买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利一种基于信息熵的图神经网络自适应丢弃方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120337986B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510819465.8，技术领域涉及：G06N3/042；该发明授权一种基于信息熵的图神经网络自适应丢弃方法及系统是由乔翔龙;张艳艳;任和设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于信息熵的图神经网络自适应丢弃方法及系统在说明书摘要公布了：本发明公开了一种基于信息熵的图神经网络自适应丢弃方法及系统，涉及图神经网络随机丢弃策略技术领域，包括：接收节点的特征向量，对节点的特征向量进行Softmax归一化处理，并基于信息熵来计算节点对应的熵值，对节点对应的熵值进行归一化，并与预设的全局最大丢弃率相乘，得到节点的个性化丢弃概率；通过PyTorchGeometric框架中边索引的机制对节点的个性化丢弃概率进行映射，得到映射边，基于映射边进行采样，得到伯努利掩码；基于伯努利掩码和节点的个性化丢弃概率进行缩放，得到扰动后的消息矩阵，将扰动后的消息矩阵输入至预先建立的图神经网络模型内，从而实现图神经网络的自适应丢弃。

本发明授权一种基于信息熵的图神经网络自适应丢弃方法及系统在权利要求书中公布了：1.一种基于信息熵的图神经网络自适应丢弃方法，其特征在于，方法包括以下步骤： 接收节点的特征向量，对节点的特征向量进行Softmax归一化处理，并基于信息熵来计算节点对应的熵值，对节点对应的熵值进行归一化，并与预设的全局最大丢弃率相乘，得到节点的个性化丢弃概率； 所述对节点的特征向量进行Softmax归一化处理的过程： 设节点特征矩阵为，其中第行表示节点的特征向量，用Softmax函数将特征向量归一化为概率分布： 式中，代表节点属于某一特定类别的概率，代表原始输入logits，的指数运算是Softmax函数的一部分，是对所有类别进行归一化的步骤，代表不同类别或特征的索引；表示第个节点第个特征，表示第个节点第个特征； 所述基于信息熵来计算节点对应的熵值的计算公式如下： 式中，是节点的信息熵，是节点在经过Softmax函数归一化后的第个维度的概率分量，是索引变量，表示节点特征向量中的每个维度；是节点特征的总维度数，是防止的常数； 所述对节点对应的熵值进行归一化，包括： 式中，是归一化后的信息熵，表示节点的信息熵经过标准化后的值，是所有节点信息熵中的最大值； 所述节点的个性化丢弃概率由下方公式定义单个节点的自适应丢弃率为： 其中为全局最大丢弃率超参数，表示熵最大节点可达的最高丢弃概率； 通过PyTorchGeometric框架中边索引的机制对节点的个性化丢弃概率进行映射，得到映射边，基于映射边进行采样，得到伯努利掩码； 基于伯努利掩码和节点的个性化丢弃概率进行缩放，得到扰动后的消息矩阵，将扰动后的消息矩阵输入至预先建立的图神经网络模型内，从而实现图神经网络的自适应丢弃； 所述基于伯努利掩码和节点的个性化丢弃概率进行缩放，得到扰动后的消息矩阵的过程： 对于消息矩阵中的每一个元素，根据源节点的自适应丢弃率，执行伯努利采样，其中表示从节点向节点的消息： 式中，是随机变量，是伯努利分布，是伯努利分布的成功概率，是与节点相关的常量； 随后生成扰动后的消息矩阵，其中的元素计算公式如下： 式中，这是经过扰动后的消息，是节点到节点的原始消息； 所述当时，保留消息并进行缩放；当时，消息被完全丢弃；缩放因子保证扰动后消息在期望上与原始值一致。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210044 江苏省南京市宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。