一种基于循环神经网络的产品设计方法技术

本发明专利技术公开了一种基于循环神经网络的产品设计方法，包含以下步骤：A、获取作为样本的产品的零部件信息；B、创建零部件及位置信息字典；C、向量化零部件及位置信息；D、确定循环神经网络的输入层及输出层神经元个数；E、确定每个样本中的初始及结束标示；F、确定循环神经网络循环的次数；G、对获取到的样本数据进行训练；H、依据给定零部件进行预测。本发明专利技术依据循环神经网络的特点，可以快速地依据用户给出的零部件设计出与该零部件相关的产品。

【技术实现步骤摘要】
一种基于循环神经网络的产品设计方法
本专利技术涉及人工智能、智能设计领域，具体是一种基于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，并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，用户很多的需求都是订单的形式存在的，订单都是以明确的Key-Value形式存在，可以比较方便的进行转化为相关的参数，并利用其直接进行产品设计。但是在大量的制造业企业中都存在直接以零部件作为用户需求的情况，并需要企业根据其结构设计出和其相关的产品。在智能设计领域，这个问题一直比较难于处理。
技术实现思路
本专利技术的目的在于提供一种基于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：一种基于循环神经网络的产品设计方法，包含以下步骤：A、获取作为样本的产品的零部件信息；B、创建零部件及位置信息字典；C、向量化零部件及位置信息；D、确定循环神经网络的输入层及输出层神经元个数；E、确定每个样本中的初始及结束标示；F、确定循环神经网络循环的次数；G、对获取到的样本数据进行训练；H、依据给定零部件进行预测。作为本专利技术的进一步技术方案：所述零部件信息包括产品零部件信息和产品零部件的位置信息。作为本专利技术的进一步技术方案：所述步骤B具体是：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件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。作为本专利技术的进一步技术方案：所述步骤C具体是：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。作为本专利技术的进一步技术方案：所述步骤D具体是：依据创建的零部件和位置信息的数值映射得到的向量维度Nproduct，创建神经网络的输入层及输出层的神经元个数，此处采用的输入及输出的神经元个数与进行数值映射后的向量的维度相同，即输入、输出的神经元个数都是Nproduct个。作为本专利技术的进一步技术方案：所述步骤E具体是：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），代入到已经定义好的循环神经网络中，并选取合适的激活函数（如Tanh,Sigmoid,ReLu等）与损失函数（如交叉熵等），通过计算（BP神经网络等）得到相应的权值矩阵，最终得到符合预期的网络结构。与现有技术相比，本专利技术的有益效果是：本专利技术依据循环神经网络的特点，可以快速地依据用户给出的零部件设计出与该零部件相关的产品。附图说明图1是本专利技术方案的原理图。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1，一种基于循环神经网络的产品设计方法，其特征在于，包含以下步骤：A、获取作为样本的产品零部件及位置信息；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；B、创建零部件及位置信息字典；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；C、向量化零部件及位置信息。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；D、确定循环神经网络的输入层及输出层神经元个数。依据创建的零部件和位置信息的数值映射得到的向量维度Nproduct，确定神经网络的输入层及输出层的神经元个数，此处采用的输入及输出的神经元个数与进行数值映射后的向量的维度相同，即输入、输出的神经元个数都是Nproduct个；E、给出每个样本中的初始及结束标示。由于每一个样本的输入都是由有限个要素组成，因此在对最后一个选项预测后，需要给出结束标示，以表示产品设计的结束；并且在没有输入时，也应该给出在没有任何要素输入之前，哪些零部件是可选的，因此对每一组待训练的产品结构样本，都需要给出初始及结束标示；F、确定神经网络的循环次数；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，只是由于其网络结构相同，并且下个神经网络与前一个神经网络之间需要建立关联，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，由所有待训练的关联选择的样本来确定，并且选取其中关联选择中选项最多的关联选择组中选项的个数来确定，即Max(Nproduct1,Nproduct2,NOptions3,…,NOptionsn)，其他的样本中如果长度不能达到最大的值，其余的内容补零进行填充；G、对获取到的样本数据进行训练。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），代入到已经定义好的循环神经网络中，并选取合适的激活函数（如Tanh,Sigmoid,ReLu等）与损失函数（如交叉熵等），通过计算（BP神经网络等）得到相应的权值矩阵，最终得到符合预期的网络结构；H、依据给定零部件进行预测。对于给定的零部件，通过向量化处理后，将其代入已经训练好的循环神经网络中，其后续出现的零部件及位置信息就会依据循环神经网络对其进行预测，直到遇到结束标记。综上，即可通过循环神经网络设计出符合用户需求（给定零部件）的产品。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说本文档来自技高网...

【技术保护点】
1.一种基于循环神经网络的产品设计方法，其特征在于，包含以下步骤：A、获取作为样本的产品的零部件信息；B、创建零部件及位置信息字典；C、向量化零部件及位置信息；D、确定循环神经网络的输入层及输出层神经元个数；E、给出每个样本中的初始及结束标示；F、确定循环神经网络循环的次数；G、对获取到的样本数据进行训练；H、依据给定零部件进行预测。

【技术特征摘要】
1.一种基于循环神经网络的产品设计方法，其特征在于，包含以下步骤：A、获取作为样本的产品的零部件信息；B、创建零部件及位置信息字典；C、向量化零部件及位置信息；D、确定循环神经网络的输入层及输出层神经元个数；E、给出每个样本中的初始及结束标示；F、确定循环神经网络循环的次数；G、对获取到的样本数据进行训练；H、依据给定零部件进行预测。2.根据权利要求1所述的一种基于循环神经网络的产品设计方法，其特征在于，所述零部件信息包括产品零部件信息和产品零部件的位置信息。3.根据权利要求1所述的一种基于循环神经网络的产品设计方法，其特征在于，所述步骤B具体是：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。4.根据权利要求1所述的一种基于循环神经网络的产品设计方法，其特征在于，所述步骤C具体是：根据零部件及位置信息字典，为每一个零部...

【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