摘要
本发明提供一种基于双重图神经网络知识蒸馏的图结构数据处理方法,涉及图结构数据处理技术领域,该方法为将图结构数据训练集输入教师模型和所述学生模型,得到输出层的知识蒸馏损失;利用基于注意力的自适应逐层知识对齐机制,得到逐层知识蒸馏损失;利用基于注意力的自适应层间知识传递机制,得到层间知识蒸馏损失;基于输出层的知识蒸馏损失、逐层知识蒸馏损失和层间知识蒸馏损失构建混合损失函数,对所述学生模型进行训练,得到训练好的学生模型,对图结构数据集进行处理,得到图结构数据处理结果,完成基于双重图神经网络知识蒸馏的图结构数据处理。本发明解决了图神经网络处理图结构数据的计算成本高、内存占用高和准确度低问题。
技术关键词
结构数据处理方法
蒸馏
混合损失函数
注意力
学生
教师
表达式
节点
邻居
矩阵
模型预测值
数据处理技术
训练集
机制
标签
线性
参数
内存
指数
系统为您推荐了相关专利信息
负载均衡方法
智能优化算法
鲸鱼优化算法
工位
动态
瘢痕
深度学习模型
影像采集装置
Dijkstra算法
缝合系统
深度神经网络模型
计划生成方法
计划生成装置
决策
生成钢铁
预测预警方法
动态邻接矩阵
节点
掩码矩阵
神经网络模型