[發(fā)明專利]一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法在審
| 申請?zhí)枺?/td> | 201911069788.0 | 申請日: | 2019-11-06 |
| 公開(公告)號: | CN110826699A | 公開(公告)日: | 2020-02-21 |
| 發(fā)明(設(shè)計(jì))人: | 謝尚晟;魯鳴鳴;李婷 | 申請(專利權(quán))人: | 中南大學(xué) |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 410083 湖南*** | 國省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 梯度 神經(jīng)網(wǎng)絡(luò) 解釋性 分析 方法 | ||
1.一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,包含以下步驟:
步驟1)向訓(xùn)練好參數(shù)的圖神經(jīng)網(wǎng)絡(luò)輸入圖結(jié)構(gòu)數(shù)據(jù);
步驟2)遞歸計(jì)算圖神經(jīng)網(wǎng)絡(luò)輸出與輸入之間所有前向傳播路徑的梯度;
步驟3)根據(jù)梯度解釋各個(gè)輸入節(jié)點(diǎn)對各個(gè)輸出節(jié)點(diǎn)的影響大小。
2.根據(jù)權(quán)利要求1所述的一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,所述步驟3)根據(jù)梯度解釋各個(gè)輸入節(jié)點(diǎn)對各個(gè)輸出節(jié)點(diǎn)的影響大小,之后還包括:
步驟4)將各個(gè)輸入節(jié)點(diǎn)對各個(gè)輸出節(jié)點(diǎn)的影響大小進(jìn)行可視化展示與分析。
3.根據(jù)權(quán)利要求1所述的一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,所述步驟1)向訓(xùn)練好參數(shù)的圖神經(jīng)網(wǎng)絡(luò)輸入圖結(jié)構(gòu)數(shù)據(jù),訓(xùn)練好參數(shù)的圖神經(jīng)網(wǎng)絡(luò)是指:經(jīng)過優(yōu)化算法迭代計(jì)算后得到的較高預(yù)測準(zhǔn)確率的圖神經(jīng)網(wǎng)絡(luò);圖結(jié)構(gòu)數(shù)據(jù)是指:包含節(jié)點(diǎn)和邊的拓?fù)浣Y(jié)構(gòu),其中節(jié)點(diǎn)和邊可以擁有自身的特征向量。
4.根據(jù)權(quán)利要求1所述的一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,所述圖神經(jīng)網(wǎng)絡(luò)為圖卷積神經(jīng)網(wǎng)絡(luò),用來執(zhí)行節(jié)點(diǎn)分類任務(wù)。圖卷積神經(jīng)網(wǎng)絡(luò)由圖卷積層堆疊構(gòu)成,每個(gè)圖卷積層匯聚該層中心節(jié)點(diǎn)的一跳鄰居節(jié)點(diǎn)信息。
5.根據(jù)權(quán)利要求1所述的一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,所述步驟2)遞歸計(jì)算圖神經(jīng)網(wǎng)絡(luò)輸出與輸入之間所有前向傳播路徑的梯度,具體計(jì)算過程如下:
步驟2.1)分別找到影響各個(gè)輸出節(jié)點(diǎn)的所有輸入節(jié)點(diǎn);
步驟2.2)分別找到這些輸入節(jié)點(diǎn)到各個(gè)輸出節(jié)點(diǎn)的所有前向傳播路徑;
步驟2.3)分別遞歸計(jì)算每條前向傳播路徑中輸出節(jié)點(diǎn)與輸入節(jié)點(diǎn)間的梯度值;
步驟2.4)對于參與某一輸出節(jié)點(diǎn)計(jì)算過程的各個(gè)輸入節(jié)點(diǎn),將其多個(gè)前向傳播路徑的梯度值分別求和,得到它們各自對這一輸出節(jié)點(diǎn)的總梯度值。
6.根據(jù)權(quán)利要求2所述的一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法,其特征在于,所述步驟4)將各個(gè)輸入節(jié)點(diǎn)對各個(gè)輸出節(jié)點(diǎn)的影響大小進(jìn)行可視化展示與分析,具體展示與分析過程如下:
步驟4.1)在節(jié)點(diǎn)分類任務(wù)中,通過節(jié)點(diǎn)粒度和特征粒度兩個(gè)方面,使用三個(gè)視圖可視化展示K階鄰居節(jié)點(diǎn)對指定輸出節(jié)點(diǎn)的影響大??;
步驟4.2)對于某一輸出節(jié)點(diǎn),選取參與計(jì)算的部分輸入節(jié)點(diǎn)或節(jié)點(diǎn)特征維度,來進(jìn)一步分析選中節(jié)點(diǎn)或維度對輸出節(jié)點(diǎn)計(jì)算的影響大小。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中南大學(xué),未經(jīng)中南大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911069788.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 處理圖像的方法與裝置
- 一種磁共振成像系統(tǒng)的梯度磁場產(chǎn)生方法及其裝置
- 用于驅(qū)動(dòng)梯度線圈的梯度放大器系統(tǒng)及配置方法
- 一種基于相對梯度的圖像質(zhì)量客觀評價(jià)方法
- 一種優(yōu)化平衡穩(wěn)態(tài)自由進(jìn)動(dòng)序列的方法與裝置
- 一種重力梯度儀自標(biāo)定方法及離心梯度補(bǔ)償方法
- 梯度線圈及磁共振成像系統(tǒng)
- 一種磁場方向和梯度方向夾角可調(diào)的二維梯度磁場系統(tǒng)
- 一種聯(lián)邦推薦梯度獲取方法、裝置、智能終端及存儲介質(zhì)
- 一種超導(dǎo)全張量磁梯度探頭及超導(dǎo)全張量磁梯度測量系統(tǒng)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





