公开(公告)号：CN115481678A

公开(公告)日：2022-12-16

申请号：CN202211030539.2

申请日：2022-08-26

Applicant: 南京信息职业技术学院

Inventor： 杨永鹏 ,  杨真真 ,  王文轩 ,  周建

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于高通滤波和l21范数的图神经网络系统的商品分类方法，包括接收n个商品的特征矩阵和邻接矩阵，其中，特征矩阵的每一行表示一个商品的图节点特征；利用第一图卷积神经网络层、带泄露线性整流函数层以及第二图卷积神经网络层初步处理特征矩阵，获得原始信号；基于邻接矩阵，利用基于高通滤波和l21范数的图神经网络层处理原始信号，获得第一矩阵，第一矩阵每行的各元素表示为对应商品的一种类别；利用对数归一化指数函数层，将第一矩阵转换为第二矩阵，第二矩阵的各元素表示第一矩阵中对应元素的概率；基于最大值原则，将第二矩阵各行最大元素对应的第一矩阵中的类别，确定为对应商品的分类。本发明能够对多个商品进行分类。

公开(公告)号：CN115329931A

公开(公告)日：2022-11-11

申请号：CN202210899721.5

申请日：2022-07-28

Applicant: 南京信息职业技术学院

Inventor： 杨永鹏 ,  杨真真 ,  李建林 ,  王文轩 ,  周建

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于低通滤波和l1范数的图神经网络系统，包括输入模块、随机失活模块、第一图卷积神经网络模块、动态线性整流模块、第二图卷积神经网络模块、基于低通滤波和l1范数的图神经网络模块、归一化指数函数模块和输出模块。本发明可以有效的对图节点进行分类。