Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
Autor(es): dc.contributor | Paschoal, Alexandre Rossi | - |
Autor(es): dc.contributor | Bugatti, Pedro Henrique | - |
Autor(es): dc.creator | João Marcelo, Tozato | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:54:21Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:54:21Z | - |
Data de envio: dc.date.issued | 2025-08-01 | - |
Data de envio: dc.date.issued | 2025-08-01 | - |
Data de envio: dc.date.issued | 2021-07-28 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37682 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1103970 | - |
Descrição: dc.description | The recent success of applications and the wide development in the deep learning field has obtained recognition in numerous machine learning tasks, such as computer vision and natural language processing. However, multiple learning tasks involve data that can't be represented in the euclidian domain and have complex structural relationships, such as graphs. Considering the complexity of adapting traditional deep learning techniques on graphs, Graph Neural Networks were introduced. Such networks are learning models capable of extracting representations of non-euclidian data, allowing the execution of learning tasks in this type of structure. Recently, different studies have achieved the state of the art in a wide variety of graph classification tasks. Therefore, the present work analyzes distinct architectures of Graph Neural Networks in the node, edge and graph classification tasks with representative datasets of social, biological and citation networks. | - |
Descrição: dc.description | O sucesso recente de aplicações e o vasto desenvolvimento na área de aprendizado profundo têm obtido reconhecimento em numerosas tarefas de aprendizado de máquina, tal como em visão computacional e processamento de linguagem natural. Entretanto, diversas tarefas de aprendizado envolvem dados que não podem ser representados no domínio euclidiano comum e que possuem relações estruturais complexas, como é o caso dos grafos. Tendo em vista a complexidade em adaptar estratégias tradicionais de aprendizado profundo em grafos, foram introduzidas as Redes Neurais baseadas em Grafos. Tais redes são modelos de aprendizado capazes de extrair representações destes dados não-euclidianos, possibilitando, assim, a realização de tarefas de aprendizado neste tipo de estrutura. Recentemente, diferentes estudos vêm obtendo o estado da arte nas mais diversas tarefas de classificação envolvendo grafos. Desta forma, o objetivo deste trabalho é realizar a análise de arquiteturas distintas de Redes Neurais baseadas em Grafos nas tarefas de classificação de vértices, arestas e grafos em conjuntos de dados representativos de redes sociais, redes biológicas e redes de citação. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Cornelio Procopio | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-NonCommercial-ShareAlike 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Redes Neurais (Computação) | - |
Palavras-chave: dc.subject | Teoria dos grafos | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Graph theory | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Análise de redes neurais baseadas em grafos | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: