用于机器学习的方法、神经网络、计算机程序、存储介质技术

本公开尤其涉及一种计算机实现的用于机器学习的方法。所述方法包括获得B‑rep图的训练数据集。每个B‑rep图表示相应B‑rep。每个B‑rep图包括图节点，每个图节点表示相应B‑rep的边、面或共边，并且与一个或多个几何和/或拓扑特征相关联。每个B‑rep图包括图边，每个图边在表示相应共边的相应第一图节点和表示与相应共边相关联的面、边、相邻共边或匹配共边的相应第二图节点之间。所述方法还包括基于训练数据集学习深度CAD神经网络。深度CAD神经网络被配置为将B‑rep图作为输入，并输出由输入B‑rep图表示的B‑rep的拓扑签名。

【技术实现步骤摘要】

本公开涉及计算机程序和系统领域，更具体地涉及机器学习的方法、系统和程序。

技术介绍

1、市场上提供了许多用于对象的设计、工程化和制造的系统和程序。cad是计算机辅助设计的缩写，例如，其涉及用于设计对象的软件解决方案。cae是计算机辅助工程化的缩写，例如，其涉及模拟未来产品的物理行为的软件解决方案。cam是计算机辅助制造的缩写，例如，其涉及用于定义制造工艺和操作的软件解决方案。在这种计算机辅助设计系统中，图形用户界面在技术效率方面起着重要作用。这些技术可嵌入到产品生命周期管理(plm)系统中。plm指的是一种商业战略，其帮助公司共享产品数据，应用通用流程，并利用公司知识开发产品，从概念到其生命周期结束，跨越扩展企业的概念。dassault systèmes提供的plm解决方案(商标为catia、enovia和delmia)提供了：工程中心，用于组织产品工程化知识；制造中心，用于管理制造工程化知识；以及企业中心，用于实现企业整合并连接到工程和制造中心。总之，该系统提供了连接产品、工艺和资源的开放对象模型，以实现动态的、基于知识的产品创建和决策支持，从而推动优化本文档来自技高网...

【技术保护点】

1.一种计算机实现的机器学习的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述深度CAD神经网络包括卷积单元，所述卷积单元被配置为执行内核级联，所述内核级联根据所述神经网络的内核将每个共边的特征向量与其相邻B-rep要素的特征向量级联。

3.根据权利要求2所述的方法，其中，所述卷积单元还被配置为，将由所述内核级联得到的共边的每个级联特征向量作为输入传递到密集神经网络。

4.根据权利要求3所述的方法，其中，所述卷积单元还被配置为，对于由所述密集神经网络针对共边的输入级联特征向量输出的每个向量，计算新边特征向量、新面特征向量和新共边特征向量。...

【技术特征摘要】

1.一种计算机实现的机器学习的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述深度cad神经网络包括卷积单元，所述卷积单元被配置为执行内核级联，所述内核级联根据所述神经网络的内核将每个共边的特征向量与其相邻b-rep要素的特征向量级联。

3.根据权利要求2所述的方法，其中，所述卷积单元还被配置为，将由所述内核级联得到的共边的每个级联特征向量作为输入传递到密集神经网络。

4.根据权利要求3所述的方法，其中，所述卷积单元还被配置为，对于由所述密集神经网络针对共边的输入级联特征向量输出的每个向量，计算新边特征向量、新面特征向量和新共边特征向量。

5.根据权利要求4所述的方法，其中，所述密集神经网络对于由所述内核级联得到的共边c的输入级联特征向量φc(i)输出：

6.根据权利要求2或5所述的方法，其中，所述深度cad神经网络被配置为重复应用所述卷积单元预定次数。

7.根据权利要求2至6中任一项所述的方法，其中，所述深度cad神经网络还被配置为通过执行面特征向量的聚合来计算全局特征向量，所...

【专利技术属性】
技术研发人员：M·梅兹格汉尼，J·布歇，R·萨巴捷，
申请(专利权)人：达索系统公司，
类型：发明
国别省市：