“图卷”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3727个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自适应多通道交叉图卷积网络的图分类方法-CN202111143448.5在审
发明人：李扬定;胡泽辉;苏子栋;文国秋;周鹏 -专利权人：广西师范大学
申请日： 2021-09-28 - 公布日： 2021-12-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自适应多通道交叉图卷积网络的图分类方法，包括如下步骤：1）基于节点特征矩阵X构造一个初始图；2）对输入图做图卷积运算；3）交叉网络；4）图卷积模块；5）带注意力机制的全连接层。
一种基于自适应通道交叉图卷网络分类方法

[发明专利]一种基于时空图卷积神经网络的径流预测方法-CN202210889361.0在审
发明人：杨勤丽;孙文平;邵俊明 -专利权人：电子科技大学长三角研究院（湖州）
申请日： 2022-07-27 - 公布日： 2022-10-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于时空图卷积神经网络的径流预测方法。首先收集并构建研究流域内径流及其影响要素的时间序列数据集，然后根据流域内水系拓扑结构设计图卷积神经网络模型结构，最后通过训练最终得到基于时空图卷积神经网络的径流预测模型。
一种基于时空图卷神经网络径流预测方法

[发明专利]一种针对错判的图卷积网络暂态稳定评估方法-CN202310698023.3在审
发明人：刘颂凯;杨明飞;杨超;常鹏;杨苗;曾祥军;胡竞哲;周倩;崔梓琪;袁铭洋;赵文博;陈萍;李正浩;曾羽聪 -专利权人：三峡大学
申请日： 2023-06-13 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：一种针对错判的图卷积网络暂态稳定评估方法，包括以下步骤：步骤1：模拟电力系统不同运行场景构建样本集；步骤2：获得改进后的自适应图卷积网络GCN；步骤3：基于改进后的自适应图卷积网络GCN建立评估模型，进行离线训练
一种针对错判图卷网络稳定评估方法

[发明专利]一种基于3D时空图卷积的骨架行为识别方法-CN202010692916.3在审
发明人：曹毅;刘晨;费鸿博;周辉 -专利权人：江南大学
申请日： 2020-07-17 - 公布日： 2020-10-23 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于3D时空图卷积的骨架行为识别方法，其不仅能够实现对骨架信息同时进行空间建模、时间建模，还能表示时空信息之间的连通性；同时，其能够在大型骨架数据集上取得优异的识别准确率，并具备有良好的泛化性能本发明的技术方案中，通过结合2D图卷积的拉普拉斯算子与多帧的时间拉普拉斯算子，构建了3D时空图卷积神经网络模型，3D时空图卷积神经网络模型中的当前节点的更新依赖于所述当前2D图中与之存在连接的关节节点的状态，同时还与前后相邻的所述相邻2D图中对应节点的节点状态相关；通过联合所述当前2D图中的相关状态信息与前后相邻的所述相邻2D图中相同节点的状态信息，实现空间信息与时间信息的连通，构建出3D图卷积。
一种基于时空图卷骨架行为识别方法

[发明专利]一种基于时空多图神经网络的网约车需求预测方法-CN202210038032.5在审
发明人：陈静;袁长伟;毛新华;王虎军;官文英;丁圣轩 -专利权人：长安大学
申请日： 2022-01-13 - 公布日： 2022-04-19 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于时空多图神经网络的网约车需求预测方法，包括：获取网约车需求数据，根据城市路段空间关系、路段的功能、公共交通相关性，构建邻接关系图、路段功能相关性图、路段公共交通相关性图，将构建的图数据输入到端到端的时空图卷积神经网络中，首先利用图卷积网络捕获多图相关性，然后进行多图融合，其次将每一时刻融合的图输入到门控循环神经网络中捕获图数据之间的时间相关性，构建时空图卷积神经网络，将订单时间和匹配到的路段输入至时空图卷积神经网络，该方法从网约车需求时空分布角度出发，构建多图并利用端到端的时空图卷积神经网络对所有路段在未来多个时间切片的网约车需求进行预测。
一种基于时空神经网络网约车需求预测方法

[发明专利]图卷积神经网络训练和图运算方法、装置、设备及系统-CN202110328439.7在审
发明人：罗逸璕;方超;马卿云;陈国栋 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2021-03-26 - 公布日： 2022-09-30 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了一种图卷积神经网络训练和图运算方法、装置、设备及系统中，通过对全图进行切割，得到多个子图，并针对每个子图，获得该子图中各节点在全图中的度，将各子图分发到各训练设备进行训练，并且在下发子图的同时下发获得的该子图中各节点的度，各训练设备利用本地的图卷积神经网络对该子图进行前馈计算时，由于是基于全图的度进行计算的，能够保证得到的节点输出特征与全图的节点输出特征一致，则在对图卷积神经网络进行训练的过程中，相当于是基于全图对图卷积神经网络进行训练，且由于子图的数据量远小于全图的数据量，利用多个训练设备的分布式训练方式，实现了基于大数量级的图对图卷积神经网络模型进行训练的目的。
图卷神经网络训练运算方法装置设备系统

[发明专利]一种层次化深度图卷积网络的训练方法-CN202111102875.9在审
发明人：李舒;刘庆云;周舟;杨威;张宏飞;杨嵘;杜梅婕;李钊 -专利权人：中国科学院信息工程研究所
申请日： 2021-09-15 - 公布日： 2023-03-21 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种层次化深度图卷积网络的训练方法，其特征在于，包括如下步骤：1)将目标领域的图中的节点特征输入待训练的层次化深度图卷积网络；2)每次迭代训练时，计算邻接矩阵A的对称归一化邻接矩阵3)判断当前迭代次数k是否小于设定迭代次数K，若小于则进行步骤4)，否则结束训练；4)计算该层次化深度图卷积网络第k+1次迭代训练后输出的节点嵌入Zk+1，然后根据Zk+1计算该层次化深度图卷积网络第k+1次迭代训练后输出的各节点的类别predk+1；5)采用predk+1和节点真实标签的交叉熵作为损失函数，对该层次化深度图卷积网络的参数矩阵进行参数优化
一种层次深度图卷网络训练方法

[发明专利]基坑降水处理系统和基于人工智能的基坑降水处理方法-CN202211339463.1在审
发明人：靳记平;孙怀军;侯彦超;苏黎耀;王永强;马志国;周彦平;马卫民;马帅;张海龙;徐玉杰;秦济生 -专利权人：河南省水利第一工程局
申请日： 2022-10-29 - 公布日： 2023-05-26 - 主分类号： E02D19/10 文献下载
摘要：本发明公开了一种基坑降水处理系统，包括电控装置，电控装置中存储有图卷积神经网络；各井点管和各回灌井均为图卷积神经网络的图结构数据中的第一节点，各第一节点内分别设有用于监测第一节点内的实时水位的水位检测装置；各沉降监测站作为图卷积神经网络的图结构数据中的第二节点。本发明公开的基于人工智能的基坑降水处理方法包括数据采集步骤、训练图卷积神经网络步骤、获取预期参考水位分布图步骤和根据预期参考水位分布图调节基坑降水处理系统步骤。本发明通过参考信息约束函数对图卷积神经网络进行重新拟合，得待拟合参数的值和参考水位分布图，指导当前降水和回灌作业，实际水位处于受约束的状态，保证工作效率并保证建筑的安全。
基坑降水处理系统基于人工智能方法

[发明专利]一种基于体素和图卷积的三维点云语义分割方法-CN202211536504.6在审
发明人：罗欣;冯倩;许文波;贾海涛;常乐;冷庚 -专利权人：电子科技大学长三角研究院（湖州）
申请日： 2022-12-01 - 公布日： 2023-02-28 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于体素和图卷积的三维点云语义分割方法。该发明基于图卷积网络(GCN)通过充分保留数据粒度和利用点相互关系能带来显著的性能，但基于点的网络在数据结构(例如，最远点采样(FPS)和邻近点查询)上花费了大量时间，限制了速度和可扩展性的问题，提出基于体素和图卷积的解决方案本发明提出的基于体素和图卷积的三维点云语义分割方法，通过构建覆盖感知网格查询(CAGQ)，利用网格空间的效率，覆盖感知网格查询(CAGQ)提高了空间覆盖率，同时降低了理论时间复杂度；然后将CAGQ生成的局部点组输入由图卷积构成的网格上下文聚合
一种基于图卷三维语义分割方法

[发明专利]一种基于图卷积和强化学习算法的旅行商问题求解方法-CN202211278731.3在审
发明人：张运超;郭龙坤;贾超琪 -专利权人：齐鲁工业大学
申请日： 2022-10-19 - 公布日： 2023-10-10 - 主分类号： G06Q10/047 文献下载
摘要：本发明公开了一种基于图卷积和强化学习算法的旅行商问题求解方法，属于人工智能、组合优化技术领域。本发明要解决的技术问题是求得旅行商问题的高质量游程图，采用的技术方案为：通过构建并训练由输入层模型、图卷积网络层模型、多层感知机模型和强化学习算法模型组成的旅行商问题求解模型，实现对原始二维坐标数据的嵌入，获取图卷积网络模型的初始输入；图卷积网络的每一层分别对节点特征向量和边特征向量进行聚合，并以最后一层的边特征向量连接多层感知机；多层感知机实现了对边概率的生成，以利用强化学习算法中的REINFORCE算法对图卷积网络模型的参数进行训练优化。
一种基于图卷强化学习算法旅行问题求解方法

[发明专利]基于骨架视频的行为识别方法-CN201910511925.5有效
发明人：叶帆帆;唐慧明;陈明芽 -专利权人：浙江大学;华雁智科（杭州）信息技术有限公司
申请日： 2019-06-13 - 公布日： 2021-04-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于骨架视频的行为识别方法，方法流程包括：通过对数据集中的每一段视频抽帧得到视频训练样本，并提取各帧的骨架关节点信息；根据骨架关节点物理连接关系初始化骨架关节点连接关系矩阵，以初步训练空间域图卷积神经网络；在空间域图卷积神经网络的参数固定之后，通过空间域图卷积神经网络训练骨架关节点关系推理网络，得到新的骨架关节点连接关系矩阵；通过新的骨架关节点连接关系矩阵更新空间域图卷积神经网络的参数；应用时，对待识视频抽帧和提取骨架关节点信息后送入骨架关节点关系推理网络得到骨架关节点连接关系矩阵，将抽帧后的视频和骨架关节点连接关系矩阵送入更新后的空间域图卷积神经网络，以得到行人行为类别。
基于骨架视频行为识别方法

[发明专利]一种基于选择性超图卷积网络的骨架动作识别方法-CN202110812098.0有效
发明人：沈复民;朱怡燃;徐行;申恒涛 -专利权人：成都考拉悠然科技有限公司
申请日： 2021-07-19 - 公布日： 2021-11-12 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于选择性超图卷积网络的骨架动作识别方法；通过设计一个全新的选择性超图卷积网络，在选择性超图卷积网络中适应性地提取骨架中的多尺度信息和选择性地聚合时序关键帧特征；在选择性超图卷积网络中主要表现为：将骨架表示成超图结构来建模关节点之间的高阶关系而不破外固有的空间位置属性；采用尺度选择超图卷积来充分提取多尺度信息和选择性融合多个尺度的特征；以及采用帧选择时间卷积来代替传统的步长时间卷积，根据帧的重要性自适应地选择关键帧和过滤冗余帧
一种基于选择性超图卷积网络骨架动作识别方法

[发明专利]一种基于图注意力网络的室内多点协同定位方法-CN202110939694.5有效
发明人：刘宁;庄卉;何涛 -专利权人：中山大学
申请日： 2021-08-16 - 公布日： 2023-04-28 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于图注意力网络的室内多点协同定位方法，包括步骤如下：构建基于图注意力机制的多层图卷积神经网络；获取多个用户所在位置的第一地磁指纹信号，和获取不同用户之间的第一蓝牙信号强度；根据地磁指纹信号与蓝牙信号强度构建多用户协同关系训练集；将多用户协同关系训练集作为多层图卷积神经网络的输入，将各个用户所在的位置坐标作为多层图卷积神经网络的输出，对多层图卷积神经网络进行训练；将获得的多用户待确定位置上的第二地磁指纹信号和不同用户之间的第二蓝牙信号强度输入训练好的多层图卷积神经网络
一种基于注意力网络室内多点协同定位方法

[发明专利]一种基于图卷积网络的三维人体姿态估计方法-CN202011597190.1有效
发明人：肖德贵;伍梦斌 -专利权人：湖南大学
申请日： 2020-12-28 - 公布日： 2023-08-01 - 主分类号： G06V40/10 文献下载
摘要：本发明提供一种基于图卷积网络的三维人体姿态估计方法。所述基于图卷积网络的三维人体姿态估计方法，包括以下步骤：S1：获取Human3.6M数据集的原始视频数据，将原始视频数据拆分为图片帧，提取每帧图片中的人体姿态数据，形成人体骨骼点二维和三维姿态数据；S2JPG" imgContent="drawing" imgFormat="JPEG" orientation="portrait" inline="yes" />其中v是K个节点的集合，ε是边；S3：基于图卷积网络，构建全局上下文‑语义图卷积网络模型，作为三维人体姿态估计模型f*。本发明提供的基于图卷积网络的三维人体姿态估计方法具有能实现二维人体姿态到三维人体姿态的映射，且能提高三维人体姿态回归的性能、减少网络参数使用的优点。
一种基于图卷网络三维人体姿态估计方法

[发明专利]基于图卷积神经网络整合内容和结构信息的争议性检测方法-CN202010768194.5在审
发明人：曹娟;钟雷;盛强;谢添;李锦涛 -专利权人：杭州中科睿鉴科技有限公司;中国科学院计算技术研究所数字经济产业研究院
申请日： 2020-08-03 - 公布日： 2020-12-29 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的目的是提供一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的技术方案是一种基于图卷积神经网络整合内容和结构信息的争议性检测方法，其特征在于：建立“话题‑帖子‑评论”图，图中评论连接到该评论回复的评论/帖子上，帖子连接到该帖子属于的话题上；根据“话题‑帖子‑评论”图中话题节点、帖子节点和评论节点的文本获取相应节点的初始表达向量；使用图卷积神经网络学习“话题‑帖子‑评论”图中节点的表达；根据帖子节点和相应评论节点的平均表达进行争议性分类。
基于图卷神经网络整合内容结构信息争议检测方法