-
公开(公告)号：CN116304212A
公开(公告)日：2023-06-23
申请号：CN202310253283.X
申请日：2023-03-10
IPC: G06F16/901 , G06F16/903
Abstract: 本说明书公开了一种数据处理系统、方法、设备及存储介质，可以从原始图数据中包含的每个节点中筛选出度数高于预设阈值的节点，作为用于连接各社区的枢纽节点，进而可以将枢纽节点的每个邻居节点作为起始节点，通过访问与该邻居节点之间存在连接关系的其他节点，作为该邻居节点的关联节点，从而可以将该邻居节点和该邻居节点的关联节点划分出来，作为原始图数据的一个图数据分块，并针对每个图数据分块进行节点更新处理，进而可以避免由于直接使用原始图数据中包含的全部节点对应的特征矩阵进行计算而产生的冗余计算，以提升数据处理效率。
-
公开(公告)号：CN117393176A
公开(公告)日：2024-01-12
申请号：CN202311366722.4
申请日：2023-10-20
Applicant: 之江实验室
Abstract: 本申请涉及一种宏微观图融合的传染病感染预测方法、装置和存储介质。所述方法包括：获取某一设定时间段内多个第一区域的宏观图，以及多个第二区域的微观图；第一区域中包括多个第二区域；将宏观图输入第一图卷积神经网络得到第一隐层向量；将微观图输入第二图卷积神经网络得到第二隐层向量；融合第一隐层向量与第二隐层向量得到各第一区域的融合隐层信息；对融合隐层信息进行时序计算得到各第一区域的时序隐层信息，将时序隐层信息分别输入两个预测网络中得到两个预测结果；将两个预测结果进行融合计算，得到最终各第一区域的传染病预测结果。采用本方法能够实现宏微观图融合挖掘的传染病预测，提高预测结果可解释性和传染病预测的效率。
-
公开(公告)号：CN116384472A
公开(公告)日：2023-07-04
申请号：CN202310348758.3
申请日：2023-03-29
Abstract: 本说明书公开了一种数据处理系统、方法、设备及存储介质，可以通过任务调度模块针对目标图数据中包含的每个节点，在生成该节点的特征聚合任务时，可以判断预设的指定缓存区中是否包含有执行该节点的特征聚合任务所需的关联对象的特征表示，如果存在，则可以从指定缓存区中直接获取到关联对象的特征表示，如果不存在再去提取关联对象的特征表示。其中，指定缓存区中包含的执行该节点的特征聚合任务所需的关联对象的特征表示是在历史执行的其他节点的特征聚合任务时保存的，从而可以避免关联对象的特征表示进行重复提取，进而可以降低在对目标图数据中的每个节点的节点特征表示进行更新时的冗余计算操作，从而可以提升目标图数据的处理效率。
-
公开(公告)号：CN117993511A
公开(公告)日：2024-05-07
申请号：CN202410224431.X
申请日：2024-02-28
Applicant: 之江实验室 , 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06T1/20 , G06T1/60
Abstract: 本说明书的实施例提供了一种基于图神经网络的图表征方法、网络训练方法和装置。在该图表征方法中，基于全图结构关系数据进行图划分；在每轮分区推理过程中：将所选取的当前图划分结果中的各个节点所对应的当前节点表征从外部存储空间加载至系统内存，当前节点表征基于对应的节点所具有的节点特征数据推理得到；根据全图结构关系数据确定当前图划分结果中的各个目标节点的邻居节点；将至少部分邻居节点所对应的当前节点表征和包含邻居节点的结构关系数据从系统内存传输到GPU存储空间；在GPU处，基于图神经网络根据当前节点表征和相应的结构关系数据进行推理，得到目标节点所对应的融合有邻居节点特征的节点表征，并更新外部存储中的相应节点表征。
-
公开(公告)号：CN117312633B
公开(公告)日：2024-05-03
申请号：CN202311465612.3
申请日：2023-11-07
Applicant: 之江实验室
IPC: G06F16/9035 , G06F16/901 , G06F15/78 , G06F9/48
Abstract: 本发明公开了一种基于带HBM的FPGA的动态极大团枚举装置及方法，包括：HBM存储外界PC主机传来的用于更新图结构的动态边流、全图邻接矩阵、以及候选团；矩阵计算单元基于动态边流更新全图邻接矩阵并发送更新的全图邻接矩阵至HBM存储，同时确定需要更新候选团的待更新头节点；排序计算单元根据更新的全图邻接矩阵和每个待更新头节点通过数据分块排序构建候选团重构的排序集；更新计算单元基于候选团重构的排序集并行执行各待更新头节点对应的候选团的更新任务，并将更新的候选团发送至HBM存储，并更新的候选团被发送至PC主机以采取过滤操作提取极大团，这样支持流水线式的增量极大团计算，提升任务的整体计算效率。
-
Patent Agency Ranking
公开(公告)号：CN117391166A
公开(公告)日：2024-01-12
申请号：CN202311029456.6
申请日：2023-08-15
Abstract: 在本说明书提供的一种基于冗余消除的超图神经网络更新方法，通过确定超图神经网络中的顶点以及超边，将顶点两两组合确定各顶点对，再根据各顶点对，确定各顶点对中重合的超边，构建冗余聚合集，对未更新的超边进行更新并对冗余聚合集中未聚合的超边进行聚合，再通过缓存存储超边更新后的特征和聚合特征，然后根据已更新的该顶点对应的超边的特征，和/或该顶点对应冗余聚合集的聚合特征，更新该顶点的顶点特征，得到更新后的超图神经网络。通过预先确定的冗余聚合集，以及缓存存储超边更新的特征和聚合特征，减少对重复的超边的计算，实现更高效率的更新超图神经网络。
-
公开(公告)号：CN117334254A
公开(公告)日：2024-01-02
申请号：CN202311335418.3
申请日：2023-10-16
Applicant: 之江实验室
Abstract: 本申请涉及一种RNA相似度分析图计算方法、装置、设备和介质，其中，RNA相似度分析图计算方法包括：将被查找RNA的序列数据转换为被查找RNA结构图；对所述被查找RNA结构图与目标RNA结构图进行相似性分析，得到第一相似度；确定所述被查找RNA结构图中基础组成结构的数量，并基于所述被查找RNA结构图中基础组成结构的数量与所述目标RNA结构图中基础组成结构的数量，得到第二相似度；基于所述被查找RNA结构图中的基础组成结构，对所述被查找RNA结构图进行重构，生成被查找RNA高阶图；对所述被查找RNA高阶图与目标RNA高阶图进行相似性分析，得到第三相似度；基于第一相似度、第二相似度以及第三相似度，获得被查找RNA与目标RNA的最终相似度，提高了计算的准确性。
-
公开(公告)号：CN116501927A
公开(公告)日：2023-07-28
申请号：CN202310262288.9
申请日：2023-03-10
IPC: G06F16/903 , G06F16/901 , G06F9/50
Abstract: 本说明书公开了一种图数据处理系统、方法、设备及存储介质，可以根据预设的图模型匹配算法，从目标图数据中提取与指定图模式相匹配的子图所需的各集合操作，针对每个集合操作，根据执行该集合操作所涉及的两个集合中元素的数量，确定按照不同的执行策略执行该集合操作所占用的处理单元的性能对应的代价值，进而可以选择对处理单元的性能占用最小的执行策略来执行该集合操作，从而可以提升图数据处理效率。
-
公开(公告)号：CN116302533A
公开(公告)日：2023-06-23
申请号：CN202310259281.1
申请日：2023-03-13
IPC: G06F9/50 , G06N3/0464 , G06N3/063 , G06F16/901
Abstract: 本说明书公开了一种针对图卷积加速的执行系统，系统包括：聚合引擎、组合引擎、缓存区，系统可以通过多核设备运行聚合引擎和组合引擎，聚合引擎与组合引擎并行处理任务，聚合引擎获取原始图数据，将原始图数据进行划分，得到若干子图数据，并从若干子图数据中，选取出至少部分子图数据存储在缓存区中，根据缓存区中的子图数据，构建各聚合任务，并将每个聚合任务分配给各核，不同核之间并行处理各聚合任务，在聚合任务完成后将得到的节点对应的聚合特征存入缓存区中；组合引擎可以针对每个节点，从缓存区中获取该节点的聚合特征，并根据该节点的历史节点特征以及对应的聚合特征，执行组合任务，从而，本系统可以在一定程度上提高图卷积的效率。
-
公开(公告)号：CN120012826A
公开(公告)日：2025-05-16
申请号：CN202510111257.2
申请日：2025-01-23
Applicant: 之江实验室
IPC: G06N3/042 , G06N3/0455
Abstract: 本说明书公开了一种基于动态图神经网络执行业务处理的方法及装置。所述任务执行方法包括：将获取到的任意两个相邻时刻的图数据输入到预设的动态图神经网络中的GNN层中，以针对GNN层所包含的每个网络层，当两个相邻时刻的图数据中后一时刻的图数据通过该网络层时，针对后一时刻的图数据中包含的每个顶点，当在该网络层中确定该顶点对应顶点特征时所用到的其他顶点的顶点特征与在该网络层中确定关联顶点对应顶点特征时所用到的其他顶点的顶点特征相同时，获取关联顶点在该网络层中所确定出的顶点特征，作为后一时刻的图数据中该顶点在该网络层中确定出的顶点特征。进而确定后一时刻的图数据通过GNN层后每个顶点的顶点特征，并执行业务处理。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
