-
公开(公告)号:CN117892764A
公开(公告)日:2024-04-16
申请号:CN202311817973.X
申请日:2023-12-26
摘要: 本申请涉及一种图神经网络生成方法、装置、计算机设备、存储介质和计算机程序产品。包括:在图神经网络的训练过程中,通过图神经网络获取图拓扑数据的平均度数,并确定图拓扑数据的邻接矩阵;在平均度数满足度数条件的情况下,基于平均度数确定图拓扑数据的图划分力度;基于按图划分力度对邻接矩阵进行划分确定的各顶点的邻接点数量,对各顶点进行排序,得到各顶点的排序结果;基于通过排序结果确定的动态邻居划分表,将图拓扑数据的多个子特征分别与邻接矩阵依次进行聚合,得到各子特征的子聚合结果;将各子聚合结果进行整合处理,输出图拓扑数据对应的聚合结果,基于聚合结果,生成训练后的图神经网络。采用本方法可加速图神经网络的训练速度。
-
公开(公告)号:CN113590887B
公开(公告)日:2024-11-05
申请号:CN202110814231.6
申请日:2021-07-19
IPC分类号: G06F16/901 , G06F16/903
摘要: 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法,针对大型网络图,系统运行后加载图,对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数,将文件中的一行字符数据转换成顶点和邻接表,并以顶点为端点的边集存入global_Edge_Map中;完成加载后,通过分解函数重置计时器,新建一个查询任务用来分解,并将该查询任务初始化后添加至查询任务队列中,再清空查询任务队列的通信量和计算量;执行查询任务队列,激活所有顶点,对激活的所有顶点进行K‑truss分解;统计并判断global_Edge_Map中边的个数,为空时,判断分解完成并退出该过程,打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理,当遇到大型图的处理时,需要机器很高的配置,耗费大内存的问题。
-
公开(公告)号:CN114374638B
公开(公告)日:2024-02-27
申请号:CN202210022533.4
申请日:2022-01-10
申请人: 之江实验室 , 中国科学院计算机网络信息中心
IPC分类号: H04L45/00
摘要: 本发明涉及一种跨域系统的协同路由方法及装置,其中方法包括:获取若干相互连接的跨域自治系统中每个自治系统的网络状态综合参数,将所述网络状态综合参数存储在每个自治系统中;在每个自治系统中搭建智能体,所述智能体与每个自治系统相互连接;第i自治系统的用户向第j自治系统发起服务请求,位于第i自治系统中的第i智能体和位于第j自治系统中的第j智能体,根据所述网络状态综合参数与所述服务请求,通过多智能体强化学习算法生成协同路由策略;其中,i和j为大于0的自然数;第j自治系统根据所述协同路由策略向所述第i自治系统的用户返回所述服务请求的响应结果。本发明可以减少端到端的延迟,增加吞吐量和保证平均交付率。
-
公开(公告)号:CN116450960A
公开(公告)日:2023-07-18
申请号:CN202310343069.3
申请日:2023-04-03
IPC分类号: G06F16/9537 , G06F16/901 , G06F16/29 , G06Q10/047
摘要: 本发明公开了一种基于最短路径和路径枚举的道路网选址方法,首先读取真实道路网络数据集,提取其中的顶点和边数据,并根据提取的顶点和边数据建立无向有权图,使用函数readGraph()对无向有权图进行读取处理,以得到起点集合,使用函数readGraph()对无向有权图进行读取处理,以得到终点集合,使用深度优先搜索DFS方法对起点集合和终点集合进行处理,以得到所有起点到所有终点之间、且处于预设的路径阈值d范围内的所有路径,对每个起点到每个终点之间、且处于预设的路径阈值d范围内的所有路径进行降序排序处理,以得到每个起点到所有终点中的路径数量最大值及其对应的终点。本发明能够解决现有基于Dijkstra算法的道路网选址方法查询效率低的技术问题。
-
公开(公告)号:CN114374638A
公开(公告)日:2022-04-19
申请号:CN202210022533.4
申请日:2022-01-10
申请人: 之江实验室 , 中国科学院计算机网络信息中心
IPC分类号: H04L45/00
摘要: 本发明涉及一种跨域系统的协同路由方法及装置,其中方法包括:获取若干相互连接的跨域自治系统中每个自治系统的网络状态综合参数,将所述网络状态综合参数存储在每个自治系统中;在每个自治系统中搭建智能体,所述智能体与每个自治系统相互连接;第i自治系统的用户向第j自治系统发起服务请求,位于第i自治系统中的第i智能体和位于第j自治系统中的第j智能体,根据所述网络状态综合参数与所述服务请求,通过多智能体强化学习算法生成协同路由策略;其中,i和j为大于0的自然数;第j自治系统根据所述协同路由策略向所述第i自治系统的用户返回所述服务请求的响应结果。本发明可以减少端到端的延迟,增加吞吐量和保证平均交付率。
-
公开(公告)号:CN113590887A
公开(公告)日:2021-11-02
申请号:CN202110814231.6
申请日:2021-07-19
IPC分类号: G06F16/901 , G06F16/903
摘要: 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法,针对大型网络图,系统运行后加载图,对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数,将文件中的一行字符数据转换成顶点和邻接表,并以顶点为端点的边集存入global_Edge_Map中;完成加载后,通过分解函数重置计时器,新建一个查询任务用来分解,并将该查询任务初始化后添加至查询任务队列中,再清空查询任务队列的通信量和计算量;执行查询任务队列,激活所有顶点,对激活的所有顶点进行K‑truss分解;统计并判断global_Edge_Map中边的个数,为空时,判断分解完成并退出该过程,打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理,当遇到大型图的处理时,需要机器很高的配置,耗费大内存的问题。
-
公开(公告)号:CN114399039A
公开(公告)日:2022-04-26
申请号:CN202111541216.5
申请日:2021-12-16
IPC分类号: G06N3/08
摘要: 本发明公开了一种不确定的数据交互图中挖掘子图的方法及装置,输入不确定图、度数限制、概率临界值,不确定图用于表示连接关系不稳定的多个结点之间的关系,度数限制、概率临界值用于获取满足特定限制的子图;对不确定图进行剪枝;对剪枝后的不确定子图的每个结点,求出其出现的概率;对剪枝后的不确定子图中的每个结点进行遍历,当结点出现的概率小于概率临界值时,将结点从剪枝后的不确定子图中移除。采用本发明能够充分考虑了现实场景中数据的不稳定性对子图概率造成的波动,提高了子图挖掘的稳定性;同时使用三种剪枝算法,减少计算量,在相同挖掘场景下对比其他挖掘子图的算法大大降低了资源的消耗。
-
公开(公告)号:CN118132911A
公开(公告)日:2024-06-04
申请号:CN202410089206.X
申请日:2024-01-23
IPC分类号: G06F17/16 , G06F18/2136 , G06F18/2113 , G06F18/20 , G06F18/214 , G06F18/21 , G06F18/2431 , G06N5/01
摘要: 本申请涉及一种图计算中稀疏矩阵向量乘的自适应方法与装置,其中,方法包括:获取图计算中稀疏矩阵,并提取稀疏矩阵的稀疏特征;获取输入的稀疏向量,提取稀疏向量特征;根据稀疏矩阵以及稀疏向量特征,采用预设决策树模型进行最优算法选择;根据稀疏矩阵以及稀疏向量特征,并采用选择的最优算法进行计算,迭代返回获取图计算中稀疏矩阵,并提取稀疏矩阵的稀疏特征的步骤,直至满足预设迭代结束条件;决策树模型在训练时构建稀疏矩阵向量乘候选计算内核列表,在图算法的迭代过程中,选择最优算法,同时针对输入的稀疏矩阵分别获取稀疏特征和稀疏向量特征,确保预设决策树模型准确预测,因此,整个方案可以实现图计算中稀疏矩阵向量乘的自适应处理。
-
公开(公告)号:CN117978481A
公开(公告)日:2024-05-03
申请号:CN202410093455.6
申请日:2024-01-23
摘要: 本申请涉及一种工控协议解析方法、装置、设备和存储介质。工控协议解析方法包括:获取工控系统通信网络传输的待解析工控协议数据;将待解析工控协议数据输入至预训练模型,获取预训练模型输出的特征向量;采用基于大模型框架训练得到的协议解析模型、基于待解析工控协议数据和特征向量进行处理,获取协议解析模型输出的日志标签序列作为待解析工控协议数据的解析结果。本申请利用基于大模型的协议解析模型实现对待解析工控协议数据的解析,无需依赖繁琐的人工规则,对工控协议的解析简单高效。
-
公开(公告)号:CN114283051A
公开(公告)日:2022-04-05
申请号:CN202111500426.X
申请日:2021-12-09
摘要: 本申请涉及一种上述人脸图像处理方法、装置、计算机设备、存储介质和计算机程序产品,获取原始图片以及与所述原始图片对应的化妆目标图片;将所述原始图片输入至预设已训练的第一网络模型,得到彩色图片;将所述彩色图片以及化妆目标图片输入至预设已训练的第二网络模型,得到面部化妆迁移后的彩色图片。整个过程中,采用第一网络模型(老化模型)和第二网络模型(化妆模型)来分别进行彩色图片的获取以及面部化妆迁移后的彩色图片获取,无需依赖人工标注,可以实现高效的面部化妆迁移。
-
-
-
-
-
-
-
-
-