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！

龙图腾网获悉安徽大学申请的专利基于图自适应互斥分解的图神经网络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：CN116258179B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310057972.3，技术领域涉及：G06N3/047；该发明授权基于图自适应互斥分解的图神经网络方法是由江波;葛声设计研发完成，并于2023-01-13向国家知识产权局提交的专利申请。

本基于图自适应互斥分解的图神经网络方法在说明书摘要公布了：本发明公开一种基于图自适应互斥分解的图神经网络方法；通过构建可学习边特征对非欧几里得图形中的结构即邻接矩阵进行分解，得到若干个与原邻接矩阵尺度相同并且彼此边集元素互斥的邻接矩阵；将得到的若干个邻接子矩阵输入图卷积网络模型，得到若干组具有差异性的图节点特征表示，同时一定程度的缓解图卷积模型过平滑的问题；通过聚合函数将得到的若干个节点特征进行融合得到不同的图节点特征，丰富图节点特征信息；将融合后图节点特征信息用于节点分类，通过多次迭代训练得到最后分类结果。

本发明授权基于图自适应互斥分解的图神经网络方法在权利要求书中公布了：1.一种基于图自适应互斥分解的图神经网络方法，其特征在于：包括以下步骤： 步骤1、输入待分类的论文数据，并对其中的邻接矩阵和节点特征进行预处理； 步骤2、构建可学习的边特征，通过分解模块根据边特征对预处理后的邻接矩阵进行互斥分解，具体过程为： 步骤2.1、将预处理后的节点特征压缩至8维； 步骤2.2、设置模型分解产生的子邻接矩阵的个数，拼接节点特征来构建2*8维的边特征，并使用前馈神经网络将压缩后的节点特征表示成维，获得学习后的维边特征，此时所得低维边特征与设置的子邻接矩阵个数相等； 步骤2.3、将维边特征与个子邻接矩阵一一对应，并判断边特征中哪一维的数值最大，将数值最大的这个维度作为该边分给对应的哪一个子邻接矩阵的标准；并且子邻接矩阵中边的值与原始邻接矩阵保持一致，由此得到个对原始邻接矩阵进行互斥分解的子邻接矩阵； 步骤3、对于步骤2.3所得的子邻接矩阵和步骤2.3中第一次压缩产生的节点特征，通过图卷积模块产生根据互斥子邻接矩阵获取的具有差异性的组独立的节点特征；图卷积模块产生组独立的节点特征的具体方法为： 使用个独立的GCN分支，结合个互斥的子邻接矩阵进行具有差异性的信息传播，并在每个GCN层后均附加一层速率为0.6的dropout层； 上述GCN中间层的隐层节点个数均设置为16，最后一层输出节点特征维度与分类个数相等； 步骤4、通过聚合模块将步骤3所得的组独立的节点特征进行融合；然后将融合后的节点特征用于节点分类，通过多次迭代训练得到最后分类结果，待分类论文的分类结果包括基于案例、遗传算法、神经网络、概率方法、强化学习、规则学习、理论七个类别。

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安徽大学，其通讯地址为：230039 安徽省合肥市经济开发区九龙路111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。