一种基于双向循环神经网络的产品设计方法技术

技术编号:18446187 阅读:28 留言:0更新日期:2018-07-14 10:54
本发明专利技术公开了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:获取作为样本的产品零部件信息;创建零部件及位置信息字典;向量化零部件及位置信息;确定双向循环神经网络的输入层及输出层神经元个数;确定样本中的初始及结束标示;确定循环神经网络循环的次数;对相关的样本进行训练;对相关内容进行预测。本发明专利技术利用该方法,用户提供的零件在待设计产品结构中的任何位置,都可以利用已经训练好的双向循环神经网络设计出符合用户需求的产品。

A product design method based on two way recurrent neural network

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,获取作为样本的产品结构信息和位置信息。作为本专利技术进一步的方案: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;将涉及到的每一个零部件位置信息作为一个整体,并将其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。作为本专利技术进一步的方案: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。作为本专利技术进一步的方案:在步骤S4中,利用向量化零部件及位置信息的向量维度Nproduct确定循环神经网络中的输入层及输出层的神经元个数。作为本专利技术进一步的方案:在步骤S5中,对于同一个产品结构给出两组相反的标示。作为本专利技术进一步的方案:在步骤S6中,确定循环次数,由所有待训练的产品结构中产品零部件数量最多的个数来确定即N=Max(Nproduct1,Nproduct2,NOptions3,…,NOptionsn),若样本中长度不能达到最大的值,则进行补零处理;两组循环神经网络中的循环次数相同,两组循环神经网络内部的网络结构相同或不同。作为本专利技术进一步的方案:在步骤S7中,将样本数据放入双向循环神经网络中进行训练,获取目标产品零部件信息及位置信息,将所有的待训练样本产品信息转化为样本矩阵,该样本矩阵的行数为不同产品信息的个数,列为向量的维度Nproduct=Npart+Nposition+2,2表示起始与结束标示,并放入到已经定义好的双向循环神经网络中,选取合适的激活函数和损失函数,通过计算得到相应的权值矩阵,最终得到符合预期的网络。作为本专利技术进一步的方案:在步骤S8中,对于给定零部件,通过向量化后,将其放入双向循环神经网络中,通过双向循环神经网络向前或向后预测零件及位置信息。与现有技术相比,本专利技术的有益效果是:该基于双向循环神经网络的产品设计方法,利用该方法,用户提供的零件在待设计产品结构中的任何位置,都可以利用已经训练好的双向循环神经网络设计出符合用户需求的产品。附图说明图1为本专利技术的基于双向循环神经网络的产品设计示意图。图2为本专利技术中向量化零部件及位置信息示意图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。请参阅图1~2,本专利技术实施例中,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。在步骤S1中,获取所有作为样本的产品结构,由于产品设计过程中,除了需要包含设计所需的零部件,还需要涉及到零部件的位置信息,因此除了需要获取样本中产品零部件信息外,还需要获取产品零部件的位置信息。在步骤S2中,依据零部件的编码,来区分不同的零部件,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;将涉及到的每一个零部件的位置信息作为一个整体,而不是离散的多个数值进行聚合,并将其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。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,此处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,如图2所示。在步骤S4中,利用向量化零部件及位置信息的向量维度Nproduct确定循环神经网络中的输入层及输出层的神经元个数。在步骤S5中,由于双向循环神经网络是由两组循环神经网络组成,而这两组循环神经网络的最大的区别为其流向不同;因此,样本中的初始标示与结束标示亦不同,为了达到流向不同,需要对于同一个产品结构给出两组相反的标示,如下表所示:在步骤S6中,循环神经网络亦称为递归神经网络,实际上其是有多个神经网络组合而成,并且其内部的网络结构是相同的;在循环神经网络中,后一个神经网络需要与前一个神经网络之间建立关联,因此将其通过递归组合在一起。对于循环神经网络来说(亦称递归神经网络),其需要循环(递归)的次数是由需要多少个神经网络组成来决定;确定循环(递归)次数,由所有待训练的产品结构中产品零部件数量最多的个数来确定即N=Max(Nproduct1,Nproduct2,NOptions3,…,NOptionsn),如果样本中长度不能达到最大的值,则进行补零处理。在双向循环神经网络中,为了能达到可以使得预测结果正向和逆向都可以进行预测的目的,其两组循环神经网络中的循环次数必须相同,而其两组循环神经网络内部的网络结构可以相同亦可不同。在步骤S7中,将样本数据放入双向循环神经网络中进行训练。获取目标产品信息(包括零部件信息及位置信息),将所有的待训练样本产品信息转化为样本矩阵(该样本本文档来自技高网...

【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

网友询问留言 已有0条评论
  • 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。

1