专利交易市场

基于对比生成的自监督消息传递图表示学习方法，包括：步骤1：数据预处理，包括：图数据处理与数据划分；将原始图数据集中的所有孤立节点加上指向自身的自环；若数据集中的连边为有向边，则将所有的有向边转换为无向边；将节点按照1:1:8的比例划分为训练集、验证集和测试集；步骤2：对比生成阶段；该阶段通过一个对比生成模型，具体地学习节点的嵌入表示；对比生成模型由对比模块和生成模块两部分构成，二者共享编码器结构，基于对比和生成的思想，共同优化节点的嵌入表示；步骤3：对比聚合阶段；将对比生成模块得到的拓扑图G的节点嵌入H传给聚合模型，由对比聚合模型对节点嵌入进行聚合，完成训练后得到本模型最终的节点嵌入。解决了生成式方法受噪声和输入特征可辨别性影响较大的问题，提升了模型的鲁棒性。

本发明提供了一种基于优势分类器辅助的多目标混合演化神经架构搜索方法和系统，所述方法包括：步骤1，设计并训练一个基于对比学习的自编码器，用于提取网络架构的特征；步骤2，设计并训练一个端到端的基于架构性能优劣比较的优势分类器；步骤3，通过随机采样从搜索空间中初始化一个架构种群，并对种群中的个体进行全面训练以实现真实评估；步骤4，将当前种群作为父代，生成候选架构，通过环境选择策略选择最优的架构以更新种群；步骤5，通过投影与聚类方法对新种群进行多样性评估；步骤6，输出一组全局最优架构。本发明极大地降低了计算资源的消耗，为神经架构搜索技术在实际应用中的广泛推广奠定了牢固的基础。