrent la voie à une nouvelle génération de modèles neuronaux explicables, efficaces et flexibles ainsi qu'à la découverte de nouveaux algorithmes.
Language: French
Open Access status: green
OpenAlex ID: W7160534603
Cites:
Cited by:
Related to: 10