公开(公告)号：CN118780318A

公开(公告)日：2024-10-15

申请号：CN202410921639.7

申请日：2024-07-10

Applicant: 吉林大学

Inventor： 陈贺昌 ,  赵松伟 ,  常毅 ,  江原 ,  张斯诺 ,  宋玖蔓

IPC: G06N3/042 ,  G06F18/213 ,  G06N3/047 ,  G06N3/08 ,  G06F18/241

Abstract: 本申请提供了一种图神经网络训练方法、标签生成方法、装置、设备及介质，该方法应用于图数据技术领域，该方法包括：获取训练图数据中第i个节点数据的目标邻域结构与所述第i个节点数据的样本标签；基于所述目标邻域结构中的邻居节点数据的原始节点特征，对所述第i个节点数据的原始节点特征进行特征聚合，得到所述第i个节点数据的平滑特征；将所述第i个节点数据的平滑特征输入至待训练的图神经网络，输出所述第i个节点数据的目标预测标签；基于所述第i个节点数据的目标预测标签和所述样本标签之间的差异，对所述待训练的图神经网络进行迭代训练，得到训练后的图神经网络。该方法能够适用对不同图结构中节点的标签进行预测。

公开(公告)号：CN117540214A

公开(公告)日：2024-02-09

申请号：CN202311677765.4

申请日：2023-12-07

Applicant: 吉林大学

Inventor： 陈贺昌 ,  杜昕祺 ,  常毅 ,  邢永恒 ,  张斯诺 ,  赵松伟 ,  宋玖蔓 ,  刘天一 ,  杨哲健

IPC: G06F18/214 ,  G06N20/00 ,  G06F17/18 ,  G06F18/211

Abstract: 本说明书公开了一种智能体训练方法、装置、存储介质及电子设备，其中方法包括：获取环境向量、智能体的局部状态向量和动作向量进行拼接，得到智能体的全局向量，采用对比模块对全局向量进行计算，得到目标向量，采用集成评价网络对目标向量进行评价得到样本评分，对样本评分进行处理得到预估评分，计算对比模块、策略网络和集成评价网络的损失函数，基于损失函数对网络参数进行调整，直至损失函数指示收敛，得到训练完成的对比模块、策略网络和集成评价网络，采用本说明书，采用对比模块辅助评价网络进行训练增加额外的损失函数，提高目标向量的表示能力，并通过集成式评价网络减少预估时产生的误差，提高了智能体训练模型的样本训练效率。