Descripteur
Documents disponibles dans cette catégorie (15)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Titre : Analyzing and improving Graph Neural Networks Type de document : Thèse/HDR Auteurs : Guillaume Renton, Auteur ; Sébastien Adam, Auteur Editeur : Université de Rouen Année de publication : 2021 Importance : 130 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le diplôme de Doctorat de l'Université de Rouen Normandie, spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] filtre passe-bande
[Termes IGN] filtre spectral
[Termes IGN] noeud
[Termes IGN] réseau neuronal de graphes
[Termes IGN] théorie des graphes
[Termes IGN] transformation de Laplace
[Termes IGN] transformation inverseIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Although theorised about fifteen years ago, the scientific community’s interest for graph neural networks has only really taken off recently. Those models aim to transpose the representation learning capacity inherent in deep neural network onto graph data, via the learning of hidden states associated with the graph nodes. These hidden states are computed and updated according to the information contained in the neighborhoud of each node.This recent interest for graph neural networks (GNNs) has led to a "jungle" of models and frameworks, making this field of research sometimes confusing. Historically, two main strategies have been explored : the spatial GNNs on one side and the spectral GNNs on the other side. Spatial GNNs, sometimes also called Message Passing Neural Network, are based on the computation of a message which agregates the information contained in the neighborhoud of each node. On the other side, spectral GNNs are based on the spectral graph theory and thus on the graph Laplacian. The eigendecomposition of the graph Laplacian allows to define a graph Fourier transform and its inverse. From these transforms, different filters can be applied on the graph, leading to similar result than filtering on images or signals. In this thesis, we begin by introducing a third category, called spectral rooted spatial convolution. Indeed, some recent methods are taking root in the spectral domain while avoiding to compute the eigendecomposition of the graph Laplacian. This third category leads to question about the fundamental difference between spectral and spatial GNNs. We answer this question by proposing a general model unifying both strategies, showing notably that spectral GNNs are a particular case of spatial GNNs. This unified model also allowed us to propose a spectral analysis of some popular GNNs in the scientificcommunitic, namely GCN, GIN, GAT, ChebNet and CayleyNet. This analysis shows that spatial models are limited to low-pass and high-pass filtering, while spectral models can produce any kind of filters. Those results are then found with the presentation of a toy problem, showing in the first instance the limitation of spatial models to define pass-band filters, and the importance of designing such filters. Those results have led us to propose a method allowing any kind of filter, while limiting the network’s number of parameters. Indeed, even though spectral models are able to design any kind of filtering, each new filter require the add of a new weight matrix in the neural network. In order to reduce the number of parameters, we propose to adapt Depthwise Separable Convolution to graphs through a method called Depthwise Separable Graph Convolution Network. This method is evaluated on both transductive and inductive learning, outperforming state-of-the-arts results.Finally, we propose a method defined in the spatial domain in order to take into account edge attributes. Indeed, this issue has been little studied by the scientific community, and the number of methods allowing to include edge attributes is very small. Our proposal, called Edge Embedding Graph Neural Network, consists in embedding edge attributes into a new space through a first neural network, before using the extracted features in a GNN. This method is evaluated on a particular problem of symbol detection in a graph. Note de contenu : 1- Introduction
2- Background
3- What is a Graph Neural Network ?
4- Graph Neural Networks: Are they Spectral or Spatial ?
5- Depthwise Separable Graph Convolution Network
6- Edge Embedding Graph Neural Network
7- ConclusionNuméro de notice : 15259 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Rouen : 2021 Organisme de stage : Laboratoire LITIS DOI : sans En ligne : https://tel.hal.science/tel-03346018/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100612
Titre : Mathématiques pour le traitement du signal : cours et exercices corrigés Type de document : Guide/Manuel Auteurs : M. Bergounioux, Auteur Editeur : Paris : Dunod Année de publication : 2010 Collection : Sciences Sup Sous-collection : Mathématiques Importance : 311 p. Format : 17 x 24 cm ISBN/ISSN/EAN : 978-2-10-054781-4 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] analyse spectrale
[Termes IGN] distribution de Poisson
[Termes IGN] échantillonnage de signal
[Termes IGN] espace de Hilbert
[Termes IGN] filtrage du signal
[Termes IGN] transformation de Fourier
[Termes IGN] transformation de Laplace
[Termes IGN] transformation en ondelettesIndex. décimale : 24.20 Traitement du signal Résumé : (Editeur) Cet ouvrage est destiné aux étudiants en Master de mathématiques appliquées, aux élèves ingénieurs et aux candidats au CAPES ou à l'agrégation de mathématiques.
Le cours présente les fondements du traitement du signal du point de vue déterministe et reste donc très généraliste. Les pré-requis sont rappelés, l'ouvrage étant conçu pour être " auto-suffisant " L'analyse spectrale (séries de Fourier, transformation de Fourier, de Laplace) y est présentée pour des signaux continus (analogiques) et discrets (numériques). Les notions de filtrage, échantillonnage, temps-fréquence et temps échelle sont présentées dans des chapitres séparés. Enfin, une brève introduction au traitement de la parole illustre le propos de l'ouvrage.
Des exercices et leurs corrigés, ainsi que des travaux pratiques permettent de se préparer efficacement aux épreuves.Note de contenu : - ANALYSE SPECTRALE DES SIGNAUX UNIDIMENSIONNELS
- ANALYSE CORRELATIVE DES SIGNAUX
- FILTRAGE
- ECHANTILLONNAGE
- ANALYSE TEMPS-FREQUENCE
- ANALYSE TEMPS-ECHELLE, ONDELETTES
- INTRODUCTION A L'ANALYSE VOCALE
- ANNEXE 1 : ESPACES DE HILBERT
- ANNEXE 2 : NOTATIONSNuméro de notice : 20514 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46802 Integrierte Modelle zur physikalischen Interpretation geodätischer Deformationsuntersuchungen / I. Milev (2001)
Titre : Integrierte Modelle zur physikalischen Interpretation geodätischer Deformationsuntersuchungen Titre original : [Modèles intégrés pour l'interprétation physique des études géodésiques de déformation] Type de document : Thèse/HDR Auteurs : I. Milev, Auteur Editeur : Munich : Bayerische Akademie der Wissenschaften Année de publication : 2001 Collection : DGK - C Sous-collection : Dissertationen num. 540 Importance : 105 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 3-7696-9579-6 Note générale : Bibliographie Langues : Allemand (ger) Descripteur : [Vedettes matières IGN] Géodésie
[Termes IGN] filtre de Kalman
[Termes IGN] méthode des moindres carrés
[Termes IGN] modèle de déformation tectonique
[Termes IGN] transformation de Fourier
[Termes IGN] transformation de LaplaceIndex. décimale : 30.00 Géodésie - généralités Résumé : (Auteur) The presented integrated model for interpretation of measured displacements includes geodetic and mechanic relationships. This general relationship between the variation principle of mechanics and the general case of the least square adjustment will be delivered, and the geodetic calculation methods applied for use of variation objectives. This covers the Lagrange function with multipliers and presents an extended model for the potential. The complex deformation model based on the extended dynamical Hamilton's principle will be established and recommended as integrated solution. Numéro de notice : 13064 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse étrangère Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=54864 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 13064-01 30.00 Livre Centre de documentation Géodésie Disponible
Titre : Modex : signaux et systèmes, [réimpression de 2007] Type de document : Guide/Manuel Auteurs : Stéphane Mallat, Auteur Editeur : Palaiseau : Ecole Polytechnique EP Année de publication : 1998 Importance : 137 p. Format : 21 x 30 cm Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] compression d'image
[Termes IGN] compression de données
[Termes IGN] convolution (signal)
[Termes IGN] filtrage linéaire
[Termes IGN] filtre passe-bande
[Termes IGN] filtre passe-bas
[Termes IGN] modèle par fonctions rationnelles
[Termes IGN] quantité discrète
[Termes IGN] repliement de spectre
[Termes IGN] série de Fourier
[Termes IGN] signal aléatoire
[Termes IGN] signal analogique
[Termes IGN] traitement d'image
[Termes IGN] traitement du signal
[Termes IGN] transformation de Fourier
[Termes IGN] transformation de Laplace
[Termes IGN] transformation en ZIndex. décimale : 24.20 Traitement du signal Numéro de notice : 13957 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46363
Titre : Inverse und schlecht gestellte Probleme bei der digitalen photogrammetrischen Objekt-Rekonstruktion Titre original : [Problème mal posé et inversé lors de la reconstruction d'objets en photogrammétrie numérique] Type de document : Thèse/HDR Auteurs : Y.J. Zheng, Auteur Editeur : Munich : Bayerische Akademie der Wissenschaften Année de publication : 1993 Collection : DGK - C Sous-collection : Dissertationen num. 390 Importance : 123 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-7696-9436-9 Note générale : Bibliographie Langues : Allemand (ger) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] Déformation
[Termes IGN] modèle de déformation tectonique
[Termes IGN] photogrammétrie numérique
[Termes IGN] problème inverse
[Termes IGN] restitution
[Termes IGN] restitution numérique
[Termes IGN] surface (géométrie)
[Termes IGN] transformation de Cauchy
[Termes IGN] transformation de LaplaceIndex. décimale : 33.30 Photogrammétrie numérique Numéro de notice : 61413 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=60936 Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 61413-01 33.30 Livre Centre de documentation Photogrammétrie - Lasergrammétrie Disponible 61413-02 33.30 Livre Centre de documentation Photogrammétrie - Lasergrammétrie Disponible PermalinkMéthodes mathématiques, 1. Volume 1, Mesure, intégration, analyse hilbertienne, distributions / B. Ferrif (1985)
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink
