“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]模型驱动图卷积神经网络潮流计算方法-CN202210409057.1在审
发明人：余娟;高茂胜;杨知方;姜润泉 -专利权人：重庆大学
申请日： 2022-04-19 - 公布日： 2022-08-05 - 主分类号： G06N3/04 文献下载
摘要：本发明公开模型驱动图卷积神经网络潮流计算方法，步骤包括：1)建立电力系统线性潮流方程；2)对电力系统线性潮流方程进行去中心化处理，得到节点特征状态更新方程；3)根据节点特征状态更新方程建立模型驱动的图卷积方程；4)根据所述模型驱动的图卷积方程建立模型驱动的图卷积神经网络；5)获取电力系统基本数据，并输入到模型驱动的图卷积神经网络中，得到电力系统潮流。
模型驱动图卷神经网络潮流计算方法

[发明专利]一种基于图卷积神经网络的PCB元器件自动定位方法-CN202110825126.2有效
发明人：郑亚莉;廖文杰 -专利权人：电子科技大学
申请日： 2021-07-21 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于图卷积神经网络的PCB元器件自动定位方法，采集多张PCB图像，通过人工标定方式标记每张PCB图像与图像中元器件位置的对应关系，记录出每个元器件的中心坐标，然后将预处理完成后的PCB图像依次输入至图卷积神经网络，基于消息传递机制更新每个节点的特征，进而完成图卷积神经网络的迭代训练，最后将待定位的PCB图像输入至图卷积神经网络，图卷积神经网络直接输出PCB图像中各个元器件的中心坐标，从而实现自动定位。
一种基于图卷神经网络 pcb 元器件自动定位方法

[实用新型]小学几何学具-CN89208996.2无效
发明人：刘连福 -专利权人：刘连福
申请日： 1989-06-20 - 公布日： 1990-01-17 - 主分类号： B43L13/00 文献下载
摘要：它由图卷、图盒、图卷芯、转动圈卷旋钮和图卷压杆等部件组成。图卷上有各种基本几何图形，例如小学课程中的几何图形，还有相应的性质、特点、公式和图形编码，图盒表面设图形窗、公式窗和图形编码窗。
小学几何学

[发明专利]一种基于掩码的深度图卷积神经网络模型剪枝方法与系统-CN202010489221.5在审
发明人：高跃;林航;赵曦滨 -专利权人：清华大学
申请日： 2020-06-02 - 公布日： 2020-09-15 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于掩码的深度图卷积神经网络模型剪枝方法,包括：步骤1、获取待剪枝深度图卷积神经网络模型，步骤2、提取掩码信息，步骤3、完成模型剪枝，步骤4、完成紧致的深度图卷积神经网络模型重训。本发明还提供了一种基于掩码的深度图卷积神经网络模型剪枝系统。通过本发明中的技术方案，实现了在保证原有网络精度维持在原有水平的前提下，有效压缩了深度图卷积神经网络模型的大小，并大大加快了网络模型的检测速度。
一种基于掩码深度图卷神经网络模型剪枝方法系统

[发明专利]基于注意力机制的层次化图卷积网络的属性图深度聚类方法-CN202110695732.7在审
发明人：董永峰;王子秋;史进;李林昊;董瑶 -专利权人：河北工业大学
申请日： 2021-06-22 - 公布日： 2021-10-08 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于图卷积网络的属性图深度聚类方法，考虑了图卷积网络自适应的，层次化的学习邻居节点的必要性，提出基于注意力机制的层次化图卷积网络，解决了图卷积网络学习周围邻居节点信息不够充分的缺陷。本发明对图卷积网络迭代隐藏层，使其可以学习到多跳邻居信息，并在第一个隐藏层中加入注意力机制，使其自适应的学习一阶邻居信息，因为一阶邻居信息对节点来说关系更近，更重要。
基于注意力机制层次图卷网络属性深度方法

[发明专利]一种基于动态超图卷积网络的轨道交通客流预测方法-CN202010540661.9有效
发明人：张勇;王竟成;魏运;胡永利;尹宝才 -专利权人：北京工业大学
申请日： 2020-06-12 - 公布日： 2023-09-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出一种基于动态超图卷积网络的轨道交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。该方法在利用超图对轨道交通网络拓扑关系进行高阶表示的基础上，通过超图卷积模块实现图卷积网络的引入，并通过挖掘客流OD的内在时空特征构建动态超边，实现动态超图卷积网络机制。
一种基于动态超图卷积网络轨道交通客流预测方法

[发明专利]人脸表情识别模型训练、识别方法、系统、装置及介质-CN202111024230.8在审
发明人：黄琼浩;黄昌勤;李明;蒋凡;俞建慧 -专利权人：浙江师范大学
申请日： 2021-09-02 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人脸表情识别模型训练方法、识别方法、系统、装置及介质，训练方法包括：获取预设的三维人脸点云数据；确定人脸动态图结构和人脸静态图结构；将人脸动态图结构和人脸静态图结构输入到预先构建的双通道图卷积神经网络进行训练，得到训练好的人脸表情识别模型；其中，双通道图卷积神经网络包括第一通道图卷积层、第二通道图卷积层、特征融合层以及全连接层，第一通道图卷积层用于提取人脸动态图结构的深度语义特征，第二通道图卷积层用于提取人脸静态图结构的深度几何特征本发明通过双通道图卷积神经网络可以同时学习人脸表情的内在语义特征和外在几何特征，从而有效提高了三维点云人脸表情识别的准确度，可广泛应用于人脸识别技术领域。
表情识别模型训练方法系统装置介质

[发明专利]一种针对面部识别的风险判断模型的训练方法和装置-CN202210712972.8在审
发明人：刘贺;王岱鑫;魏建平;杨智翔 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-06-22 - 公布日： 2022-10-14 - 主分类号： G06V40/16 文献下载
摘要：本说明书实施例提供了一种针对面部识别的风险判断模型的训练方法和装置，该方法包括：获取第一样本，该样本包括第一用户的标识、第一设备的标识和表示识别正误的第一标签值；通过第一图卷积网络，对用户相似关系图进行图卷积运算，获取第一用户的第一用户向量；通过第二图卷积网络，对用户与设备关系图进行图卷积运算，获取第一用户的第二用户向量、第一设备的第一设备向量；通过第三图卷积网络，对设备关系图进行图卷积运算，获取第一设备的第二设备向量；分别结合第一和第二用户向量、第一和第二设备向量，获取第三用户向量和第三设备向量；以第三用户向量与第三设备向量的点积值趋向于第一标签值为目的，更新第一、第二和第三图卷积网络。
一种针对面部识别风险判断模型训练方法装置

[发明专利]一种基于复数图卷积神经网络的信号调制识别方法-CN202310505266.0在审
发明人：艾琦迅;侯长波;刘国威;吴翔宇;张志鹏;王刻庸 -专利权人：哈尔滨工程大学
申请日： 2023-05-08 - 公布日： 2023-09-01 - 主分类号： G06F18/241 文献下载
摘要：本发明属于通信领域，具体涉及一种基于复数图卷积神经网络的信号调制识别方法。将待识别信号数据集分解为I路与Q路信号；将I路与Q路信号数据利用可视图算法转化为图网络数据，并分成训练集、验证集和测试集；搭建复数图卷积神经分类网络模型；训练复数图卷积神经分类网络模型，并通过验证集调整复数图卷积神经分类网络模型的超参数和对复数图卷积神经分类网络模型的相关能力进行初步评估；将测试集输入至经训练验证后性能表现最好的复数图卷积神经分类网络模型中，输出信号调制方式的分类测试结果，以此来评估复数图卷积神经分类网络模型的性能。
一种基于复数图卷神经网络信号调制识别方法

[发明专利]基于混合粒度聚合器的图卷积神经网络训练方法及装置-CN202011417301.6在审
发明人：吴嘉婧;黄涛;郑子彬 -专利权人：中山大学
申请日： 2020-12-07 - 公布日： 2021-02-23 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于混合粒度聚合器的图卷积神经网络训练方法及装置，其中方法包括：接收图数据；采用预设关联度采样策略，分别获取每个图节点对应的采样节点集合；在图卷积神经网络的第一预设阶层，采用混合粒度聚合器聚合得到预设图节点的第一隐藏嵌入信息；采用第二粗粒度聚合器结合残差连接机制聚合得到第二隐藏嵌入信息；将第二隐藏嵌入信息输入图卷积神经网络的输出层，得到节点分类概率预测结果；采用节点分类概率预测结果和预设节点标签值对图卷积神经网络进行迭代训练，得到优化图卷积神经网络。达到在保证精度和收敛性的情况下降低图卷积神经网络模型训练的空间和时间复杂度的目的。
基于混合粒度聚合图卷神经网络训练方法装置

[发明专利]一种基于图卷积的骨架动作识别方法-CN201911041763.X在审
发明人：崔振;刘蓉;许春燕;张桐;杨健 -专利权人：南京理工大学
申请日： 2019-10-30 - 公布日： 2021-05-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于图卷积的骨架动作识别方法，其基本单元是一个时空图卷积模块。该时空图卷积模块包括以下步骤：获取骨架视频，基于每一帧的骨架视频构建一个骨架图(graph)，根据该骨架图定义不同的人体部件组合，且对各人体部件组合构建关节点关系图，进一步构造成为多维关系交互图，其包含部件组合交互维度和关节点交互维度；对多维交互图分别在关节点交互维度上和部件组合交互维度上进行图卷积；然后把两个图卷积得到的空间特征送到时间切片的局部卷积网络获取时间动态特征。在本发明的网络模型中堆叠多个时空图卷积模块来构建神经网络，并使用softmax分类器进行分类。
一种基于图卷骨架动作识别方法

[发明专利]基于循环图卷积自动编码器的无监督骨架动作识别方法-CN202110908006.9在审
发明人：赵生捷;梁爽;姚晗 -专利权人：同济大学
申请日： 2021-08-09 - 公布日： 2021-12-07 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于循环图卷积自动编码器的无监督骨架动作识别方法，其特征在于，包括：将人体骨架动作序列输入至循环图卷积编码器；循环图卷积编码器输出得到动作序列的表征向量；通过加权最近邻分类算法计算动作序列的表征向量得到人体骨架动作序列的识别类别；循环图卷积编码器包括：多层空间关节注意力模块，用于结合人体骨架动作序列和循环图卷积编码器的隐藏层，自适应衡量不同动作不同关节的重要性，得到加权的骨架序列；多层图卷积门控循环单元层，用于整合加权的骨架序列的连接关系特征
基于循环图卷自动编码器监督骨架动作识别方法

[发明专利]基于多流分组洗牌图卷积神经网络的骨骼动作识别方法-CN202210031468.1在审
发明人：井望;李汪根;李豆豆;夏义春;沈公仆;范宝珠 -专利权人：安徽师范大学
申请日： 2022-01-12 - 公布日： 2022-04-15 - 主分类号： G06V40/20 文献下载
摘要：本发明公开的基于多流分组洗牌图卷积神经网络的骨骼动作识别方法，包括：获取骨骼图像中的骨骼数据，骨骼数据由多个骨骼序列组成，每个骨骼序列为一个动作样本，提取动作样本的特征图；将动作样本的特征图输入分组洗牌图卷积神经网络模型中，输出当前动作样本对应的动作；分组洗牌图卷积神经网络模型包括：若干并联连接的分组洗牌图卷积神经网络子模型及处理单元，每个分组洗牌图卷积神经网络子模型输出当前动作样本对应的得分，处理单元将多个分组洗牌图卷积神经网络子模型的得分相加后平均
基于分组洗牌图卷神经网络骨骼动作识别方法

[发明专利]一种识别方法、训练方法、装置、设备及存储介质-CN202011120310.9在审
发明人：丁晓璐 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2020-10-19 - 公布日： 2022-04-22 - 主分类号： G06V40/20 文献下载
摘要：本申请实施例提供了一种识别方法，该方法包括：获取包括至少两个姿态序列的待识别数据；对待识别数据进行特征提取，得到第一级图卷积数据；对第一级图卷积数据中的至少两个特征序列，进行第一级三维图卷积处理，得到第一级三维卷积结果；对第一级图卷积数据进行第一级二维图卷积处理，得到第一级二维卷积结果；基于第一级图卷积数据、第一级三维卷积结果以及第一级二维卷积结果，识别目标对象的姿态类型。
一种识别方法训练装置设备存储介质

[发明专利]基于图卷积神经网络和知识图谱的变压器并发性故障诊断方法-CN202111180570.X在审
发明人：王波;马富齐;冯磊;李志坚;郑渠岸;张驰;魏菊芳;刘力卿 -专利权人：国网天津市电力公司电力科学研究院;国网天津市电力公司;武汉大学
申请日： 2021-10-11 - 公布日： 2022-03-11 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于图卷积神经网络和知识图谱的变压器并发性故障诊断方法，首先构造出变压器故障知识图谱以凸显其中故障设备或部件的关联性；然后搭建轻量化图卷积神经网络模型，结合变压器故障知识图谱，设计相应的图卷积神经网络，充分利用其邻接矩阵来表征单一故障节点间的拓扑信息，有效地挖掘各单一故障间的关联关系，并通过深层图卷积架构建立并发性故障中各故障设备或部件的映射关系，从而对并发性故障进行充分建模，确定发生并发性故障的设备或部件，本发明优点是：通过与标准的图卷积神经网络进行对比，验证了轻量化图卷积神经网络在挖掘并发性故障的有效性。
基于图卷神经网络知识图谱变压器并发故障诊断方法