申请/专利权人:电子科技大学长三角研究院(湖州)
申请日:2022-11-29
公开(公告)日:2023-03-14
公开(公告)号:CN115795106A
主分类号:G06F16/901
分类号:G06F16/901;G06F16/906;G06N3/044;G06N3/0455
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.05.23#实质审查的生效;2023.03.14#公开
摘要:本发明属于机器学习技术领域,公开了一种循环神经网络图到图的预测方法及系统,将图结构表示为序列;基于图结构的序列化表示,构建用于图到图预测的深度神经网络模型,深度神经网络模型的输入和输出均为图结构;深度神经网络模型由编码器Encoder和解码器Decoder构成,在编码器端,利用encNodeRNN和encEdgeRNN联合对输入的图进行编码,而解码器端根据编码器得到的编码向量进行解码,从而得到相应的预测图。本发明首先将一个图结构表示为一个序列,然后基于此种表示方式开发了一套用于图到图预测的深度神经网络模型,解决了现有方法无法对图到图模型进行有效科学预测的问题。
主权项:1.一种图到图的预测方法,其特征在于,图到图的预测方法包括:将一个图结构表示为一个序列;基于图结构的序列化表示,构建用于图到图预测的深度神经网络模型,深度神经网络模型的输入和输出均为图结构;深度神经网络模型由编码器Encoder和解码器Decoder构成,在编码器端,利用encNodeRNN和encEdgeRNN联合对输入的图进行编码,而解码器端根据编码器得到的编码向量进行解码,从而得到相应的预测图,实现图到图的预测。
全文数据:
权利要求:
百度查询: 电子科技大学长三角研究院(湖州) 一种基于循环神经网络图到图的预测方法及系统
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。