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！

龙图腾网获悉北京化工大学;中国科学院空天信息创新研究院申请的专利一种基于表征学习增强多层网络鲁棒性的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：CN120337984B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510456221.8，技术领域涉及：G06N3/042；该发明授权一种基于表征学习增强多层网络鲁棒性的方法是由江志英;代英;刘明赫;谷伟伟;冀港;卢宛萱;于泓峰设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种基于表征学习增强多层网络鲁棒性的方法在说明书摘要公布了：本发明公开了一种基于表征学习增强多层网络鲁棒性的方法，包括：构建初始特征，通过捕捉局部结构特征和节点对关系特征，全面提取多层网络的局部信息与全局信息，为后续步骤提供高质量输入。通过层内特征学习、层间特征映射和层间注意力机制，生成统一的节点表征，增强对复杂耦合关系的建模能力。利用多头注意力机制计算节点选择概率，根据所述节点选择概率进行选择节点和添加连边的操作，完成动作决策，更新网络状态。

本发明授权一种基于表征学习增强多层网络鲁棒性的方法在权利要求书中公布了：1.一种基于表征学习增强多层网络鲁棒性的方法，其特征在于，包括： 构建初始特征，通过捕捉局部结构特征和节点对关系特征，全面提取多层网络的局部信息和全局信息； 通过多层感知机和图神经网络对节点进行层内表征，利用层间注意力机制动态融合不同层之间的节点特征，通过层内特征学习、层间特征映射和层间注意力机制，生成统一的节点表征； 利用多头注意力机制计算节点选择概率，根据所述节点选择概率选择节点和添加连边，完成动作决策，更新网络状态； 通过层间注意力机制，根据节点特性和网络结构的变化灵活调整信息的传播与聚合策略，为每个节点自适应调整层间特征的融合权重，表达式如下： ，其中，是节点i从层n到层m的层间注意力权重，是可训练权重矩阵，him是第m层节点i的初始特征向量表示，hin是第n层节点i的初始特征向量表示，hil是第l层节点i的初始特征向量表示，是偏置，表示哈达玛积，是激活函数，用于引入非线性特性； 结合节点的层内表征和层间影响权重，生成多层网络的最终节点嵌入，同时根据节点嵌入得到多层网络中每层图的全局表示，表达式如下： ，，其中，表示第l层节点i的最终特征表示，是经过统一映射后第l层节点i的特征向量表示，表示节点i除第l层的特征加权求和，表示第l层网络的特征表示，Pooling是聚合第l层所有结点的特征的函数。

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北京化工大学;中国科学院空天信息创新研究院，其通讯地址为：100029 北京市朝阳区北三环东路15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。