公开(公告)号：CN114169504B

公开(公告)日：2024-04-16

申请号：CN202111503170.8

申请日：2021-12-10

申请人： 河北工业大学

发明人： 顾军华 ,  李鑫航 ,  杨亮 ,  张亚娟 ,  牛炳鑫 ,  郑子辰 ,  李宁宁

IPC分类号： G06N3/082 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464

摘要： 本发明为基于自适应滤波的图卷积神经网络池化方法，该方法提出了自适应滤波图卷积神经网络SFGCN和自适应滤波图卷积神经网络的池化操作SFGPool，SFGCN具有低通滤波器、高通滤波器和带通滤波器，对池化操作的输入进行了增强，相比于传统的图卷积网络，补充了中频和高频信息，防止信息丢失从而增强了网络的拟合能力；自适应滤波图卷积神经网络引入两个可学习参数，能在训练过程中对滤波器的频率特性进行自适应调节，对于不同的图分类任务可通过可学习参数控制每个频段的贡献。

公开(公告)号：CN114169504A

公开(公告)日：2022-03-11

申请号：CN202111503170.8

申请日：2021-12-10

申请人： 河北工业大学

发明人： 顾军华 ,  李鑫航 ,  杨亮 ,  张亚娟 ,  牛炳鑫 ,  郑子辰 ,  李宁宁

IPC分类号： G06N3/04 ,  G06N3/08

摘要： 本发明为基于自适应滤波的图卷积神经网络池化方法，该方法提出了自适应滤波图卷积神经网络SFGCN和自适应滤波图卷积神经网络的池化操作SFGPool，SFGCN具有低通滤波器、高通滤波器和带通滤波器，对池化操作的输入进行了增强，相比于传统的图卷积网络，补充了中频和高频信息，防止信息丢失从而增强了网络的拟合能力；自适应滤波图卷积神经网络引入两个可学习参数，能在训练过程中对滤波器的频率特性进行自适应调节，对于不同的图分类任务可通过可学习参数控制每个频段的贡献。