CN116635877B 模型生成装置、推测装置、模型生成方法以及存储介质 （欧姆龙株式会社）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116635877B(45)授权公告日2025.07.04

(21)申请号202180081830.X

(22)申请日2021.09.14

(65)同一申请的已公布的文献号

申请公布号CN116635877A

(43)申请公布日2023.08.22

(30)优先权数据

2021-0132942021.01.29JP

(85)PCT国际申请进入国家阶段日

2023.06.05

(86)PCT国际申请的申请数据

PCT/JP2021/0337232021.09.14

(87)PCT国际申请的公布数据

WO2022/163003JA2022.08.04

(73)专利权人欧姆龙株式会社

地址日本京都府京都市下京区盐小路通堀川东入南不动堂町801番地

(72)发明人曾根周作桥本敦史马家昕

(74)专利代理机构北京同立钧成知识产权代理有限公司11205

专利代理师贺财俊臧建明

(51)Int.CI.

GO6N20/00(2006.01)

(56)对比文件

CN104303149A,2015.01.21

CN109978838A,2019.07.05

审查员张茹

权利要求书7页说明书53页附图15页

(54)发明名称

模型生成装置、推测装置、模型生成方法以及存储介质

(57)摘要

CN116635877B本发明提供一种模型生成装置、推测装置、模型生成方法以及计算机可读存储介质，可实现对以图表达的任务的解进行推测的精度的提高。所述模型生成装置实施包括特征编织网络以及推测器的推测模块的机器学习。特征编织网络包括多个特征编织层。各特征编织层的编码器构成为，在反映出与其他顶点之间的关系的基础上，编织各顶点的流出枝以及流入枝的特征量。而且，各特征编织层的编码器构成为，并非针对每个顶点来计算邻接的枝的特征的加权和，而是关

CN116635877B

CN116635877B权利要求书1/7页

2

1.一种模型生成装置，包括：

获取部，构成为获取多个训练图；以及

学习处理部，构成为，使用所获取的所述多个训练图来实施推测模块的机器学习，所述模型生成装置中，

所述推测模块包括特征编织网络以及推测器，

所述特征编织网络构成为，通过包括多个特征编织层，从而受理输入图的输入并输出与所述输入图相关的特征信息，

所述推测器构成为，根据从所述特征编织网络输出的所述特征信息来推测对所述输入图的任务的解，

各特征编织层受理三层的第一输入张量以及第二输入张量的输入，

所述第一输入张量构成为具有：所述输入图的属于第一集的第一顶点作为要素而排列的第一轴、所述输入图的属于第二集的第二顶点作为要素而排列的第二轴、以及与从所述第一顶点向所述第二顶点流出的枝相关的特征量作为要素而排列的第三轴，

所述第二输入张量构成为具有：所述第二顶点作为要素而排列的第一轴、所述第一顶点作为要素而排列的第二轴、以及与从所述第二顶点向所述第一顶点流出的枝相关的特征量作为要素而排列的第三轴，

所述各特征编织层包括编码器，

所述各特征编织层构成为：

固定所述第二输入张量的所述第三轴而使所述第二输入张量的所述第三轴以外的其他轴逐个循环，且将所述第一输入张量以及循环的所述第二输入张量的各要素的特征量予以连结，由此来生成三层的第一连结张量，

固定所述第一输入张量的所述第三轴而使所述第一输入张量的所述第三轴以外的其他轴逐个循环，且将所述第二输入张量以及循环的所述第一输入张量的各要素的特征量予以连结，由此来生成三层的第二连结张量，

将所生成的所述第一连结张量分割为第一轴的每个要素而输入至所述编码器，执行所述编码器的运算，由此来生成与所述第一输入张量对应的三层的第一输出张量，并且

将所生成的所述第二连结张量分割为第一轴的每个要素而输入至所述编码器，执行所述编码器的运算，由此来生成与所述第二输入张量对应的三层的第二输出张量，

所述编码器构成为，根据所输入的所有要素的特征量导出各要素的相对特征量，

所述多个特征编织层中的最开始的特征编织层构成为，从所述输入图受理所述第一输入张量以及所述第二输入张量，

所述特征信息包含从所述多个特征编织层中的最后的特征编织层输出的所述第一输出张量以及所述第二输出张量，并且

所述机器学习是通过下述方式而构成，即，将各训练图作为所述输入图