公开(公告)号：CN119761446A

公开(公告)日：2025-04-04

申请号：CN202410879493.4

申请日：2024-07-02

Applicant: 吉林大学

Inventor： 赵松伟 ,  陈贺昌 ,  常毅 ,  江原 ,  杨哲健 ,  杜昕祺

IPC: G06N3/084 ,  G06N3/042 ,  G06N3/0464

Abstract: 本申请公开了一种基于灵活扩散卷积的图神经网络训练方法及相关设备，该方法包括：获取包含节点标签的训练图数据；根据所述训练图数据的节点度信息确定每个节点的局部结构特征；利用扩散核函数处理所述局部结构特征得到每个节点的平滑特征；将所述平滑特征输入多层感知器得到每个节点的初步标签值，通过标签平滑处理所述初步标签值后得到每个节点的预测标签值；基于所述预测标签值和所述节点标签更新所述扩散核函数和所述多层感知器的参数，直至收敛或达到预定的训练轮数。本申请能够优化图神经网络模型的预测性能，提高鲁棒性和泛化性，提高对推荐系统等复杂图数据的标签预测准确率。

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。