The invention discloses a product design method based on bi-directional recurrent neural network, which includes the following steps: obtaining information of parts and components as samples, creating a dictionary of parts and location information, vectorization parts and location information, determining the number of neurons in the transmission layer and output layer of two-way recurrent neural network, and determining the number of the neurons in the output layer; The initial and ending signs in the sample are determined; the number of recurrent neural network cycles is determined; the relevant samples are trained; the related contents are predicted. Using this method, the parts provided by the user in any position in the structure of the product to be designed can be designed by the already trained two-way recurrent neural network to meet the needs of the user.
【技术实现步骤摘要】
一种基于双向循环神经网络的产品设计方法
本专利技术涉及人工智能、机器学习、智能设计领域,具体是一种基于双向循环神经网络的产品设计方法。
技术介绍
当前,在大规模定制的情况下,用户的需求各异,如何更好地依据用户的不同需求快速响应,合理设计出符合用户需求的产品,是制造业面临的非常重要的问题。目前,通过基于循环神经网络的设计方法(参考“一种基于循环神经网络的产品设计方法”),可以有效地解决以零部件作为用户需求的情况(非订单类型中Key-Value的需求方式)。然而传统的循环神经网络,仅仅具有前序性的特点,即处理的问题仅能通过前序的内容进行预测及设计(在利用A,B,C、预测D或者E时非常有效),在进行后序预测时就不能很好的处理(在通过A,[],D,E,预测A和D之间的内容就不能很好的起到效果),因此这种方式具有一定的局限性。由于用户提供的零部件可能会出现在待设计产品结构中的任何位置,因此仅仅依据循环神经网络对该零件进行设计的思路无法很好的处理。
技术实现思路
本专利技术的目的在于提供一种基于双向循环神经网络的产品设计方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种基于双向循环神经网络的产品设计方法,包括以下步骤:S1,获取作为样本的产品的零部件信息;S2,创建零部件及位置信息字典;S3,向量化零部件及位置信息;S4,确定双向循环神经网络的输入层及输出层神经元个数;S5,确定样本中的初始及结束标示;S6,确定循环神经网络循环的次数;S7,对相关的样本进行训练;S8,对相关内容进行预测。作为本专利技术进一步的方案:在步骤S1中,获取作 ...
【技术保护点】
1.一种基于双向循环神经网络的产品设计方法,其特征在于,包括以下步骤:S1,获取作为样本的产品零部件信息;S2,创建零部件及位置信息字典;S3,向量化零部件及位置信息;S4,确定双向循环神经网络的输入层及输出层神经元个数;S5,确定样本中的初始及结束标示;S6,确定循环神经网络循环的次数;S7,对相关的样本进行训练;S8,对相关内容进行预测。
【技术特征摘要】
1.一种基于双向循环神经网络的产品设计方法,其特征在于,包括以下步骤:S1,获取作为样本的产品零部件信息;S2,创建零部件及位置信息字典;S3,向量化零部件及位置信息;S4,确定双向循环神经网络的输入层及输出层神经元个数;S5,确定样本中的初始及结束标示;S6,确定循环神经网络循环的次数;S7,对相关的样本进行训练;S8,对相关内容进行预测。2.根据权利要求1所述的基于双向循环神经网络的产品设计方法,其特征在于,在步骤S1中,获取作为样本的产品结构信息和位置信息。3.根据权利要求1所述的基于双向循环神经网络的产品设计方法,其特征在于,在步骤S2中,依据零部件的编码,区分不同的零部件,并对每一个不同的零部件进行聚类处理,将其放入零部件字典中,零部件字典中零部件的个数为Npart;将涉及到的每个零部件的位置信息作为一个整体,放入位置信息字典中,位置信息字典中的位置信息个数为Nposition。4.根据权利要求1或3所述的基于双向循环神经网络的产品设计方法,其特征在于,在步骤S3中,根据零部件及位置信息字典,为每一个零部件和每一个位置信息创建其数值映射,并将零部件与位置信息映射的内容定义为一个N+2维向量;其中,N维向量的维度由零部件字典及位置信息字典的大小决定,2表示初始和结束标示,即该向量的维度Nproduct=Npart+Nposition+2。5.根据权利要求1所述的基于双向循环神经网络的产品设计方法,其特征在于,在步骤S4中,...
【专利技术属性】
技术研发人员:马佳,高伟,邓森洋,
申请(专利权)人:艾凯克斯嘉兴信息科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。