[發明專利]一種基于L2范數的圖神經網絡中的鄰接矩陣優化方法在審
| 申請號： | 201910249901.7 | 申請日： | 2019-03-29 |
| 公開（公告）號： | CN109948797A | 公開（公告）日： | 2019-06-28 |
| 發明（設計）人： | 張亞飛;張衛山 | 申請（專利權）人： | 中國石油大學（華東） |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 266580 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 鄰接矩陣 神經網絡 模型構建 范數 優化 迭代更新 反向傳播 節點分類 鏈路預測 模型壓縮 目標問題 權重矩陣 削減 連接點 鄰接邊 剪枝 算法 稀疏 置零 學習 | ||
【權利要求書】：
1.一種基于L2范數的圖神經網絡中的鄰接矩陣優化方法，其特征在于，主神經網絡模塊、鄰接矩陣模塊、消息傳遞模塊、分類模塊、損失模塊，包括以下步驟：
步驟(1)、在主神經網絡模塊中，首先根據輸入的數據特征來構造相應的信息處理模塊，即網絡結構設計和數據流處理流程；
步驟(2)、在鄰接矩陣模塊中，根據輸入的鄰接矩陣信息構造可用于方向傳播算法迭代訓練的鄰接矩陣模塊，并將L2范數約束添加進鄰接矩陣；
步驟(3)、在消息傳遞模塊中，模塊負責將節點數據信息基于鄰接矩陣信息進行鄰居節點信息的聚合與非線性處理；
步驟(4)、在分類模塊中，該模塊基于消息傳遞模塊處理的結果對節點進性分類；
步驟(5)、在損失模塊中，該模塊負責將分類模塊輸出的結果與真實結果進行比較，然后基于相應損失計算方法計算損失值，用于梯度的方向更新。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國石油大學（華東），未經中國石油大學（華東）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910249901.7/1.html，轉載請聲明來源鉆瓜專利網。
