专利名称:一种结合领域知识的药物分子生成方法
申请号:2022110614983
转让价格:面议 收藏
法律状态:授权未缴费
类型:发明
关键词:图神经网络 生物医药 药物研发 AI制药 功能材料设计 有机半导体 生物学元件 化妆品研发
相似专利
发布日:2025/06/10
摘要: 本发明涉及药物表示学习领域,具体涉及一种结合领域知识的药物分子生成方法,包括利用构象搜索算法获得分子3D构象,从而获得分子空间信息,利用分子空间信息增强分子的初始表示;利用优化后的谱聚类算法以及优化后的CH聚类评价指标获取分子的分子划分结果;根据分子的增强表示和分子划分结果,利用图卷积神经网络对其编码获得其隐空间嵌入表示,即分别为全局图表示和局部子图表示;利用互信息最大化机制优化全局图表示和局部子图表示,得到富含空间信息和子结构信息的分子表示,并应用于下游分子生成任务;本发明有助于捕捉到分子的空间和结构信息,同时能更好地服务于基于深度学习的药物发现领域相关任务。
专利名称:一种基于图元表示的图神经网络图数据分类方法
申请号:2022115763221
转让价格:面议 收藏
法律状态:授权未缴费
类型:发明
关键词:计算机视觉 图神经网络
相似专利
发布日:2025/09/09
应用场景:图像识别;医疗影像分析;社交网络关系预测;生物信息学研究;工业自动化检测
专利名称:基于GPS轨迹和图神经网络的出行时间预测方法
申请号:2022110712420
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:交通工具 图神经网络
相似专利
发布日:2025/05/08
摘要: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法,包括获取GPS序列并排序;计算最开始的若干个节点的特征数据;计算GPS序列中每个节点的前若干个节点的特征数据;合并特征数据与节点自身的特征数据得到更新后的节点特征并排序,构建粗‑细粒度二部图;将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图;再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征;采用循环神经网络学习特征数据得到局部路径的时间预测结果;对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测,而且可靠性高、准确性好,适用范围广。
专利名称:基于时空融合图神经网络的多风电场短期功率预测方法
申请号:2022103391533
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:风力发电 电力电网 智慧电网 图神经网络
相似专利
发布日:2024/10/30
摘要: 基于时空融合图神经网络的多风电场短期功率预测方法,它包括以下步骤,步骤1:采集目标大型风电基地的若干目标风电场小时级的历史功率数据和外部气象信息数据;步骤2:将步骤1中的功率数据与气象数据映射到高维空间;步骤3:对由步骤2获得的数据进行处理,提取单个风电场功率数据的时序特征;步骤4:提取多个风电场功率数据间的空间特征;步骤5:交替进行以上两个步骤,将得到的时序特征和空间特征连接起来,以获得多风电场功率数据耦合的时空特征;步骤6:获得多风电场最终的功率预测结果。本发明的目的在于克服现有技术在进行多风电场短期功率预测时不能结合其功率数据深层时空特征的问题,提供了一种多风电场功率预测技术。
专利名称:基于深度强化学习和图神经网络的人群导航方法及系统
申请号:2023114508757
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:人工智能 图神经网络
相似专利
发布日:2025/02/19
摘要: 本发明公开了一种基于深度强化学习和图神经网络的人群导航方法及系统,涉及人工智能与移动机器人导航技术领域,该方法包括:基于机器人‑人群导航环境的模拟场景进行建模,将模拟场景转换为图表示;获取图表示中机器人和人群中多位行人的状态特征信息;通过GAT网络和GRU网络,分别提取包含空间和时间特征信息的状态图表示;基于融合得到的包含时空特征信息的状态图表示,采用SAC算法计算行为决策,生成机器人当前时刻应执行的最优动作,并不断循环迭代计算,直至机器人到达既定目标位置或发生碰撞或超出设定的最大导航时间,完成导航任务。本发明捕捉复杂的人人和人机交互并用于导航决策,在人群导航中实现更安全高效的移动。
专利名称:基于时序交互图神经网络的文本分类方法、装置及介质
申请号:2021113436269
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:自然语言处理 文本分析 机器学习算法 图神经网络
相似专利
发布日:2024/08/27
摘要: 本发明公开了一种基于时序交互图神经网络的文本分类方法,该方法包括:获取文本数据以及文本数据对应的标签值,并将文本数据构建为自适应图结构数据;基于自适应距离权重算法对图节点集合和图有向边集合进行处理,得到输入特征矩阵;将所述输入特征矩阵和所述标签值输入到时序交互图神经网络模型中,得到所述文本数据的总损失值;基于总损失值、交叉熵损失函数和梯度下降算法对时序交互图神经网络模型的模型参数进行更新优化,得到训练文本分类模型。本发明还公开了一种文本分类装置和一种介质。本发明能够实现增强图神经网络的特征提取能力,改善图读出器函数对文本数据的表达以及分类,降低图神经网络出现过度平滑问题出现的概率。
专利名称:基于特征交互图神经网络的上下文感知推荐方法及系统
申请号:2020107933768
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:网络传输 图神经网络
相似专利
发布日:2025/04/07
摘要: 本发明公开了一种基于特征交互图神经网络的上下文感知推荐方法及系统,属于数据挖掘技术领域,本发明要解决的技术问题为如何提高推荐系统预测的准确性和可解释性,技术方案为:该方法具体如下:S1、从数据集中获取用户、项目及上下文的特征数据;S2、根据历史记录将数据集划分为上下文‑用户数据集和上下文‑项目数据集;S3、分别对上下文‑用户数据集和上下文‑项目数据集进行one‑hot编码和embedding嵌入;S4、构造上下文‑用户和上下文‑项目特征图;S5、分别对上下文‑用户特征图和上下文‑项目特征图中的节点进行初始化表示;S6、分别对上下文‑用户特征图和上下文‑项目特征图中的节点进行特征交互建模;S7、构建图神经网络输出层,得到预测结果。
专利名称:一种基于Transformer的自适应时空图神经网络交通流预测方法及系统
申请号:2022100856882
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:交通工具 图神经网络
相似专利
发布日:2024/10/28
摘要: 本发明属于智能交通领域,具体涉及一种基于Transformer的自适应时空图神经网络交通流预测方法及系统,方法包括获取历史数据,将历史数据拼接后作为输入数据;将输入数据使用向量进行表示,并获取表征路网空间特征的邻接矩阵和交通流特征矩阵;根据路网的连通性和节点特征矩阵,提取节点自身的时间相关性、不同节点间之间的时空相关性获得第一交通流特征矩阵,并根据路网结构中的隐藏的空间相关性,获得第二交通流特征矩阵;将第一交通流特征矩阵与第二交通流特征矩阵进行融合,得到最终的交通流特征,将该特征输入预测模型进行预测得到预测结果;本发明在复杂交通的状况下对较长时交通流具有良好的预测效果。
专利名称:融合社交关系和语义关系的图神经网络推荐方法及系统
申请号:2021115256400
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:人工智能 图神经网络
相似专利
发布日:2023/10/23
摘要: 本发明属于图神经网络推荐技术领域,公开了一种融合社交关系和语义关系的图神经网络推荐方法及系统,利用简单的图神经网络推荐模型,基于用户社交信息、用户与项目的评分交互信息、项目的标签信息,将非图结构的信息构建成图信息;利用项目的标签信息,对项目的标签进行聚类;计算项目与标签簇之间的相关度,利用项目‑标签簇相关度矩阵,进行余弦相似度的计算,当相似度大于某一阈值时,在两个项目之间添加信任关系,构成项目的语义关系图结构。本发明以用户‑项目的评分二部图作为基础,其他同构图为补充,从而达到有更多的邻居节点用于聚合的目的,解决数据稀疏的问题,通过试验证明提出的模型比GrpahRec的推荐准确度更高。
专利名称:面向图神经网络模型后门攻击的检测方法和装置
申请号:2021105983216
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:网络 网络传输 门 后 港口 检测 图神经网络
相似专利
发布日:2023/09/14
摘要: 本发明公开了一种面向图神经网络模型后门攻击的检测方法和装置,包括:利用图数据对图神经网络模型进行训练,以优化图神经网络模型的参数;将图数据输入至参数优化的图神经网络模型中,计算图数据对应的损失函数,并对损失函数相对于图数据的邻接矩阵的反向求导以得到各连边对损失函数的重要程度值;依据重要程度值提取不同连边数的子图结构,并依据分类标签,将子图结构换分成与分类标签对应的多个子图库;针对每个子图库,依据子图结构之间的相似性计算子图结构的分布图;分析每个子图库对应的分布图中相似度值,依据相似度值的大小确定图神经网络模型是否被攻击。实现对图神经网络模型的后门攻击检测,来提高模型的安全性。
专利名称:基于嵌入平滑图神经网络的小样本遥感图像场景分类方法
申请号:2021113879708
转让价格:面议 收藏
法律状态:已下证
类型:发明
关键词:网络 音视频 遥感 网络传输 遥感图像 图神经网络
相似专利
发布日:2023/07/10