龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河海大学
摘要：本发明公开了一种基于知识蒸馏的图神经网络模型压缩方法及系统，所述方法首先获取关系型数据集并进行数据预处理，获取图结构数据的节点集合和特征集合；然后采用迭代优化算法生成扰动确保添加的噪声经过优化，最大程度挑战了学生网络模型的性能；并采用多阶蒸馏将教师模型的最后一个全连接层的输出与中间层节点表征丰富信息相结合，促进更全面的知识转移；通过将扰动样本纳入训练过程，迫使学生网络模型专注于获取对任务至关重要的稳健特征，学习教师模型在不同数据上的高适应性，更有效地适应多样化的动态输。在模型训练过程中本方法采用联合损失策略来提高网络模型的节点分类精度，优于现有技术的方法。
主权项：1.一种基于知识蒸馏的图神经网络模型压缩方法，其特征在于，包括以下步骤：S1、预处理关系型数据集，获取图结构数据的节点集合和特征集合，同时引入可训练的扰动生成噪声数据；S2、利用经过预处理的图结构数据，对教师网络模型进行预训练；S3、将经过预处理的图结构数据和生成的噪声数据混合作为训练集数据，同时输入教师网络模型和学生网络模型，获取各自对应训练集数据的中间层特征嵌入表示和模型最后一个全连接层的输出；S4、利用提取的中间层特征表示和模型最后一个全连接层的输出构建联合损失函数，进行学生网络模型的端到端训练，所述联合损失函数中设置噪声权重γ和蒸馏权重λ引导学生网络模型的训练，通过迭代的方式不断蒸馏学生网络模型，直至学生网络模型收敛；S5、保存经过蒸馏压缩后的学生网络模型，以进行节点分类预测应用。
全文数据：
权利要求：
百度查询： 河海大学 一种基于知识蒸馏的图神经网络模型压缩方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号