一种从卷积神经网络到图神经网络的算法模型迁移方法技术

本发明专利技术属于人工智能神经网络技术领域，特别涉及一种从卷积神经网络到图神经网络的算法模型迁移方法。本发明专利技术提出了“卷积桥”的创新概念，这是一种旨在优化从卷积神经网络到图神经网络的跨域迁移过程的重要机制。该桥有效地对齐了卷积神经网络和图神经网络之间的数据结构，促进了基于卷积神经网络的模型向图领域的无缝迁移。通过卷积桥，本发明专利技术成功地将Inception架构和U‑Net架构从卷积神经网络迁移到图神经网络，形成了GraInc模型和GraU‑Net模型。GraInc模型和GraU‑Net模型表现出显著的竞争力，特别是在密集图数据集上。

【技术实现步骤摘要】

本专利技术属于人工智能神经网络，特别涉及一种从卷积神经网络到图神经网络的算法模型迁移方法。

技术介绍

1、图(graph)作为非欧几里得结构的一个子集，广泛应用于多个领域的数据表示中，包括社交网络、神经科学、物理系统和知识图谱等。有趣的是，图像和文本都可以被视为图结构的特例。图像可以被视为规则化的二维图结构，而文本则可以看作规则化的一维图结构。然而，由于应用场景和技术发展的限制，图神经网络(graph neural networks,gnns)的出现比卷积神经网络(convolutional neural networks,cnns)在图像处理上的迅速崛起以及循环神经网络(recurrent neural networks,rnns)在文本处理上的兴起要晚得多。gnns的概念被提出时，卷积神经网络模型已经面临许多挑战并取得了显著的成功。

2、为了加速gnns的发展，许多优秀的卷积神经网络模型被考虑迁移到图神经网络领域。例如，szegedy等人引入了inception架构，以捕捉图像中的多尺度特征。在此基础上，rossi等人开发了可扩展的ince本文档来自技高网...

【技术保护点】

1.一种从卷积神经网络到图神经网络的算法模型迁移方法，其特征在于，包括以下内容：

2.根据权利要求1所述的一种从卷积神经网络到图神经网络的算法模型迁移方法，其特征在于，通过卷积桥构建了图Inception架构，称为GraInc模型，将Inception架构从卷积神经网络迁移到图神经网络的步骤如下：

3.根据权利要求2所述的一种从卷积神经网络到图神经网络的算法模型迁移方法，其特征在于，通过卷积桥构建了图U-Net架构，称为GraU-Net模型，将U-Net架构从卷积神经网络迁移到图神经网络，迁移的步骤如下：

【技术特征摘要】

1.一种从卷积神经网络到图神经网络的算法模型迁移方法，其特征在于，包括以下内容：

2.根据权利要求1所述的一种从卷积神经网络到图神经网络的算法模型迁移方法，其特征在于，通过卷积桥构建了图inception架构，称为grainc模型，将inception架构...

【专利技术属性】
技术研发人员：庞善臣，张魁杰，吴文浩，贺晓，王璐琦，杨华慧，张媛媛，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：