原创力文档- 1、本文档共19页，其中可免费阅读18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
本发明提供了一种基于分组注意的宽度图卷积网络模型及其训练方法，所述模型依次包括输入层、同时捕捉多阶邻域信息、引入自连接和分组注意机制的高阶图卷积层、融合多阶邻域信息的SP信息融合池化层和softmax函数多分类输出层，所述模型对应的训练方法为先预处理得到预处理特征后，将其输入模型训练的高效训练方法。本实施例采用分组注意高阶图卷积层增加模型宽度、降低模型深度、减少参数量和复杂度的同时，还能聚集更丰富的节点信息、赋予自身节点更高权重，且采用简单分组注意机制结合注意力分数调整不同邻域节点的分类贡献度，
(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 112668700 A
(43)申请公布日 2021.04.16
(21)申请号 202011610968.8
(22)申请日 2020.12.30
(71)申请人 广州
文档评论（0）