Des informations générales:

MASTER

Le niveau
Développement des Systèmes de Recommandation de Santé à l’aide des Réseaux Convolutifs Graphiques

Titre
Génie Logiciel

SPECIALITE

Page de garde:

Développement des Systèmes de Recommandation de Santé à l'aide des Réseaux Convolutifs Graphiques

Sommaire:

Introduction Générale Contexte Problème Approche L’organisation du mémoire Chapitre 1: Les systèmes de recommandation de santé Introduction Les systèmes de recommandation Définitions Exemples Classification des systèmes de recommandation La classification classique La Classification de [Su et al, 2009] La classification de Burke et La classification de [Rao et al, 2008] Les approches de systèmes de recommandation Approches basées sur le contenu Approches basées sur le filtrage collaboratif Approches basées sur le filtrage hybride Évaluation des systèmes de recommandation Les défis des systèmes de recommandation Démarrage à froid La difficulté d’obtenir suffisamment de données de qualité La diversité des goûts et des préférences Parcimonie (Sparsity) La rareté des données (scarcity) Systèmes de recommandation de santé Définition Les scénarios de système de recommandation de santé Recommandation alimentaire Recommandation de médicaments Prédiction de l’état de santé Recommandation d’activité physique Recommandations des professionnels de santé Architecture du système de recommandation de santé Les défis de la recherche sur les systèmes de recommandation de santé Défis éthiques Données de santé de qualité La prolifération des normes de santé Fiabilité Précision Le désaccord des patients et de leurs proches Autorisation et accès aux dossiers médicaux électroniques Convaincre les gens Les aspects légaux Un cadre de travail pour les systèmes de recommandation de santé Conclusion Chapitre 2: Les réseaux convolutifs graphiques Introduction Fondement de l’IA, du ML et du DL Définition de l’IA Historique Définition de l’apprentissage automatique Types d’apprentissage automatique supervisé, non supervisé, renforcement L’apprentissage automatique supervisé L’apprentissage automatique non supervisé L’apprentissage par renforcement Les avantages de l’utilisation du Deep Learning L’Apprentissage Profond Définition Évolution de l’apprentissage profond Théorie des graphes Définition des graphes Matrice d’adjacence Types de graphe orienté, non orienté, biparti Graphe orienté Graphe non orienté Graphe biparti Réseaux de neurones graphiques Définition Avantages et inconvénients des GNN Avantages Inconvénients L’apport des réseaux de neurones graphiques pour les systèmes de recommandation Fonctionnement des réseaux de neurones graphiques Construction du graphe Initialisation des embeddings La technique de message passing La mise à jour des embeddings Les embeddings de nœud La répétition du message passing L’invariance par permutation Architectures des réseaux de neurones graphiques Réseaux convolutifs graphiques (GCN) Réseaux d’attention graphiques (GAT) Réseaux de neurones à propagation de messages (MPNN) Les différents domaines pour l’application de GNN Recommandation de produits Classification d’images et de vidéos Prédiction de la structure des molécules Analyse de sentiments Détection de fraude Les problèmes résolus par les GNN Classification des nœuds Classification des graphes Visualisation des graphes Prédiction de liens Regroupement de graphes L’importance de GNN Réseaux convolutifs graphiques (GCN) Définition de GCN Diffusion de l’information dans les graphes avec GCN Initialisation Agrégation de voisinage Mise à jour Répétition Utilisation des activations finales Les catégories de réseaux Graphiques convolutifs Les réseaux convolutifs à graphes spatiaux Les réseaux convolutifs à graphes spectraux Différence entre Réseaux de neurones convolutifs et réseaux Graphiques convolutifs Conclusion Chapitre 3: Les systèmes de recommandation de santé basés sur LightGCN Introduction Conception de GCN pour HRS basé sur FC Pourquoi les réseaux convolutifs graphiques pour les HRS Traitement des données non euclidiennes Connectivité d’ordre élevé Incorporation de plusieurs comportements Le modèle proposé pour les systèmes de recommandation de santé Outils de mise en œuvre Python Colaboratory Bibliothèques PyTorch Geometric Matplotlib Pandas Numpy Scikit-learn Environnement d’exécution Expérimentation Résultats et discussion Résultats Comparaison Discussion Conclusion Conclusion Générale Bibliographie

Télécharger:


 

Pour plus de sources et références universitaires (mémoires, thèses et articles ), consultez notre site principal.