一种基于虚拟环境推理的不变图学习的方法技术

一种基于虚拟环境推理的不变图学习的方法，包括：S1.利用图神经网络对输入的图数据进行分析，得到不变图部分和可变图部分；S2.通过对可变图的边进行随机采样，根据边数将其平均分为两部分，分别与不变图合并得到两个增强的不变图视图；S3.利用图卷积结构和非线性结构搭建编码器，将不变图及其两个增强的不变图视图变换到特征空间中，得到相应的特征；S4.利用图卷积结构和归一化结构搭建分类器，充分融合不变图及其两个增强的不变图视图的特征，得到图分类的结果；S5.基于类的虚拟环境推理，构成基于类的两个虚拟环境；S6.联合优化器实现对不变图生成器、编码器和分类器的联合优化；本发明专利技术提升图神经网络在现实应用中的性能提升分类器的分类效果，提高图神经网络的分布外泛化的能力。

【技术实现步骤摘要】

本专利技术涉及人工智能和图神经网络领域，特别地，涉及一种基于虚拟环境推理的不变图学习的方法。

技术介绍

1、近年来，图神经网络在涉及图结构的机器学习应用，如ai辅助制药、推荐系统等领域，取得了很大的成功。然而，大部分现有的图机器学习算法都依赖于数据的独立同分布假设，即测试和训练图数据是从同一分布中独立抽取的。中国申请cn117523215a(申请号202311483128.3，申请日2023.11.08)公开的一种基于因果特征分离的分布外泛化方法及系统，所述方法包括：首先，根据图像的多维度特征和真实标签构建无向因果框架；接着，将与图像真实标签无选择偏差的非因果特征过滤掉，得到中间无向因果框架；然后，将与图像真实标签具有选择偏差的非因果特征与因果特征进行分离；最后根据分离出来的因果特征进行后续的目标图像分类。采用本专利技术能够极大地提升图像分类的准确性、稳定性和实时性。然而在实际应用中，训练数据和测试数据的分布通常表现出不一致性，即分布偏移，使得算法的性能大幅下降。旨在提升模型在分布偏移下性能的问题通常被称为分布外泛化问题，近年涌现了诸多方法借助因果推断中的本文档来自技高网...

【技术保护点】

1.一种基于虚拟环境推理的不变图学习的方法，包括以下步骤：

2.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

3.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

4.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

5.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

6.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

7.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

8.根...

【技术特征摘要】

1.一种基于虚拟环境推理的不变图学习的方法，包括以下步骤：

2.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

3.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

4.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

5.根据权利要求1所述的基于虚拟环境推理的不变图学习的方法，其特征在于，

【专利技术属性】
技术研发人员：李革，徐强，高伟，王荣刚，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：