基于数据驱动传播机制的图节点分类的研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:Chunbo_Huang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图结构在实际生活中的应用越来越广,例如化学分子结构、交通网络、以及社区社会关系等都可以被构建为图。图神经网络(Graph Neural Networks,GNN)是一种基于信息传递的神经网络,非常适合处理图结构数据。近年来,由于图结构强大的表示能力,图神经网络在关于图的各种任务中取得了出色的性能,但是随着应用场景的复杂性增加逐渐暴露出了一些问题比如现有的大多数GNN模型是依赖手工设计导致其适应性比较差,而且只能在浅层的状态下才可以取得较好的效果,深层情况下则会产生过度平滑问题,这很大程度的限制了GNN的表示能力。针对手工设计局限了GNN的表示能力以及存在的过度平滑问题,本文提出了一种基于数据驱动的传播机制,对图节点分类的网络结构进行了研究:1)设计了一种基于数据驱动的传播机制的图节点分类网络。使用基于数据驱动的方式自适应学习层之间的连接得到一个多层的网络结构,该结构聚合了不同阶的邻域信息丰富了节点的表示形式,在训练过程中构建了一个双层优化目标同时使用梯度下降算法来学习前向传播架构,以更好的发挥GNN的表示能力。2)提出线性化的方法以提高基于数据驱动的传播机制的图节点分类网络的训练效率。基于图卷积操作可以视为一种低通滤波器的基础上,使用线性激活函数代替非线性激活函数的方式,过滤高频阶段的信息,减少图卷积中不必要的参数量,在确保网络性能的情况下提高网络的效率。通过理论分析以及在包括Cora、Citeseer、Pub Med、Coauthor CS、Coauthor Physics、Amazon Computers和Amazon Photo在内的七个基准数据集上的实验结果表明,基于数据驱动的方法很好的发挥了GNN的表示能力并有效的缓解了深层网络中存在的过度平滑问题,线性化的方法在确保网络性能的情况下很大程度的提高了网络的效率。可以得出本文所提出方法是有效且可行的结论。
其他文献
拷贝数变异是人类基因组研究中一种常见的结构变异类型,它由于发生基因组重新排列导致了许多重大疾病,如:肺癌、白血病和心血管疾病等,对人类复杂疾病的研究具有重要的生物学意义。拷贝数变异检测是复杂疾病医学研究中拷贝数变异系统分析的重要步骤,其检测结果的准确性直接决定了该类疾病临床诊断的可靠性和基因治疗策略的安全性。因此,拷贝数变异检测最关键的任务是提高检测结果的准确率和灵敏度。第二代测序平台的最新发展给
学位
景物成像容易受到雾天影响,导致成像不清晰、目标不易鉴别等质量下降问题,广泛使用的基于暗通道先验的去雾算法能够基本消除雾的影响,但产生的某些去雾图像过暗,目标由于光照不足变得特征微弱,图像增强算法在此显示了其必要性,它们在图像特征提取需求中扮演着无可替代的角色。论文的研究重点为单图像去雾和去雾图像增强,在分析暗通道先验和CLAHE算法原理的基础上,围绕边缘保留滤波、大气光估计、对数变换、频域变换以及
学位
人工智能的应用场景越来越广泛,在图像识别、文本处理、语音识别、决策系统、大数据等应用上,已经达到相当高的水平。由于神经网络的参数量巨大,在成本有限、资源有限、功耗水平有限等众多因素下给神经网络算法部署带来了巨大的挑战。因此,有必要从软件算法和硬件结构两方面对神经网络算法的实现进行加速优化,以满足神经网络加速器高精度、低延迟及低功耗等需求。本文致力于设计一款高性能、高能效的神经网络推理芯片,并从软件
学位
随着互联网的快速发展,网络信息逐渐成为人们生活中的重要组成部分,由于公共网络的广泛性和开放性,网络信息在传输过程中易被获取并篡改,从而造成重要信息被泄露,甚至对相关网络造成严重破坏。对于一些安全防护要求比较高的单位和机构,不得不将自身网络与外部公共网络进行隔离。但随着大数据、物联网等技术的发展,以及与互联网的深度融合,这些单位和机构不可避免的要与内部网络之外的公共网络进行数据交换以支撑自己内部业务
学位
在科学与工程的技术应用中多目标优化问题随处可见,具体表现在自动控制、投资组合、投资决策和车间调度等方面。虽然超多目标优化问题在很多领域都有广泛应用,但随着目标数量的增大,现有的超多目标进化算法也暴露出较多的弊端。例如,算法在进化过程中无法较好地判断出解的支配关系,导致非支配解的数量快速增长,从而使得算法难以选择出合适个体进入下一代,最终造成算法收敛到局部最优解甚至无法收敛。本文针对超多目标优化问题
学位
去中心化移动众包系统借助区块链技术,摆脱了集中式移动众包系统对可信中心化众包平台的依赖,利用区块链系统代替第三方实体,通过矿工节点的工作保证系统的稳定运行。去中心化移动众包系统通常包含请求节点,工作节点和矿工节点三类节点,节点协同执行任务,保证系统的安全和发展。但其缺少了可信中心的监管,所有节点的行为完全自主,动态的去中心化环境和不可预测的节点行为对去中心化移动众包系统的性能提出了挑战,因此需要合
学位
现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的
学位
多目标优化问题是工程应用与科学研究的基本问题,解决此类问题的主要方法是进化计算。随着众多学者提出许多经典的多目标进化算法,经过多年实践证明这些算法能很好解决多目标优化问题,但是面对高维决策变量的大规模多目标优化问题,它们的求解有效性会大幅缩减。这就是著名的“维度灾难”问题,当维度增加时,搜索空间会呈指数型扩大。而现实世界中存在大量的高维多目标优化问题亟需解决,所以迫切需要设计新型算法来解决大规模决
学位
三维人体模型重建一直是计算机视觉领域的一个重要研究课题。现有的互联网公开数据中包含大量的人体图像,重建三维人体模型可以更好地理解和描述图像中人体动作、形态、表情等信息。基于深度学习的方法在重建三维人体模型领域中应用较为广泛,然而目前缺少包含全身三维人体模型标签的公开数据集,这给基于单目图像重建全身三维人体模型带来了很大的阻碍。本文构建了带全身三维人体模型标签的数据集,并提出了端到端的全身三维人体模
学位
科技飞速发展的今天,Web系统的规模和复杂性也不断增加,如何确保系统的安全性与稳定性是系统开发过程中的难题,测试也在系统开发流程中起着至关重要的作用。手工测试是如今测试工作中常用的方法,但局限于人力、时间等资源条件。在规模越来越大、模块越来越复杂的系统中,手工测试效率低、测试覆盖率低,已成为测试发展的一大难题。每个项目都面临如何提高测试效率的问题,而自动化测试就可以解决这个难题,但是同时自动化测试
学位