GraphIA — Apprentissage de représentation évolutive et robuste sur les graphes

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.