[发明专利]一种基于时空稀疏学习的鲁棒图卷积神经网络方法在审
| 申请号： | 202110257211.3 | 申请日： | 2021-03-09 |
| 公开（公告）号： | CN112906869A | 公开（公告）日： | 2021-06-04 |
| 发明（设计）人： | 张亚;鲁鸣鸣;李泽鹏;熊海裕;田卓林 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410083 湖南*** | 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： | 本发明公开了一种基于时空稀疏学习的鲁棒图卷积网络方法。本发明方法通过TopK函数在每个节点上实现空间稀疏性，并提出一种基于时间稀疏性的关注机制，即根据不同的激活频率为特征空间的每个维度分配不同的权重。本发明提供了一种改进版的图卷积神经网络，在保持原有网络精度的同时，具有较高的鲁棒性，提升模型面对噪声的抗干扰能力。 | ||
| 搜索关键词： | 一种 基于 时空 稀疏 学习 图卷 神经网络 方法 | ||
【主权项】：
暂无信息
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南大学，未经中南大学许可，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/202110257211.3/，转载请声明来源钻瓜专利网。
