内容提供者
训练图神经网络模型的方法和装置.pdf
2023-05-25
10金币
598KB
14页
冬易****娘子
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共14页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
训练图神经网络模型的方法和装置.pdf
本说明书实施例提供一种训练图神经网络模型的方法和装置。方法包括：从样本集中获取目标训练样本，及对应的目标样本标签；目标训练样本对应目标关系网络图中的目标节点，目标节点具有目标节点编号，目标关系网络图包括多个节点以及节点之间的连接边，各节点具有各自对应的节点编号，各连接边具有各自对应的边编号；根据目标节点编号和预设参数，从预先存储的目标关系网络图的图信息中，查询目标关系网络图的目标子图的图信息；目标子图以目标节点为中心节点，且目标子图中的各节点与目标节点之间的跳数小于或等于预设参数；利用目标子图的图信息和目
2023-05-25
10
598KB
图神经网络模型训练方法、装置及系统.pdf
本说明书实施例提供图神经网络模型训练方法及装置。图神经网络模型包括位于各个第一成员设备的节点特征向量表示子模型和归一化子模型以及位于第二成员设备的判别模型，各个第一成员设备的私有数据是非独立同分布数据。各个第一成员设备的节点特征向量表示子模型的模型结构根据各自数据的数据分布特征确定。各个第一成员设备使用节点特征向量表示子模型和归一化子模型得到归一化特征向量表示，利用从第二成员设备获取的判别模型得到预测标签值并确定出损失函数。各个第一成员设备基于损失函数，确定判别模型的模型更新量并更新节点特征向量表示子模型
2023-05-25
10
806KB
图神经网络模型训练方法、装置及系统.pdf
本说明书实施例提供用于经由多个数据拥有方来训练图神经网络模型的方法及装置。在该方法中，图神经网络模型被分割为判别模型以及多个图神经网络子模型。在进行模型训练时，各个数据拥有方将各自的特征数据子集提供给各自的图神经网络子模型，以得到各个节点的特征向量表示。各个数据拥有方从服务端接收判别模型，并使用各个节点的特征向量表示来得到各个节点的当前预测标签值，由此计算出各个数据拥有方处的当前损失函数，并基于当前损失函数来确定出判别模型的梯度信息以及更新各自的图神经网络子模型。各个数据拥有方将各自的梯度信息提供给服务端
2023-05-25
10
734KB
训练神经网络模型的方法和装置.pdf
本申请涉及终端人工智能，提供了一种训练神经网络模型的方法和装置，联合迁移学习的方法和深度学习的方法，在样本数量、算力、训练时间一定的条件下可以训练得到精度更高的神经网络模型。该方法包括：获取第一训练样本；根据第一训练样本获取第一训练样本的第一特征向量；根据第一特征向量获取第一深度神经网络模型；根据第一训练样本获取预训练模型；将第一深度神经网络模型和预训练模型组合，以得到组合神经网络模型；根据第一训练样本训练组合神经网络模型，以得到目标神经网络模型。
2023-07-24
10
695KB
图模型训练方法和装置.pdf
本说明书实施例提供了一种图模型训练方法和装置。待训练的图模型适用于第一业务场景中；该方法包括：得到教师网络图模型；其中，所述教师网络图模型适用于第二业务场景中且为训练完毕的图模型；从第一业务场景中得到训练样本；利用教师网络图模型与待训练的图模型分别学习训练样本；对根据教师网络图模型对训练样本的学习结果与待训练的图模型对训练样本的学习结果进行相似性约束，以得到差异损失；利用待训练的图模型对训练样本的学习结果，得到业务损失；根据所述差异损失以及所述业务损失，调整所述待训练的图模型的模型参数。本说明书实施例能够
2023-05-25
10
863KB