龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连海事大学
摘要：本发明提供一种基于图剩余注意与聚合网络的图池化方法，包括：根据输入图计算第一归一化邻接矩阵和所有节点的对称归一化矩阵；搭建图规模缩减模型；将第一归一化邻接矩阵和所有节点的归一化矩阵输入图规模缩减模型，图规模缩减模型的图卷积层、聚合层和池化层进行处理，得到图结构。将图卷积、残差注意、多层聚合和动态池化有效结合，形成一个统一的模型框架，通过多层次的特征提取和动态池化，在节点分类和图嵌入任务上表现优异，准确性和稳定性显著提升。
主权项：1.一种基于图剩余注意与聚合网络的图池化方法，其特征在于，包括：根据输入图计算第一归一化邻接矩阵和所有节点的对称归一化矩阵；搭建图规模缩减模型；将所述第一归一化邻接矩阵和所有所述节点的归一化矩阵输入所述图规模缩减模型，得到图结构，包括：所述图规模缩减模型的图卷积层根据所述第一归一化邻接矩阵、所述节点的归一化矩阵和可训练参数矩阵进行特征变换，得到节点特征矩阵；所述图规模缩减模型的聚合层根据所述节点特征矩阵和第二归一化邻接矩阵进行迭代，得到节点特征信息；所述图规模缩减模型的池化层对所有所述节点特征信息分别计算重要性得分，并将所述重要性得分按照由高到低的顺序排列，选取前k个所述重要性得分对应的所述节点形成节点矩阵；所述池化层对所述第二归一化邻接矩阵进行特征提取，得到新的邻接矩阵；所述池化层根据所述节点矩阵和所述新的邻接矩阵构建所述图结构。
全文数据：
权利要求：
百度查询： 大连海事大学 一种基于图剩余注意与聚合网络的图池化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号