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！

龙图腾网获悉上海交通大学申请的专利一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115860109B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211502593.2，技术领域涉及：G06N3/094；该发明授权一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法是由马汝辉;郑承宇;管海兵设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法在说明书摘要公布了：本发明公开了一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法，涉及深度学习方向的贝叶斯神经网络、图神经网络和对抗防御领域，包括：步骤1、通过贝叶斯更新模块更新各节点的表示向量；步骤2、通过贝叶斯聚合模块对更新后的各节点的表示向量做聚合，获得最终的输出向量；步骤3、计算权重矩阵的谱范数期望上界；步骤4、计算输出向量的交叉熵损失函数；步骤5、对上述计算结果求和作为损失函数，进行神经网络的批次训练。本发明不仅将模型不确定性引入了图神经网络，也提升了图神经网络的对抗鲁棒性，由此提高了模型在实际应用中的安全性和可靠性，拓宽了图神经网络的应用前景。

本发明授权一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法在权利要求书中公布了：1.一种具有抗噪声能力的贝叶斯图神经网络模型的训练方法，其特征在于，所述方法用于在Cora数据集上进行论文分类，所述方法包括以下步骤： 步骤1、通过贝叶斯更新模块更新各节点的表示向量，其中，所述节点对应科学出版物，边为引用关系，节点初始特征为词向量；所述步骤1还包括：基于重参数化技术，根据可训练的均值矩阵和方差矩阵获得采样的权重矩阵； 步骤2、通过贝叶斯聚合模块对更新后的各节点的表示向量做聚合，获得最终的输出向量；所述步骤2还包括： 步骤2.1、根据删除比率采样得到随机化的邻接矩阵； 步骤2.2、将邻接矩阵加上自循环后标准化，得到新的邻接矩阵； 步骤2.3、将更新后的各节点的表示向量与新的邻接矩阵相乘后按比例与原表示向量相加； 步骤3、计算权重矩阵的谱范数期望上界和当前层损失函数；所述谱范数期望上界计算过程包括： 计算均值矩阵的谱范数； 计算方差矩阵列向量的模的最大值； 计算方差矩阵的行向量的模的最大值； 计算采样得到的矩阵与均值矩阵之差的绝对值的最大值； 将上述计算结果求和得到所述谱范数期望上界； 所述当前层损失函数通过所述谱范数期望上界与总的KL散度求和得到； 步骤4、计算输出向量的交叉熵损失函数； 步骤5、每层的所述当前层损失函数求和并与所述交叉熵损失函数相加得到损失函数，进行神经网络的批次训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。