申请/专利权人：江苏狄诺尼信息技术有限责任公司

申请日：2024-03-12

公开（公告）日：2024-05-17

公开（公告）号：CN117875192B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/10;G06N3/042;G06N3/045;G06N3/0464;G06N3/084;G06N3/086;G06F111/04

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请公开一种几何约束自动求解设计方法，涉及几何求解技术领域，包括：收集并标注大量设计项目的约束问题和解决方案，形成训练数据集和微调数据集；构建基于卷积神经网络和图注意力网络的混合模型，使用训练数据集训练混合模型，使用微调数据集对所述混合模型进行微调；在混合模型中引入自适应调整机制，动态调整混合模型参数；将设计项目的具体要求和约束条件输入至所述混合模型进行预测生成N个解决方案；将N个解决方案输入至优化算法进行优化，并选出最优解决方案，输出最优解决方案；引入反馈机制，对混合模型和优化算法进行调优。本申请结合深度学习和优化算法，实现了高效、准确的几何约束自动求解。

主权项：1.一种几何约束自动求解设计方法，其特征在于，包括如下步骤：收集并标注大量设计项目的约束问题和解决方案，形成训练数据集和微调数据集；构建基于卷积神经网络和图注意力网络的混合模型，使用所述训练数据集训练所述混合模型，使用所述微调数据集对所述混合模型进行微调；在所述混合模型中引入自适应调整机制，动态调整混合模型参数；将设计项目的具体要求和约束条件输入至所述混合模型进行预测生成N个解决方案；将所述N个解决方案输入至优化算法进行优化，并选出最优解决方案，输出最优解决方案；引入反馈机制，对所述混合模型和所述优化算法进行调优；所述构建基于卷积神经网络和图注意力网络的混合模型，包括：输入层接收设计项目节点约束数据，公式为： ；其中，i和n为大于零的正整数，表示设计项目第i个节点的约束数据，为第i个节点的第n个约束条件；卷积层提取设计项目第i个节点的约束数据特征，公式为： ；其中，为3×3卷积层，为卷积层的权重，为卷积层的偏置权重；图注意力层经过注意力机制调控得到设计项目第i个节点的特征矩阵，特征矩阵反映了节点在给定图结构下的重要性和上下文关系；归一化层和全连接层对特征矩阵的特征进行标准化，再将设计项目节点约束数据的特征映射到新的特征空间，公式为： ； ；其中，为全连接层的权重，为全连接层的偏置权重，是经过归一化层的节点几何约束数据特征，是经过全连接层的节点约束数据特征；输出层输出设计项目约束问题预测的解决方案，公式为： ；其中，Sigmoid为激活函数，为输出层的权重，为输出层的偏置权重，Y为设计项目约束问题预测的解决方案；所述图注意力层经过注意力机制调控得到设计项目第i个节点的特征矩阵，包括：节点i与邻节点j之间是存在关系的，构建注意力系数，公式为： ；其中，为注意力系数，为激活函数，为注意力权重的参数向量，为拼接操作；i表示第i个节点，j表示第j个节点，j为大于零的正整数，为卷积层提取第i个节点的邻节点j的设计项目约束数据特征，为图注意力层权重；计算图注意力权重，公式为： ；其中，为图注意力权重，为节点i的邻居节点集合，为节点i与邻节点k之间的注意力系数；更新设计项目节点约束数据特征，得到设计项目第i个节点的特征矩阵，公式为： ；其中，为非线性激活函数，为与特征相乘的权重矩阵，中遍历的j表示所有与i相邻的节点。

全文数据：

权利要求：

百度查询： 江苏狄诺尼信息技术有限责任公司 一种几何约束自动求解设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD