[发明专利]基于图卷积神经网络的大规模网络介数逼近方法、存储装置及存储介质在审
| 申请号： | 201910019855.1 | 申请日： | 2019-01-09 |
| 公开（公告）号： | CN109740106A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 程光权;范长俊;曾利;孙怡舟;刘忠 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G06F17/10 | 分类号： | G06F17/10;G06N3/04;H04L12/24 |
| 代理公司： | 长沙国科天河知识产权代理有限公司 43225 | 代理人： | 邱轶 |
| 地址： | 410073 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于图卷积神经网络的大规模网络介数逼近方法、存储装置及存储介质，包括以下步骤：获取训练网络；利用训练网络训练表示学习模型，其中，表示学习模型为网络的节点到表示向量映射的神经网络模型；根据表示学习模型和多层感知器训练深度介数模型，其中，深度介数模型为具备多层感知器的神经网络模型；通过深度介数模型计算目标网络中节点的介数。该基于图卷积神经网络的大规模网络介数逼近方法，通过表示学习和多层传感器技术构建的深度介数模型，能够很好的解决大规模网络中介数逼近问题，介数计算准确率高，计算速度快。另外，本发明还提出了一种计算机可读存储介质和一种存储装置。 | ||
| 搜索关键词： | 大规模网络 存储装置 神经网络 逼近 神经网络模型 多层感知器 存储介质 训练网络 计算机可读存储介质 学习 多层传感器 技术构建 模型计算 目标网络 准确率 向量 映射 中介 网络 | ||
【主权项】：
1.一种基于图卷积神经网络的大规模网络介数逼近方法，其特征在于，包括以下步骤：获取训练网络；利用所述训练网络训练表示学习模型，其中，所述表示学习模型为网络的节点到表示向量映射的神经网络模型；根据所述表示学习模型和多层感知器训练深度介数模型，其中，所述深度介数模型为具备多层感知器的神经网络模型；通过所述深度介数模型计算目标网络中节点的介数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910019855.1/，转载请声明来源钻瓜专利网。
