“G06N3/042”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果74个，建议您升级VIP下载更多相关专利

[发明专利]一种构建图集成模型的方法、装置及存储介质-CN202310844391.4在审
发明人：林科奥;谢小竹;翁伟 -专利权人：厦门理工学院
申请日： 2023-07-11 - 公布日： 2023-10-27 - 主分类号： G06N3/042 文献下载
摘要：本申请实施例公开了一种构建图集成模型的方法、装置及存储介质，用于有效提高经典图神经网络模型的性能，可以结合多个模型的预测结果，有效捕捉数据的多样性，从而提高节点分类的效率和准确性。本申请实施例方法包括：对原始图数据集进行预处理，得到预处理后的原始图数据集；根据所述预处理后的原始图数据集进行训练，得到基学习器，所述基学习器包括图卷积网络GCN、GraphSAGE和图注意力网络GAT中的至少两种；对所述基学习器进行集成，构建图集成模型，所述图集成模型用于节点分类。
一种构建集成模型方法装置存储介质

[发明专利]一种模型部署方法、装置、电子设备及存储介质-CN202310454737.X在审
发明人：陶淳;马子扬;景宗飞 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-04-24 - 公布日： 2023-10-27 - 主分类号： G06N3/042 文献下载
摘要：本申请涉及深度学习技术领域，尤其涉及一种模型部署方法、装置、电子设备及存储介质。该方法为：获取待部署至目标设备的原始模型；基于训练数据，按照预设的量化精度，对原始模型进行再次训练，获得量化模型，并基于预设的模型格式，对量化模型进行格式转化，获得中间模型；基于针对目标设备配置的目标精度，对中间模型包含的各模型参数进行精度调整，获得目标模型；将目标模型部署至目标设备中。这样，根据目标精度对中间模型的精度灵活地进行调整，调整后获得的目标模型可以进行相应的数据处理，只需要管理一个中间模型，实现了一个模型进行多种精度的数据处理，避免了部署和管理多个模型，从而提高了模型部署的效率和节约了管理成本。
一种模型部署方法装置电子设备存储介质

[发明专利]神经网络的信息流动控制方法、装置、设备及介质-CN202310999951.3有效
发明人：杨志宏;由育阳 -专利权人：中国医学科学院药用植物研究所;北京理工大学
申请日： 2023-08-10 - 公布日： 2023-10-27 - 主分类号： G06N3/042 文献下载
摘要：本发明涉及神经网络技术领域，尤其涉及一种神经网络的信息流动控制方法、装置、设备及介质。该方法包括：将样本体表生理数据输入到目标神经网络中；针对至少一个隐藏层，对该隐藏层的至少部分输入特征进行置零处理；在每对一个隐藏层进行置零处理时，确定目标神经网络在进行该置零处理前后的模型性能的变化量；基于与每次进行的置零处理对应的模型性能的变化量，确定进入各隐藏层的输入特征的置零位置，以实现待测体表生理数据在目标神经网络中的信息流动控制；其中，样本体表生理数据和待测体表生理数据的数据类型相同，且样本体表生理数据和待测体表生理数据均为时间序列数据。上述技术方案能够增强神经网络的可解释性。
神经网络信息流动控制方法装置设备介质

[发明专利]一种基于节点特征与图结构解耦的图表示学习方法-CN202310803416.6在审
发明人：周航;周斌彬;郑增威;周展 -专利权人：浙江大学;浙大城市学院
申请日： 2023-07-03 - 公布日： 2023-10-24 - 主分类号： G06N3/042 文献下载
摘要：本发明涉及一种基于节点特征与图结构解耦的图表示学习方法，包括收集原始图结构数据并标记；对图中每个节点生成特征子图与结构子图；对于特征子图，使用注意力机制和图池化得到特征子图的表示；对于结构子图，对节点特征进行重初始化，并使用图同构网络和图池化得到结构子图的表示；将特征子图表示与结构子图表示进行加权融合；将最终的节点表示输入至编码器进行节点分类任务。本发明的有益效果是：本发明考虑了在图表示学习的过程中对节点特征信息和结构信息进行了解耦，使用基于子图采样的方法分别学习节点特征信息和结构信息，使其更加适应现有的图神经网络，具有更高的泛化性。
一种基于节点特征结构图表学习方法

[发明专利]数据处理方法、装置、电子设备、程序产品及介质-CN202210321270.7在审
发明人：陈昊 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-29 - 公布日： 2023-10-24 - 主分类号： G06N3/042 文献下载
摘要：本申请实施例公开了数据处理方法、装置、电子设备、程序产品及介质，可应用于数据处理技术领域。其中方法包括：获取基于对象集针对资源集的访问行为所构建的访问结构图；从访问结构图中分别获取以每个图节点为中心图节点的访问结构子图；任一个访问结构子图中的任一个图节点与该访问结构子图的中心图节点间所包含的连边的数量小于或等于L，L为正整数；基于每个图节点的访问结构子图训练特征生成网络，并基于训练好的特征生成网络生成每个对象的对象特征及每个资源的资源特征；特征生成网络的网络深度大于L。采用本申请实施例，有助于更准确地生成各个资源以及各个对象的特征。
数据处理方法装置电子设备程序产品介质

[发明专利]基于图神经网络模型的量化方法、任务处理方法及装置-CN202311168927.1在审
发明人：曹其春;董刚;胡克坤;王斌强;杨宏斌;晁银银;尹文枫 -专利权人：苏州浪潮智能科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06N3/042 文献下载
摘要：本发明提供了基于图神经网络模型的量化方法、任务处理方法及装置，本申请实施例提供的方法通过利用硬件加速器的资源预算量对期望量化分配信息调整，并按照调整后的第一目标量化分配信息量化图神经网络模型和图数据。以此保证图神经网络模型和图数据在硬件加速器上运行的稳定性。后续利用硬件加速器反馈的准确度继续对第一目标量化分配信息进行优化，从而得到第二目标量化分配信息，最终通过第二目标量化分配信息对图神经网络模型和图数据进行量化压缩，一方面减少存储空间，另一方面，结合硬件加速器的并行计算和可编程特性，能够实现高效率、低功耗的计算，同时保证了图神经网络模型的精度。
基于神经网络模型量化方法任务处理装置

[发明专利]一种带随机噪声掩码的图自动编码的模型训练方法及系统-CN202310994907.3在审
发明人：张玥雯;刘飞;余关元;何刚;陈少磊 -专利权人：四川新网银行股份有限公司
申请日： 2023-08-08 - 公布日： 2023-10-17 - 主分类号： G06N3/042 文献下载
摘要：本发明公开了一种带随机噪声掩码的图自动编码的模型训练方法及系统，包括获取银行的金融风险传播相关数据并转换为图结构数据；对节点的原始特征向量进行随机掩码，利用伯努利分布随机挑选若干节点，形成被选择的节点特征向量；由多元标准正态分布生成的数据替代，得到带有随机掩码的节点特征向量；对边的原始特征向量行随机掩码，得到带有随机掩码的边特征向量；对未被选择的节点和边进行噪声注入，得到噪声注入后的图数据；根据带有随机掩码的节点特征向量、带有随机掩码的边特征向量和噪声注入后的图数据，进行重构；利用重构后的图结构数据进行神经网络模型训练，得到训练好的神经网络模型。本发明可以提高模型在网络中金融风险的识别能力。
一种随机噪声掩码自动编码模型训练方法系统

[发明专利]一种自连接宽度图卷积神经网络模型系统及训练方法-CN202011610969.2有效
发明人：刘勋;宗建华;夏国清;陈晓霖 -专利权人：广州大学华软软件学院
申请日： 2020-12-30 - 公布日： 2023-10-13 - 主分类号： G06N3/042 文献下载
摘要：本发明提供了一种自连接宽度图卷积神经网络模型及其训练方法，所述自连接宽度图卷积神经网络模型依次包括输入层、同时捕捉多阶邻域信息的自连接高阶图卷积层、融合多阶邻域信息的SP信息融合池化层和softmax函数多分类输出层，所述自连接宽度图卷积神经网络模型对应的训练方法为先进行预处理得到预处理特征，再将预处理特征输入训练的高效模型训练方法。该模型及其训练方法应用于实际分类测试时，采用自连接高阶图卷积层增加模型宽度、降低模型深度、减少参数量和复杂度的同时，还同时聚集多阶邻域节点信息，且赋予自身节点更高权重，进而在扩宽模型感受野、避免过拟合风险的同时，还进一步提升了模型的学习能力、稳定性和分类精度。
一种连接宽度图卷神经网络模型系统训练方法

[发明专利]一种图神经网络架构的搜索方法、装置、预测方法和产品-CN202310814432.5在审
发明人：朱文武;王鑫;张紫昭 -专利权人：清华大学
申请日： 2023-07-04 - 公布日： 2023-10-10 - 主分类号： G06N3/042 文献下载
摘要：本发明提供了一种图神经网络架构的搜索方法、装置、预测方法和产品，该方法应用于深度学习技术领域，该方法包括：建立搜索空间，所述搜索空间包括图神经网络架构空间和图编码空间；对所述搜索空间中的所有候选架构进行编码，得到超网络，所述候选架构由所述图神经网络架构空间中的部分架构和所述图编码空间中的部分架构组成；基于所述候选架构所采用的图编码策略，对超网络进行训练，得到训练后的超网络；利用进化算法，在所述训练后的超网络中进行搜索，得到预测性能最优的图神经网络架构。
一种神经网络架构搜索方法装置预测产品

[发明专利]基于图学习和不确定行为建模的胜率预测系统及方法-CN202310867347.5在审
发明人：吕冰;赵洪科;冯楠 -专利权人：天津大学
申请日： 2023-07-14 - 公布日： 2023-10-10 - 主分类号： G06N3/042 文献下载
摘要：本发明公开了一种基于图学习和不确定行为建模的胜率预测系统及方法，该系统设有依次连接的多维度行为表征模块、耦合图对比学习模块、随机行为表征模块及前馈神经网络模型；多维度行为表征模块设有序列图、知识图及第一图注意力网络，序列图用于表征单个玩家局部比赛序列的技能信息；知识图用于表征从游戏系统全局抽取的游戏角色间的合作和对抗信息，第一图注意力网络采用注意力机制，将序列图和知识图的邻居节点信息聚合成玩家特征耦合图；耦合图对比学习模块对玩家特征耦合图进行强化；随机行为表征用于模拟玩家的真实实力以及玩家在游戏内受环境影响的波动情况；前馈神经网络模型输入玩家特征并输出最终的预测结果。本发明提高了预测的准确性。
基于学习不确定行为建模胜率预测系统方法

[发明专利]一种计算图切分方法、装置、电子设备及存储介质-CN202210289267.1在审
发明人：张云铭;屠震元;李鹏飞;周智强;叶挺群 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-03-22 - 公布日： 2023-10-10 - 主分类号： G06N3/042 文献下载
摘要：本申请实施例提供了一种计算图切分方法、装置、电子设备及存储介质。获取单向无环图；确定算子的预设优化类别为不参与算子融合的节点，作为第一类节点；针对每一第一类节点，将该第一类节点的父节点中的第二类节点标记为缩点中止节点，将该第一类节点的子节点中的第二类节点标记为缩点起始节点；根据每一关系边连接的两个节点的节点类型，确定该关系边的权重；基于缩点中止节点、缩点起始节点和每一关系边的权重进行缩点处理，得到缩点图；基于缩点图对单向无环图进行切分，得到多个第一子计算图。通过本申请实施例提供的技术方案，使得切分得到的各子计算图间的依赖关系较低，以及切分得到的子计算图的数量较少，从而提高网络模型的处理效率。
一种计算切分方法装置电子设备存储介质

[发明专利]模型训练方法、装置、相关设备及存储介质-CN202210270917.8在审
发明人：张震 -专利权人：中移（上海）信息通信科技有限公司;中移智行网络科技有限公司;中国移动通信集团有限公司
申请日： 2022-03-18 - 公布日： 2023-09-29 - 主分类号： G06N3/042 文献下载
摘要：本申请提供一种模型训练方法、装置、相关设备及存储介质，其中，所述方法包括：获取训练数据，其中，所述训练数据包括：用于表征社交场景中的用户身份的第一节点、以及用于表征社交场景中用户间联系频次的第一边数据；对所述训练数据进行划分处理，得到N个第一子数据，其中，N为大于1的整数；根据所述N个第一子数据训练预先构建的初始模型，得到用于识别异常用户的N个识别模型，所述N个识别模型与所述N个第一子数据一一对应。通过对训练数据进行划分处理的方式，简化图神经网络在训练阶段的繁琐流程，规避节点数量庞大的图网络存在的高复杂度的计算问题，使图神经网络在用于识别社交场景中的团伙异常行为时，能灵活便捷地完成模型训练过程。
模型训练方法装置相关设备存储介质

[发明专利]一种用于自注意力神经网络的归一化方案-CN202180092730.7在审
发明人：阿拉丁·维尔莫;乔治·达苏拉斯;凯文·斯卡曼 -专利权人：华为技术有限公司
申请日： 2021-02-04 - 公布日： 2023-09-29 - 主分类号： G06N3/042 文献下载
摘要：描述了一种数据处理设备(700)，用于对图神经网络执行基于注意力的操作。所述设备用于接收一个或多个输入图，每个输入图具有多个节点(201、202、203、204、205、206)，并且对于所述输入图中的至少一个，还用于执行以下操作：形成(601)所述相应输入图中的每个节点的输入节点表示，其中，可以为每个输入节点表示定义相应的范数；形成(602)一组注意力参数；将所述输入节点表示中的每一个与所述一组注意力参数相乘(603)，以形成所述相应输入图的得分函数；基于所述输入节点表示的范数中的最大值，对所述得分函数进行归一化(604)，以形成归一化得分函数；通过所述归一化得分函数的相应元素对所述相应输入图中的每个节点进行加权，来形成(605)加权节点表示。所述得分函数的所述归一化可以通过加强利普希茨连续性使得基于注意力的深度神经网络表现更好。
一种用于注意力神经网络归一化方案

[发明专利]分布式计算方法及分布式计算系统-CN202010123789.5有效
发明人：黄鑫;宋宪政;王琳 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-02-27 - 公布日： 2023-09-26 - 主分类号： G06N3/042 文献下载
摘要：本说明书提供了一种用于运行分析图结构的深度学习模型的分布式计算方法和系统。所述分布式计算系统中的至少一个计算设备反复迭代执行所述图结构的图嵌入向量更新操作，包括：获取所述图结构中目标节点的目标图嵌入向量；从所述分布式计算系统中的至少一个关联计算设备接收相邻目标图嵌入向量；基于所述目标图嵌入向量和相邻目标图嵌入向量，生成迭代后的目标图嵌入向量；以及将所述迭代后的目标图嵌入向量发送给所述关联计算设备。
分布式计算方法计算系统

[发明专利]一种基于属性邻域的异质图属性补全方法-CN202310001112.8在审
发明人：章昭辉;王鹏伟;黄思婷;胡超超 -专利权人：东华大学
申请日： 2023-01-03 - 公布日： 2023-09-22 - 主分类号： G06N3/042 文献下载
摘要：现有的图神经网络作为分析属性异质图的模型，对给定图数据的节点属性非常敏感。节点属性的缺失通常会导致噪声在图中传播，影响后续的任务。针对该问题本发明提出了一种基于属性邻域的异质图属性补全方法，构建了节点的属性邻域，实现了节点邻域的属性聚合不受无属性节点影响。进一步提出了结构信息再学习模块，通过加权聚合节点的结构嵌入使节点的补全属性同时具有结构信息和语义信息。该方法能有效地补全异质图中缺失的属性，将补全的属性与现有的异质图模型相结合，能有效避免缺失节点属性带来的误差，提升原有框架。
一种基于属性邻域异质图方法

1
2
3
4
5
下一页»
尾页
共 74 条