技術特征：

1.一種從卷積神經網絡到圖神經網絡的算法模型遷移方法，其特征在于，包括以下內容：

2.根據權利要求1所述的一種從卷積神經網絡到圖神經網絡的算法模型遷移方法，其特征在于，通過卷積橋構建了圖inception架構，稱為grainc模型，將inception架構從卷積神經網絡遷移到圖神經網絡的步驟如下：

3.根據權利要求2所述的一種從卷積神經網絡到圖神經網絡的算法模型遷移方法，其特征在于，通過卷積橋構建了圖u-net架構，稱為grau-net模型，將u-net架構從卷積神經網絡遷移到圖神經網絡，遷移的步驟如下：

技術總結
本發明屬于人工智能神經網絡技術領域，特別涉及一種從卷積神經網絡到圖神經網絡的算法模型遷移方法。本發明提出了“卷積橋”的創新概念，這是一種旨在優化從卷積神經網絡到圖神經網絡的跨域遷移過程的重要機制。該橋有效地對齊了卷積神經網絡和圖神經網絡之間的數據結構，促進了基于卷積神經網絡的模型向圖領域的無縫遷移。通過卷積橋，本發明成功地將Inception架構和U?Net架構從卷積神經網絡遷移到圖神經網絡，形成了GraInc模型和GraU?Net模型。GraInc模型和GraU?Net模型表現出顯著的競爭力，特別是在密集圖數據集上。

技術研發人員：龐善臣,張魁杰,吳文浩,賀曉,王璐琦,楊華慧,張媛媛
受保護的技術使用者：中國石油大學（華東）
技術研發日：
技術公布日：2025/3/20