原创力文档- 1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明为一种无监督图拓扑变换共变表征学习的方法和装置，涉及无监督学习领域。本发明是一种可以应用在GCNN中学习图节点特征表示的通用框架，通过最大化图拓扑变换以及变换前后的图的节点表示之间的互信息来形式化图拓扑变换共变表征。同时，本发明证明最大化这种互信息可以被近似为最小化图拓扑变换以及从变换前后的图的节点表示估计得到的图拓扑变换之间的交叉熵。具体来说，本发明从原始的图中采样部分节点对，并翻转这些节点对间边的连通性来实现图拓扑变换，然后通过从原始图和变换后的图的特征表示中重建图拓扑变换，来对表示编
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112633499 A
(43)申请公布日 2021.04.09
(21)申请号 202110035423.7
(22)申请日 2021.01.12
(71)申请人 北京大学
地址 10
文档评论（0）