CN111190581B - 可视化流图机器学习与人工智能系统 - Google Patents

可视化流图机器学习与人工智能系统 Download PDF

Info

Publication number
CN111190581B
CN111190581B CN201911370563.9A CN201911370563A CN111190581B CN 111190581 B CN111190581 B CN 111190581B CN 201911370563 A CN201911370563 A CN 201911370563A CN 111190581 B CN111190581 B CN 111190581B
Authority
CN
China
Prior art keywords
machine learning
visual
artificial intelligence
flowsheet
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201911370563.9A
Other languages
English (en)
Other versions
CN111190581A (zh
Inventor
吴湘宁
邓中港
贺鹏
李佳琪
王稳
陈苗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences
Original Assignee
China University of Geosciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Geosciences filed Critical China University of Geosciences
Priority to CN201911370563.9A priority Critical patent/CN111190581B/zh
Publication of CN111190581A publication Critical patent/CN111190581A/zh
Application granted granted Critical
Publication of CN111190581B publication Critical patent/CN111190581B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/20—Software design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Stored Programmes (AREA)

Abstract

本发明提供可视化流图机器学习与人工智能系统，使用基于Electron的主体框架构建，构建流程如下：首先使用Electron搭建平台的主体框架，底层使用Node.js与操作系统进行底层交互，Electron创建的主进程通过渲染Web界面创建用户图形界面；主体框架包含三个部分，第一部分是包含项目依赖环境的package.json文件，第二部分是主进程入口，主要用来创建窗口和处理系统事件的main.js文件，第三部分是包含按钮响应事件与页面布局样式的Css界面设计文件；本发明的有益效果是：具备强大直观交互界面，允许用户在该平台的基础上创建机器学习模型，或者创建独立数据集与机器学习算法进行模型训练，同时集自定义模块，数据流图可视化，实时仪表盘可视化等功能于一体。

Description

可视化流图机器学习与人工智能系统
技术领域
本发明涉及人工智能平台领域，尤其涉及可视化流图机器学习与人工智能系统。
背景技术
近年来，随着信息交流的快速发展和计算机网络的广泛运用，机器学习的概念受到了越来越多的关注。作为人工智能关键环节的机器学习，不但在计算机相关的众多领域中脱颖而出，并且已经被广泛应用在数据挖掘、大数据处理、语音识别等领域。随着大数据时代的脚步步步逼近，相信机器学习会有更大发展。
但是机器学习与深度学习作为比较专业的领域，其入门难度和门槛都是比较高的。因此设计一个用于学习与研究的可视化平台是有必要的。目前现存的大部分机器学习平台都比较专业，缺乏对入门者的友好性。
发明内容
本发明的目的在于提供了一种可视化流图机器学习与人工智能系统，允许用户在该平台的基础上创建机器学习模型，或者创建独立数据集与机器学习算法进行模型训练，同时该平台时集自定义模块，数据流图可视化，实时仪表盘可视化等功能的机器学习应用平台。本发明提供的可视化流图机器学习与人工智能系统，具体包括：
所述可视化流图机器学习与人工智能系统的项目框架，基于Electron主体框架搭建，底层使用Node.js与操作系统进行交互；所述可视化流图机器学习与人工智能系统的项目框架，具体包括三个部分；第一部分为包含项目依赖环境的package.json文件；第二部分为主进程入口，用于创建窗口和处理系统事件的main.js文件；第三部分为通过渲染的Web界面创建用户图形界面，包含按钮响应事件与页面布局样式的Css界面设计文件和Js脚本文件。
进一步地，所述可视化流图机器学习与人工智能系统的实现，通过模块构建进行；所述模块包括：Css模块、fonts模块、images模块、libs模块、Model模块和Static模块；所述Css模块用于页面整体布局，采用bootstrap技术进行构建；所述fonts模块用于所述可视化流图机器学习与人工智能系统的字体设置；所述images模块包含所述可视化流图机器学习与人工智能系统界面中背景图片和相关资源图片；所述libs模块用于相关库文件引入，用于引入jquery.js文件；所述Model模块包括Controllers、Managers、Objects和UI四个部分；所述Static模块，包含保存项目属性的ProjectProperties.json文件，用于保存项目名称、版本、引擎、GPU、控制台和主题信息。
进一步地，所述jquery.js用于实现拖拽功能。
进一步地，所述Controllers包括两个Js文件，分别为GlobalService.js和InputService.js，封装了全局服务和输入服务中相关全局方法和全局变量。
进一步地，所述Managers用于管理项目创建运行事件和脚本运行、编写事件，包括五个Js文件，分别为ActionsManager.js、JsonManager.js、ProjectBuilder.js、ProjectRunner.js和ScriptsManager.js；所述ActionsManager.js用于场景框中对象动作的管理；所述JsonManager.js用于将场景框中的参数保存至一个新的Json文件中，以便下次可以还原场景；所述ProjectBuilder.js用于提取场景框中的各个模块所包含的python代码，并且在系统的临时文件夹tmp中生成一个完整的python项目；所述ProjectRunner.js是依据临时文件夹中tmp生成的完整项目的python代码来编译和运行，并通过输出框反馈项目运行的信息；所述ScriptsManager.js用于管理场景框中各个模块对应的python代码，支持打开默认IDE对python代码进行修改。
进一步地，所述Objects用于对象的编辑和编译，包括两个Js文件，分别为SceneObject.js和Script.js；所述Object中的SceneObject.js用于提取场景框中各个模块对应的变量，并在生成的临时文件夹中的python文件将这些变量声明成为全局变量；所述Script.js用于对场景框中各个模块对应的方法进行提取，并在生成的临时文件夹中的python文件中封装成类私有的方法；所述UI用于对所述可视化流图机器学习与人工智能系统中各按钮对应的事件进行封装和管理。
进一步地，所述可视化流图机器学习与人工智能系统采用JavaScript和Python进行构建。
进一步地，所述项目依赖环境，包括Python3.6及以上版本，Node.js、Electron和Tensorflow。
所述可视化流图机器学习与人工智能系统的界面包括场景框、层级框、属性框和输出框；所述场景框，用于实现模块拖拽和结果可视化；所述层级框，用于显示层级关系和插入新对象；所述属性框，用于属性值修改和脚本自定义；所述输出框，用于显示属性图和输出信息可视化。
本发明提供的技术方案带来的有益效果是：具备强大直观交互界面，允许用户在该平台的基础上创建机器学习模型，或者创建独立数据集与机器学习算法进行模型训练，同时集自定义模块，数据流图可视化，实时仪表盘可视化等功能于一体。
附图说明
图1为本发明实施例中可视化流图机器学习与人工智能系统的结构图；
图2为本发明实施例中可视化流图机器学习与人工智能系统的界面分布图；
图3为本发明实施例中可视化流图机器学习与人工智能系统界面的场景框；
图4为本发明实施例中可视化流图机器学习与人工智能系统界面的层级框；
图5为本发明实施例中可视化流图机器学习与人工智能系统界面的属性框；
图6为本发明实施例中可视化流图机器学习与人工智能系统界面的输出框；
图7为本发明实施例中利用本发明所述的可视化流图机器学习与人工智能系统进行实验的结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，本发明的实施例提供了可视化流图机器学习与人工智能系统的，具体包括：
所述可视化流图机器学习与人工智能系统的项目框架，基于Electron主体框架搭建，底层使用Node.js与操作系统进行交互；所述可视化流图机器学习与人工智能系统的项目框架，具体包括三个部分；第一部分为包含项目依赖环境的package.json文件；第二部分为主进程入口，用于创建窗口和处理系统事件的main.js文件；第三部分为通过渲染的Web界面创建用户图形界面，包含按钮响应事件与页面布局样式的Css界面设计文件和Js脚本文件。
所述可视化流图机器学习与人工智能系统的实现，通过模块构建进行；所述模块包括：Css模块、fonts模块、images模块、libs模块、Model模块和Static模块；所述Css模块用于页面整体布局，采用bootstrap技术进行构建；所述fonts模块用于所述可视化流图机器学习与人工智能系统的字体设置；所述images模块包含所述可视化流图机器学习与人工智能系统界面中背景图片和相关资源图片；所述libs模块用于相关库文件引入，用于引入jquery.js文件；所述Model模块包括Controllers、Managers、Objects和UI四个部分；所述Static模块，包含保存项目属性的ProjectProperties.json文件，用于保存项目名称、版本、引擎、GPU、控制台和主题信息。
所述jquery.js用于实现拖拽功能。
所述Controllers包括两个Js文件，分别为GlobalService.js和InputService.js，封装了全局服务和输入服务中相关全局方法和全局变量。
所述Managers用于管理项目创建运行事件和脚本运行、编写事件，包括五个Js文件，分别为ActionsManager.js、JsonManager.js、ProjectBuilder.js、ProjectRunner.js和ScriptsManager.js；所述ActionsManager.js用于场景框中对象动作的管理；所述JsonManager.js用于将场景框中的参数保存至一个新的Json文件中，以便下次可以还原场景；所述ProjectBuilder.js用于提取场景框中的各个模块所包含的python代码，并且在系统的临时文件夹tmp中生成一个完整的python项目；所述ProjectRunner.js是依据临时文件夹中tmp生成的完整项目的python代码来编译和运行，并通过输出框反馈项目运行的信息；所述ScriptsManager.js用于管理场景框中各个模块对应的python代码，支持打开默认IDE对python代码进行修改。
所述Objects用于对象的编辑和编译，包括两个Js文件，分别为SceneObject.js和Script.js；所述Object中的SceneObject.js用于提取场景框中各个模块对应的变量，并在生成的临时文件夹中的python文件将这些变量声明成为全局变量；所述Script.js用于对场景框中各个模块对应的方法进行提取，并在生成的临时文件夹中的python文件中封装成类私有的方法；所述UI用于对所述可视化流图机器学习与人工智能系统中各按钮对应的事件进行封装和管理。
所述可视化流图机器学习与人工智能系统采用JavaScript和Python进行构建。
所述项目依赖环境，包括Python3.6及以上版本，Node.js、Electron和Tensorflow。
请参考图2，图2为本发明实施例中可视化流图机器学习与人工智能系统的界面分布图。所述可视化流图机器学习与人工智能系统的界面包括场景框、层级框、属性框和输出框；所述场景框，用于实现模块拖拽和结果可视化；所述层级框，用于显示层级关系和插入新对象；所述属性框，用于属性值修改和脚本自定义；所述输出框，用于显示属性图和输出信息可视化。
请参考图3，图3为本发明实施例中可视化流图机器学习与人工智能系统界面的场景框。场景框中，MINST Loader表示手写数字数据集加载器；Classifier表示分类器；Neural Network表示神经网络；softmax表示激活函数；loss表示分类损失值；Accuracy表示分类精度值。
请参考图4，图4为本发明实施例中可视化流图机器学习与人工智能系统界面的层级框。层级框为场景框列表表示形式。
请参考图5，图5为本发明实施例中可视化流图机器学习与人工智能系统界面的属性框。属性框中，Name：Model表示模型名称，Enabled表示模型是否可用；graph.py表示模型的python文件；model_elements()表示模型元素；添加一个脚本表示添加自定义脚本文件。
请参考图6，图6为本发明实施例中可视化流图机器学习与人工智能系统界面的输出框。输出框中包括两个json文件，properties.json表示项目属性信息，filedir表示properties的存放路径；scene.json用于保存项目场景信息，folder表示可展开，以查看详细场景信息。
请参考图7，图7为利用本发明所述的可视化流图机器学习与人工智能系统进行实验的结果图。该实验首先需要在场景框中添加以下模块：手写数字数据集加载、对抗生成网络(GAN)、判别器、生成器、图片显示器、动态损失折线图图。手写数字数据集加载模块中主要是加载MNIST手写数字数据集，然后将该数据集送入对抗生成网络中进行训练，通过生成器生成一些包含噪声的图片给判别器判断，从而提高判别器对噪声的扰动能力。在训练过程中，可以从对抗生成网络中接出一个图片查看器，查看包含噪声扰动的图片。最后，通过一个折线图直观地观察判别器和生成器的损失变化情况。该实验设置的一些主要参数包含，训练的批量大小(latent_size)为100，学习率(learning_rate)大小为0.001，迭代轮数(training_iterations)为1000，以及展示轮数(每多少轮绘制更新一次折线图)100，迭代轮数与展示轮数之商为10，即折线图中对应的10个坐标点。经过1000轮迭代之后的结果如折线图所示，判别器和生成器的损失均变得较低，说明该网络对小噪声扰动已经具备较好的抗干扰能力。
本发明的有益效果是：具备强大直观交互界面，允许用户在该平台的基础上创建机器学习模型，或者创建独立数据集与机器学习算法进行模型训练，同时集自定义模块，数据流图可视化，实时仪表盘可视化等功能于一体。
在本文中，所涉及的前、后、上、下等方位词是以附图中各装置位于图中以及设备相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.可视化流图机器学习与人工智能系统，其特征在于：所述可视化流图机器学习与人工智能系统的项目框架，基于Electron主体框架搭建，底层使用Node.js与操作系统进行交互；所述可视化流图机器学习与人工智能系统的项目框架，具体包括三个部分；第一部分为包含项目依赖环境的package.json文件；第二部分为主进程入口，用于创建窗口和处理系统事件的main.js文件；第三部分为通过渲染的Web界面创建用户图形界面，包含按钮响应事件与页面布局样式的Css界面设计文件和Js脚本文件；
所述项目依赖环境，包括Python3.6及以上版本，Node.js、Electron和Tensorflow；
所述可视化流图机器学习与人工智能系统的实现，通过模块构建进行；所述模块包括：Css模块、fonts模块、images模块、libs模块、Model模块和Static模块；所述Css模块用于页面整体布局，采用bootstrap技术进行构建；所述fonts模块用于所述可视化流图机器学习与人工智能系统的字体设置；所述images模块包含所述可视化流图机器学习与人工智能系统界面中背景图片和相关资源图片；所述libs模块用于相关库文件引入，用于引入jquery.js文件；所述Model模块包括Controllers、Managers、Objects和UI四个部分；所述Static模块，包含保存项目属性的ProjectProperties.json文件，用于保存项目名称、版本、引擎、GPU、控制台和主题信息；
所述Managers用于管理项目创建运行事件和脚本运行、编写事件，包括五个Js文件，分别为ActionsManager.js、JsonManager.js、ProjectBuilder.js、ProjectRunner.js和ScriptsManager.js；所述ActionsManager.js用于场景框中对象动作的管理；所述JsonManager.js用于将场景框中的参数保存至一个新的Json文件中，以便下次可以还原场景；所述ProjectBuilder.js用于提取场景框中的各个模块所包含的python代码，并且在系统的临时文件夹tmp中生成一个完整的python项目；所述ProjectRunner.js是依据临时文件夹中tmp生成的完整项目的python代码来编译和运行，并通过输出框反馈项目运行的信息；所述ScriptsManager.js用于管理场景框中各个模块对应的python代码，支持打开默认IDE对python代码进行修改。
2.如权利要求1所述的可视化流图机器学习与人工智能系统，其特征在于：所述jquery.js用于实现拖拽功能。
3.如权利要求1所述的可视化流图机器学习与人工智能系统，其特征在于：所述Controllers包括两个Js文件，分别为GlobalService.js和InputService.js，封装了全局服务和输入服务中相关全局方法和全局变量。
4.如权利要求1所述的可视化流图机器学习与人工智能系统，其特征在于：所述Objects用于对象的编辑和编译，包括两个Js文件，分别为SceneObject.js和Script.js；所述Object中的SceneObject.js用于提取场景框中各个模块对应的变量，并在生成的临时文件夹中的python文件将这些变量声明成为全局变量；所述Script.js用于对场景框中各个模块对应的方法进行提取，并在生成的临时文件夹中的python文件中封装成类私有的方法；所述UI用于对所述可视化流图机器学习与人工智能系统中各按钮对应的事件进行封装和管理。
5.如权利要求1所述的可视化流图机器学习与人工智能系统，其特征在于：所述可视化流图机器学习与人工智能系统采用JavaScript和Python进行构建。
6.如权利要求1所述的可视化流图机器学习与人工智能系统，其特征在于：所述可视化流图机器学习与人工智能系统的界面包括场景框、层级框、属性框和输出框；所述场景框，用于实现模块拖拽和结果可视化；所述层级框，用于显示层级关系和插入新对象；所述属性框，用于属性值修改和脚本自定义；所述输出框，用于显示属性图和输出信息可视化。
CN201911370563.9A 2019-12-26 2019-12-26 可视化流图机器学习与人工智能系统 Expired - Fee Related CN111190581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911370563.9A CN111190581B (zh) 2019-12-26 2019-12-26 可视化流图机器学习与人工智能系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911370563.9A CN111190581B (zh) 2019-12-26 2019-12-26 可视化流图机器学习与人工智能系统

Publications (2)

Publication Number Publication Date
CN111190581A CN111190581A (zh) 2020-05-22
CN111190581B true CN111190581B (zh) 2021-05-28

Family

ID=70707575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911370563.9A Expired - Fee Related CN111190581B (zh) 2019-12-26 2019-12-26 可视化流图机器学习与人工智能系统

Country Status (1)

Country Link
CN (1) CN111190581B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114217822A (zh) * 2021-11-18 2022-03-22 浙江中控技术股份有限公司 开发hmi框架安装包的方法以及基于hmi框架的热更新方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325203A (zh) * 2018-09-10 2019-02-12 北京亚鸿世纪科技发展有限公司 一种自动化实现Web系统可视化复用的装置
CN110275700A (zh) * 2019-06-17 2019-09-24 河南大学 一种基于electron的跨平台桌面应用程序开发框架及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106371829B (zh) * 2016-08-24 2019-05-17 北京邮电大学 基于模块化思想的模板框架设计方法及系统
US11157384B2 (en) * 2019-06-27 2021-10-26 Intel Corporation Methods, systems, articles of manufacture and apparatus for code review assistance for dynamically typed languages

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325203A (zh) * 2018-09-10 2019-02-12 北京亚鸿世纪科技发展有限公司 一种自动化实现Web系统可视化复用的装置
CN110275700A (zh) * 2019-06-17 2019-09-24 河南大学 一种基于electron的跨平台桌面应用程序开发框架及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Python + Flask + Electron 混合开发入门 (项目演示)";Likianta Me;《https://blog.csdn.net/likianta/article/details/89199793?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-7&spm=10%E2%80%A6%00%00》;20190411;全文 *
"python 3.5 用TensorFlow写一个神经网络，如何打包exe";匿名用户;《https://www.zhihu.com/question/64348615/answer/650547630》;20190414;第1页 *
"基于高性能计算平台的TensorFlow应用探索与实践";王一超;《实验室研究与探索》;20171231;全文 *

Also Published As

Publication number Publication date
CN111190581A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CA2922860C (en) System and method for streamlining user interface development
KR20080042835A (ko) 사용자 인터페이스의 액티브 콘텐트에서의 확장가능한시각적 이펙트
CN112199086A (zh) 自动编程控制系统、方法、装置、电子设备及存储介质
CN112364496B (zh) 基于html5和vue技术的航电仿真面板生成系统
CN112685025A (zh) 快速搭建前端页面的方法及系统
CN101876917A (zh) 一种开发控件的方法及装置
CN111324381A (zh) 开发系统、方法、装置、计算机设备及存储介质
CN113326044A (zh) 一种基于控件库的开发方法、系统及存储介质
Dave et al. A survey on Artificial Intelligence based techniques to convert User Interface design mock-ups to code
CN111190581B (zh) 可视化流图机器学习与人工智能系统
CN104793927A (zh) 一种界面编辑方法及装置
CN117909514A (zh) 一种文旅产业场景下的知识图谱设计方法及装置
CN117075893A (zh) 一种基于vue的移动端页面生成方法及系统
Khan et al. A retargetable model-driven framework for the development of mobile user interfaces
CN107491311A (zh) 生成页面文件的方法、系统以及计算机设备
Engel et al. Evaluation of model-based user interface development approaches
CN112417345B (zh) 渲染方法、装置、电子设备及存储介质
CN114896918A (zh) 针对功能函数模块的实时可视化方法和系统
Sprogis ajoo: WEB based framework for domain specific modeling tools
KR20180047200A (ko) 스프라이트 그래픽 제작 장치 및 방법
Castelló et al. ViSta: a tool suite for the visualization of behavioral requirements
CN118034568B (zh) 手写输入处理的方法及装置
CN115586898A (zh) 一种用户交互ui界面的生成方法及装置
CN110795087B (zh) 对uml设计图的图元处理方法、装置和计算机设备
US20240241500A1 (en) Dynamic data masking for graphical and textual content in robotic process automation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210528

Termination date: 20211226