[发明专利]一种用于理解图卷积神经网络的可视分析方法有效
| 申请号： | 201910973555.7 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110781933B | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 史晓颖;僧德文;吕凡顺;徐海涛 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于理解图卷积神经网络的可视分析方法，包括如下步骤：步骤一，将输入的图结构数据集划分为训练集、验证集和测试集；步骤二，定义参数集合，包括隐藏层数集合和隐藏神经元数集合；步骤三，基于定义好的所述参数集合，训练得到一系列的图卷积神经网络模型；步骤四，设计隐藏层分析视图，展示隐藏层参数对分类准确率的影响；步骤五，设计损失和准确率视图，展示所述模型迭代训练过程中损失和分类准确率的变化；步骤六，采用GraphTSNE可视化方法计算图中节点的位置，设计图布局视图，呈现在不同训练步数下所述节点的预测情况和两个训练步数间所述节点预测情况的差异。 | ||
| 搜索关键词： | 一种 用于 理解 图卷 神经网络 可视 分析 方法 | ||
【主权项】：
1.一种用于理解图卷积神经网络的可视分析方法，其特征在于，包括如下步骤：/n步骤一，将输入的图结构数据集划分为训练集、验证集和测试集；/n步骤二，定义参数集合，包括隐藏层数集合和隐藏神经元数集合；/n步骤三，基于定义好的所述参数集合，训练得到一系列的图卷积神经网络模型；/n步骤四，设计隐藏层分析视图，展示隐藏层参数对分类准确率的影响；/n步骤五，设计损失和准确率视图，展示所述模型迭代训练过程中损失和分类准确率的变化；/n步骤六，采用GraphTSNE可视化方法计算图中节点的位置，设计图布局视图，呈现在不同训练步数下所述节点的预测情况和两个训练步数间所述节点预测情况的差异。/n
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910973555.7/，转载请声明来源钻瓜专利网。
