公开(公告)号：CN113469261B

公开(公告)日：2022-07-15

申请号：CN202110786345.4

申请日：2021-07-12

申请人： 上海交通大学

发明人： 佟博 ,  郭强 ,  傅洛伊 ,  王新兵

IPC分类号： G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括：步骤S1：输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2：基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3：基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4：根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5：将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。

公开(公告)号：CN113469261A

公开(公告)日：2021-10-01

申请号：CN202110786345.4

申请日：2021-07-12

申请人： 上海交通大学

发明人： 佟博 ,  郭强 ,  傅洛伊 ,  王新兵

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括：步骤S1：输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2：基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3：基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4：根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5：将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。