TY - JOUR A2 - 曼佐尼，卢卡AU - 雷，方圆AU - 刘洵非盟 - 戴，青云AU - 灵，宾果永权AU - 赵，惠民AU - 刘，严PY - 2020 DA - 2020/06 /23 TI - 混合低阶和高阶格拉夫卷积网络SP - 3283890 VL - 2020 AB - 用的图表网络的高阶相邻信息，图形表示学习分类的精度可显著改善。然而，目前的高次曲线的卷积网络具有大量的参数，高计算复杂度。因此，我们提出了一种混合动力低阶和高阶曲线卷积网络（HLHG）学习模型，其使用重量共享机制，以减少网络参数的数量。为了降低计算复杂性，我们提出了一种新的信息融合汇聚层到高阶和低阶附近矩阵信息结合起来。从理论上比较计算的复杂性和该模型与其他国家的先进机型的参数的数量。在实验中，我们验证使用监督学习和使用半监督学习引用网络数据集的大规模文本网络数据集所提出的模型。实验结果表明，该模型达到更高的分类准确性与一小部分的可训练的权重参数。SN - 1687-5265 UR - https://doi.org/10.1155/2020/3283890 DO - 10.1155 /三百二十八万三千八百九十○分之二千〇二十JF - 计算智能与神经科学PB - Hindawi出版KW - ER -