公开(公告)号：CN118173200A

公开(公告)日：2024-06-11

申请号：CN202410339214.5

申请日：2024-03-25

Applicant: 中国科学院计算技术研究所

Inventor： 黄庆明 ,  何俊伟 ,  许倩倩 ,  姜阳邦彦 ,  王子泰 ,  孙宇辰

IPC: G16C20/70 ,  G16C20/90 ,  G06F18/214 ,  G06F18/213 ,  G06F18/2433 ,  G06F18/20 ,  G06F18/22

Abstract: 本发明提供一种图检测模型的构建方法，该方法包括：获取初始图训练集，其中，所述初始图训练集中包括多个图数据，所有的图数据服从相同的分布；按照预设的方法获取与所述初始图训练集中的图数据不同分布的图数据以构成异常图数据集；将所述初始图训练集和所述异常图数据集构成训练集对所述图检测模型进行多次迭代训练至收敛，并在每次迭代训练过程中按照预设的损失更新图检测模型的参数。本发明的方法提高了图检测模型的性能，从而提高了图数据分布类型的检测准确性。

公开(公告)号：CN117057394A

公开(公告)日：2023-11-14

申请号：CN202311040633.0

申请日：2023-08-18

Applicant: 中国科学院计算技术研究所

Inventor： 黄庆明 ,  何俊伟 ,  许倩倩 ,  姜阳邦彦 ,  王子泰

IPC: G06N3/042 ,  G06N3/0455 ,  G06N3/088 ,  H04L9/40 ,  G06Q30/018

Abstract: 本发明提供一种图异常检测系统构建方法，所述方法包括：S1、获取原始图，所述原始图包括节点集、边集、属性矩阵、邻接矩阵；S2、执行第一阶段训练，包括：S21、对所述原始图分别进行节点掩蔽处理、边掩蔽处理和/或子图掩蔽处理以得到节点掩蔽图、边掩蔽图和/或、子图掩蔽图；S22、分别采用节点掩蔽图、边掩蔽图和/或、子图掩蔽图训练图自编码器至收敛以获得节点级图编码器、边级编码器和/或、子图级编码器；S3、执行第二阶段训练，包括：以所述步骤S2中训练好的节点级图编码器、边级编码器和/或、子图级编码器以及聚合模块、属性解码器、结构解码器构建初始图异常检测系统，以原始图训练所述属性解码器和结构解码器至收敛。

公开(公告)号：CN118247567A

公开(公告)日：2024-06-25

申请号：CN202410386788.8

申请日：2024-04-01

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  孙宇辰 ,  王子泰 ,  何俊伟 ,  杨智勇 ,  黄庆明

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明提供了一种基于多标签对图像分类模型训练的方法，所述方法包括：获取训练集，所述训练集包括多个分布内图像样本和多个分布外图像样本，以及指示各个分布内图像样本所属类别的标签，其中，所述分布外图像样本为不属于分布内图像样本所属任意类别的图像样本；利用训练集对图像分类模型进行一次或者多次训练，其中，利用图像分类模型提取输入图像在各个类别上的logit值和置信度，每次训练时，基于预设的总损失函数确定的总损失更新图像分类模型的参数，得到经训练的图像分类模型，所述总损失根据以下损失加权求和确定：分布内损失、分布外损失和能量分布差距损失。