田侃
- 作品数：4 被引量：0H指数：0
- 供职机构：重庆邮电大学更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于网络重构的生成式图神经网络的图结构链路预测方法及系统
- 本发明属于图数据分析领域，具体涉及一种基于网络重构的生成式图神经网络的图结构链路预测方法及系统，包括：对原始图进行随机扰动，获得观察图；对观察图再次进行扰动，得到增强图；将增强图输入到GraphLP链路预测模型中，经过全...
- 先兴平张殊吴涛赵卓田侃李汉加张悦李雨雪
- 图神经网络对抗攻击与鲁棒性评测前沿进展
- 2024年
- 近年来,图神经网络(GNNs)逐渐成为人工智能的重要研究方向。然而,GNNs的对抗脆弱性使其实际应用面临严峻挑战。为了全面认识GNNs对抗攻击与鲁棒性评测的研究工作,对相关前沿进展进行梳理和分析讨论。介绍GNNs对抗攻击的研究背景,给出GNNs对抗攻击的形式化定义,阐述GNNs对抗攻击及鲁棒性评测的研究框架和基本概念。对GNNs对抗攻击领域所提具体方法进行了总结和梳理,并对其中的前沿方法从对抗攻击类型和攻击目标范围的角度进行详细分类阐述,分析了它们的工作机制、原理和优缺点。考虑到基于对抗攻击的模型鲁棒性评测依赖于对抗攻击方法的选择和对抗扰动程度,只能实现间接、局部的评价,难以全面反映模型鲁棒性的本质特征,从而着重对模型鲁棒性的直接评测指标进行了梳理和分析。在此基础上,为了支撑GNNs对抗攻击方法和鲁棒性模型的设计与评价,通过实验从易实现程度、准确性、执行时间等方面对代表性的GNNs对抗攻击方法进行了对比分析。对存在的挑战和未来研究方向进行展望。总体而言,目前GNNs对抗鲁棒性研究以反复实验为主,缺乏具有指导性的理论框架。如何保障基于GNNs的深度智能系统的可信性,仍需进一步系统性的基础理论研究。
- 吴涛吴涛先兴平袁霖先兴平崔灿一星田侃
- 一种基于转置卷积的图深度学习模型信息重建方法
- 本发明属于图神经网络领域，涉及一种基于转置卷积的图深度学习模型信息重建方法，包括：获取GNNs模型输出的社交网络的用户节点特征和社交网络中用户与用户之间的邻接矩阵，将用户节点特征和邻接矩阵输入训练好的TransMI模型进...
- 吴涛李之赞张舒先兴平田侃曹新汶
- 基于隐马尔科夫模型的人脸识别技术研究
- 近年来，人脸识别技术越来越受到重视，已经成为计算机视觉、图像分析和理解中应用最成功的技术之一。本文系统的研究了基于嵌入式隐马尔科夫模型的人脸识别方法。完成的主要工作有以下几点：
首先本文针对传统人脸识别方法在受到表...
- 田侃
- 关键词：人脸识别隐马尔科夫模型离散余弦变换
- 文献传递
