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国防科技大学申请的专利一种基于混合专家模型的图神经网络训练优化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：CN121351915B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511914383.8，技术领域涉及：G06N3/088；该发明授权一种基于混合专家模型的图神经网络训练优化方法及系统是由王怡琦;施禹;董攀;李爱平;谭郁松;余杰;李宝;张建锋;蹇松雷设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本一种基于混合专家模型的图神经网络训练优化方法及系统在说明书摘要公布了：本发明公开了一种基于混合专家模型的图神经网络训练优化方法及系统，本发明方法包括采用自监督学习损失来训练图神经网络中门控网络的网络参数以使得节点模式的向量空间和专家权重组合的向量空间的分布对齐：分别对节点模式的向量空间和专家权重组合的向量空间应用相同类别数的K均值聚类算法进行聚类以获得节点模式的向量聚类空间和专家权重组合的向量聚类空间并进行簇标签对齐；计算簇标签对齐后的KL散度以作为使得节点模式的向量空间和专家权重组合的向量空间的分布对齐的自监督学习损失。本发明旨在优化无监督学习的损失函数以根据测试数据分布指导调整门控网络的参数，解决复杂图包括同质图和异质图上图分布外泛化问题。

本发明授权一种基于混合专家模型的图神经网络训练优化方法及系统在权利要求书中公布了：1.一种基于混合专家模型的图神经网络训练优化方法，其特征在于，用于参考文献分类任务，所述方法包括下述步骤：针对由节点模式提取器、门控网络和K个专家模型构成的图神经网络，在使用测试时训练的方法训练该图神经网络时，采用自监督学习损失来训练图神经网络中门控网络的网络参数以使得节点模式提取器所提取的节点模式的向量空间和门控网络所生成的专家权重组合的向量空间的分布对齐，所述图神经网络用于根据输入的图结构文本数据推理得到最终的分类结果，所述自监督学习损失的计算包括：分别对节点模式的向量空间和专家权重组合的向量空间应用相同类别数的K均值聚类算法进行聚类以获得节点模式的向量聚类空间和专家权重组合的向量聚类空间；完成节点模式的向量聚类空间和专家权重组合的向量聚类空间的簇标签对齐；计算簇标签对齐后的节点模式的向量聚类空间和专家权重组合的向量聚类空间两者的KL散度以作为使得节点模式的向量空间和专家权重组合的向量空间的分布对齐的自监督学习损失；所述图结构文本数据中，节点为论文，边是论文之间的引用关系；所述最终的分类结果为论文的领域类型；所述自监督学习损失的计算函数表达式为： ； 其中，为自监督学习损失，为节点模式的向量聚类空间和簇标签对齐后的专家权重组合的向量聚类空间之间的KL散度，为聚类的类别数，为节点模式的向量聚类空间的第i个聚类中心的软聚类标签集合，为簇标签对齐后的专家权重组合的向量聚类空间的第i个聚类中心的软聚类标签集合，为用于防止对数函数计算时出现零值的常数。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。