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！

龙图腾网获悉中国人民解放军海军军医大学申请的专利基于网络重构和权重微扰的链路权重预测方法和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：CN119961880B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411758356.1，技术领域涉及：G06F18/27；该发明授权基于网络重构和权重微扰的链路权重预测方法和系统是由曹志威;关佶红;欧崇阳;周琛;张毅超;彭瀚;杨玥;熊俊设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本基于网络重构和权重微扰的链路权重预测方法和系统在说明书摘要公布了：本发明公开了基于网络重构和权重微扰的链路权重预测方法和系统，包括以下步骤：步骤S1，将加权网络中的权重集合W进行随机划分，生成训练集WT与测试集WV两部分；步骤S2，从训练集WT中随机选取一小部分作为扰动集ΔW，其余部分为Wr；步骤S3，对Wr执行特征值分解操作，得到经过扰动的权重矩阵W1；步骤S4，对加权网络权重的重构，并得到权重矩阵W2；步骤S5，采用线性融合的方式，将矩阵W1和W2进行结合，得到链路权重预测矩阵；步骤S6，将测试集WV对应的权重值与预测的权重值进行对比，判断算法的有效性。本方法巧妙地将网络重构与权重微扰两大要素进行线性整合，不仅有效修正了权重信息中的误差，还成功揭示了潜在的新的权重信息。

本发明授权基于网络重构和权重微扰的链路权重预测方法和系统在权利要求书中公布了：1.基于网络重构和权重微扰的链路权重预测方法，其特征在于，包括以下步骤： 步骤S1，将加权网络中的权重集合W进行随机划分，生成训练集WT与测试集WV两部分； 步骤S2，从训练集WT中随机选取一小部分作为扰动集△W，其余部分表示为Wr； 步骤S3，对Wr执行特征值分解操作，以获取其对应的特征值及特征向量矩阵，利用扰动模型，通过扰动集△W对矩阵Wr施加影响，计算出特征值的增量矩阵，并保持特征向量不变，得到经过扰动的权重矩阵W1； 其中，经过扰动的权重矩阵W1的计算公式为： 其中xi和λi分别是矩阵对应的特征向量和特征值，表示特征值的增量； 步骤S4，依据网络重构模型，通过VGAE编码环节和MLP的解码环节，实现对加权网络权重的重构，并得到权重矩阵W2； 其中加权网络的权重重构编码过程，通过VGAE编码环节表示为下式： 其中，且Z∈RN×D表示VGAE的隐变量矩阵，其第i行表示第i个节点的维度为D的隐变量表示，VGAE使用两个GCN学习高斯分布的均值μ和方差σ2，其中μ＝GCNμX,A，μ中元素μi表示第i个节点特征分布的均值，logσ＝GCNσX,A；为了使模型呈现梯度下降的收敛方式，使用重参数化技巧，即：Z＝μ+σ*ε，其中ε～N0，1； 步骤S5，采用线性融合的方式，将矩阵W1和W2进行结合，得到链路权重预测矩阵，公式表示为：W＝α·W1+1‑α·W2，且α＝θ·arctanυ·δw，其中θ和υ是超参数，σw代表权重一致性指标； 步骤S6，将测试集WV对应的权重值与预测的权重值进行对比，判断算法的有效性； 权重信息重构损失函数公式为： 其中W∈RN×N的第i行Wi∈R1×N被看作第i个节点的涵盖邻居信息的初始特征表示，Pi为Wi的惩罚因子； 定义节点vi的嵌入表示为锚向量，非相邻节点的嵌入表示为负样本，正样本是由邻居节点聚合而成，表示为Aggrei，即： 其中，Dw是一个呈对角形式的加权度矩阵，则定义节点vi的对比损失函数为： 其中，Sx,y和κ分别代表向量x和y的余弦相似性，以及温度系数，得到所有节点的对比损失函数，公式表示为： 则整体损失函数的公式为： L＝Lreconstruct+γLcon。

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中国人民解放军海军军医大学，其通讯地址为：200433 上海市杨浦区翔殷路800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”。

以上内容由龙图腾AI智能生成。