一种从卷积神经网络到图神经网络的算法模型迁移方法

本发明属于人工智能神经网络技术领域，特别涉及一种从卷积神经网络到图神经网络的算法模型迁移方法。本发明提出了“卷积桥”的创新概念，这是一种旨在优化从卷积神经网络到图神经网络的跨域迁移过程的重要机制。该桥有效地对齐了卷积神经网络和图神经网络之间的数据结构，促进了基于卷积神经网络的模型向图领域的无缝迁移。通过卷积桥，本发明成功地将Inception架构和U‑Net架构从卷积神经网络迁移到图神经网络，形成了GraInc模型和GraU‑Net模型。GraInc模型和GraU‑Net模型表现出显著的竞争力，特别是在密集图数据集上。