[发明专利]一种结合可解释性的图表示学习的超参数优化方法有效
| 申请号： | 202010689045.X | 申请日： | 2020-07-16 |
| 公开（公告）号： | CN111931416B | 公开（公告）日： | 2022-09-16 |
| 发明（设计）人： | 王鑫;朱文武;范舒翼 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/08 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 罗文群 |
| 地址： | 100084*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及超参数优化技术领域，特别涉及一种结合可解释性的图表示学习的超参数优化方法。本方法包括以下步骤：采样若干小规模的子图；根据完全可解释的图特征，分配有限的算力以及用于后续样本权重；对不同的超参数和图特征做去相关化；根据去相关化后的子图和部分原图计算结果，优化原图的图表示学习超参数。该方法采用了完全可解释的图特征，对算力进行合理分配，在超参数优化过程中对不同的超参数和图特征做了去相关处理，使得整体方法在保证性能的同时，具备很高的可解释性。 | ||
| 搜索关键词： | 一种 结合 解释性 图表 学习 参数 优化 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010689045.X/，转载请声明来源钻瓜专利网。
