技术编号:31786919
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。.本发明属于神经网络解释技术领域,具体涉及一种保持预测顺序和结构依赖关系的图神经网络解释方法。背景技术.在现实生活中,存在许多图数据,包括社交网络、知识图谱和蛋白质相互作用网络等。图神经网络(graph neural networks,gnns)将深度神经网络推广到图中,在一个连续的嵌入空间中学习图的表示,以便于下游任务。由于gnns在表示图数据方面的出色能力,它在链接预测、图分类、节点分类等任务中表现出了优异的性能。.作为深层神经网络的推广,gnn多层叠加,利用非线性激活函数构造模型。尽...
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。
请注意,此类技术没有源代码,用于学习研究技术思路。