一种联合学习稀疏属性网络表征方法及系统与流程技术资料下载

技术编号:17429059

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。

本发明涉及网络分析技术领域,特别是涉及一种联合学习稀疏属性网络表征方法及系统。背景技术随着表征学习技术的不断发展,一系列的网络表示学习的方法被提出,通过维持节点之间的网络结构的关系来为网络中每个节点学习一个低维的向量表征,这些学习到的节点向量表征能够直接被作为节点的自身特征来应用到后续的网络分析任务中,如节点的分类、链接预测和网络聚类等任务。但是,现有技术中的工作主要集中在学习节点之间的网络结构关系,而忽略了很多网络中节点自身的属性信息。在实际的生活中,网络中的节点自身的属性信息是比较常见的,比...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。

详细技术文档下载地址↓↓

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。
该分类下的技术专家--如需求助专家,请联系客服
  • 王老师:1.数字信号处理 2.传感器技术及应用 3.机电一体化产品开发 4.机械工程测试技术 5.逆向工程技术研究
  • 王老师:1.机器人 2.嵌入式控制系统开发
  • 孙老师:1.振动信号时频分析理论与测试系统设计 2.汽车检测系统设计 3.汽车电子控制系统设计
  • 毕老师:机构动力学与控制
  • 袁老师:1.计算机视觉 2.无线网络及物联网
  • 王老师:1.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
  • 孙老师:1.机机器人技术 2.机器视觉 3.网络控制系统
  • 袁老师:1.薄膜气敏传感器 2.薄膜太阳能电池