CN114879944A - 可视化多学科智能设计平台及其任务创建方法 - Google Patents
可视化多学科智能设计平台及其任务创建方法 Download PDFInfo
- Publication number
- CN114879944A CN114879944A CN202210808374.0A CN202210808374A CN114879944A CN 114879944 A CN114879944 A CN 114879944A CN 202210808374 A CN202210808374 A CN 202210808374A CN 114879944 A CN114879944 A CN 114879944A
- Authority
- CN
- China
- Prior art keywords
- design
- data
- model
- nodes
- node
- 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.)
- Granted
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
Abstract
本发明公开一种可视化多学科智能设计平台及其任务创建方法。可视化多学科智能设计平台可基于图标创建多学科设计任务;图标包括节点、接口和通道,节点用于指示图标的功能;接口用于指示图标的输入、输出数据的信息,不同接口颜色表征不同数据类型;通道用于两个图标之间的数据传递,通道两端的接口颜色一致的情况下可实现图标之间的数据传递。本发明以数据逻辑为驱动,设计逻辑为导向,开放了丰富的黑箱算法的接口,实现了以图标代替命令行进行多学科任务设计。通过细化的操作节点定义最基本的流程逻辑单元,并结合以数据类型为导向的连接方式,给予工程师、科研工作者等广泛用户群体极大的使用自由度,激发对于多学科设计的创造性。
Description
技术领域
本发明涉及多学科设计优化技术领域,尤其涉及一种可视化多学科智能设计平台及其任务创建方法。
背景技术
纵观目前的工业软件,不乏图形化、节点化的多学科设计平台,但这些软件大多仅在操作界面的层面上将流程化的树状结构转化为图形化的结构。因此,与传统意义上的多学科设计平台相比并无本质上的不同,更多的差异性则体现在可视化效果和用户操作习惯的选择上。此外,为了降低用户的入门难度,同类软件多将多学科设计软件封装为一个“黑箱软件”,这在很大程度上降低了多学科设计方法的可拓展性,进而限制了同类软件的设计能力和应用领域。
目前,多学科设计软件ISight可以调用商业求解器和MATLAB等非CAE软件实现试验设计、敏感性分析、模型拟合、全局优化、随机性分析等多学科设计任务。但是,ISight以设计逻辑为驱动,将一些黑箱算法封装成了一个“黑箱软件”,这在很大程度上限制了其应用领域和设计能力,难以满足当前复杂问题的多样化设计需求。
因此,有必要提出一种基于图标的多学科设计任务创建,以解决上述问题。
发明内容
本发明的目的在于提供一种基于图标的多学科设计任务创建,以满足更为复杂、更加多样化的多学科设计任务需求。
本发明提供一种可视化多学科智能设计平台,包括:
数据集创建模块,用于创建数据集;
多学科设计任务创建模块,用于基于图标创建针对所述数据集的多学科设计任务,所述多学科设计任务包括:敏感性分析任务、试验设计任务、模型拟合任务、随机性分析任务以及相关系数计算任务;其中,所述图标包括节点、接口和通道,所述节点用于指示图标的功能;所述接口用于指示图标的输入、输出数据的信息,不同的接口颜色表征不同的数据类型;所述通道用于两个图标之间的数据传递,通道两端的接口颜色一致的情况下可实现图标之间的数据传递。
进一步地,依据功能区别,所述节点的类型分为设计功能节点、数据处理节点以及后处理节点;
所述设计功能节点,用于封装所述多学科设计任务包含的算法或者功能函数;
所述数据处理节点,用于进行数据操作和运算,所述数据操作和运算包括数据加载、三角函数和矩阵运算,所述运算用于对设计任务的数据进行预处理;
所述后处理节点,用于评估和对设计结果进行可视化。
进一步地,所述数据类型包括浮点型、整型、布尔型、字符串、矩阵型和函数型。
进一步地,数据流从左向右,逐一图标进行传递;当某一通道两端的数据类型不一致时,以带错误指示标记的虚线通道指示错误的数据传递通道,错误的数据通道无法正常传递数据流,错误的数据通道后续图标无法获取有效数据。
本发明提供以上所述的可视化多学科智能设计平台的任务创建方法,包括创建敏感性分析任务:
创建数据集;通过加载本地数据文件、添加矩阵数据节点或试验设计方法创建数据集;
定义敏感性分析方法;选择不同的数据集创建方式,为敏感性分析节点定义设计变量和输出响应;通过加载本地数据文件创建数据集定义敏感性分析节点的设计变量和输出响应;或者,通过添加矩阵数据节点创建数据集定义模型节点定义设计变量和输出响应:双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为设计变量和输出响应两个不同的数据集。
进一步地,加载本地数据文件包括:打开节点选板,选择输入类型,选择添加浏览文件节点;打开节点选板,选择文件I/O,选择添加路径转数据节点,选择连接浏览文件节点的字符串接口与路径转数据节点的文件路径接口;当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型,可通过打开节点选板,选择输入类型,选择添加下拉列表节点;下拉列表节点能够自动获取浏览文件节点的文件路径中的sheet或变量名,方便用户快速选择不同的数据集;当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型时,如果不添加下拉列表节点,则路径转数据节点默认读取文件中第一个sheet或变量对应的数据集;
添加矩阵数据节点包括:打开节点选板,选择输入类型,选择添加矩阵节点,矩阵节点可通过以下两种方式创建数据集:双击矩阵节点,弹出矩阵定义窗口,点击窗口左上角的矩阵大小按钮定义矩阵的维度;或者,双击矩阵节点,弹出矩阵定义窗口,点击窗口右上角按钮加载本地数据文件,点击窗口右上角导入数据按钮。
进一步地,包括创建试验设计任务:
定义算法;试验设计任务中,方法的定义主要包括随机种子、设计维度、样本数量、设计空间和分布形式的定义;打开节点选板,试验设计,选择合适算法;
定义设计空间;设计空间的定义格式为一个2×n的矩阵,其中,n是设计维度,第一行是设计空间中每一设计维度的取值下限,第二行为每一设计维度的取值上限;当试验设计节点的设计空间接口未连接输入,则试验设计过程中,每一设计维度的取值区间使用默认区间[0,1];通过加载本地数据文件创建数据集定义试验设计节点的设计空间;通过添加矩阵数据节点创建数据集试验设计节点的设计空间;
定义分布形式;支持均匀分布、正态分布、对数正态分布、对数均匀分布、指数分布,试验设计节点默认采集均匀分布的数据,可使用字符串类型数据对试验设计的采样分布进行定义;使用字符串定义试验设计的采样分布形式,或者使用下拉列表自动获取试验设计的采样分布形式。
进一步地,包括创建模型拟合任务:
定义模型;模型拟合任务中,模型的定义包括输入变量、输出响应、存储路径的定义;添加模型;选择不同的数据集创建方式,为模型节点的输入和输出响应:通过加载本地数据文件创建数据集定义模型节点定义输入和输出响应;通过添加矩阵数据节点创建数据集定义模型节点定义输入和输出响应,双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为输入和输出响应两个不同的数据集;通过使用试验设计方法创建数据集定义模型节点定义输入和输出响应;定义模型存储路径,将定义好存储路径的字符串节点连接至模型的第4个输入接口,则可将训练完成的模型存储与目标路径,若模型节点的第4个输入接口未连接,则不对训练完成的模型进行存储操作;
测试模型;完成模型拟合训练后,需要对训练模型的精度进行测试;使用可视化图像和评价指标对训练模型的精度进行测试;当不使用交叉验证训练时,模型的输出接口有7个,分别是:训练模型、训练输入、训练实际响应、训练实际响应的预测结果、测试输入、测试实际响应和测试实际响应的预测结果;可以通过训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果,对模型的训练或测试结果进行可视化或计算评价指标;
模型训练结果可视化;添加可视化图像节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别可视化训练模型的训练结果和预测结果;
模型训练结果的评价指标计算;添加评价指标节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别计算训练模型的训练结果和预测结果的评价指标;
使用模型;使用一个特定节点传统机器学习来加载已训练完成的模型,作进一步设计计算;加载已完成训练的模型的方式有两种:使用路径转模型节点加载目标路径的模型文件;直接读取模型节点中的输出接口训练模型。
进一步地,包括创建随机性分析任务:
创建数据集;选择不同的数据集创建方式,为模型节点的设计变量和输出响应;
定义算法;随机性分析任务中,方法的定义主要包括设计变量和输出响应的定义。
进一步地,包括通过以下步骤创建相关系数计算任务:
创建数据集;选择不同的数据集创建方式,为模型节点的设计变量和输出响应:
定义算法;相关系数计算任务中,方法的定义主要包括设计变量和输出响应的定义。
本发明的有益效果如下:本发明提供的一种可视化多学科智能设计平台及其任务创建方法,以数据逻辑为驱动,设计逻辑为导向,开放了丰富的黑箱算法的接口,实现了以图标代替命令行进行多学科任务设计。通过细化的操作节点定义最基本的流程逻辑单元,并结合以数据类型为导向的连接方式,给予工程师、科研工作者等广泛用户群体极大的使用自由度,激发对于多学科设计的创造性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种可视化多学科智能设计平台的图标示意图;
图2为本发明的一种可视化多学科智能设计平台的错误的数据通道表征示意图。
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,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。以下结合附图,详细说明本发明各实施例提供的技术方案。
请参阅图1,本发明提供一种可视化多学科智能设计平台,包括:数据集创建模块,用于创建数据集;多学科设计任务创建模块,用于基于图标创建针对所述数据集的多学科设计任务,所述多学科设计任务包括:敏感性分析任务、试验设计任务、模型拟合任务、随机性分析任务以及相关系数计算任务。其中,所述图标包括节点1、接口3和通道2,所述节点用于指示图标的功能。所述接口用于指示图标的输入、输出数据的信息,不同的接口颜色表征不同的数据类型。所述通道用于两个图标之间的数据传递,通道两端的接口颜色一致的情况下可实现图标之间的数据传递。
依据功能区别,所述节点的类型分为设计功能节点、数据处理节点以及后处理节点。
所述设计功能节点,用于封装所述多学科设计任务包含的算法或者功能函数。例如,敏感性分析任务包含随机抽样算法。模型拟合任务包含随机森林算法。
所述数据处理节点,用于进行数据操作和运算,所述数据操作和运算包括数据加载、三角函数和矩阵运算,所述运算用于对设计任务的数据进行预处理。所述后处理节点,用于评估和对设计结果进行可视化。
所述数据类型包括浮点型、整型、布尔型、字符串、矩阵型和函数型。理论上,只要通道两端接口的颜色一致(即数据类型一致),无论相连两端数据的物理意义是否科学,该连接方式即视为正确合理。本发明支持的数据类型有浮点型、整型、布尔型、字符串、矩阵型和函数型:
浮点型。接口颜色为黄色。它是类似于C语言中的双精度浮点型数据格式;
整型。接口颜色为蓝色。它是十进制整型,类似于C语言中的有符号长整型,与系统最大整型一致(如32位机器上的整型是32位,64位机器上的整型是位);
布尔型。接口颜色为绿色。本质上是整型的子类型,取值范围为真和假,分别对应整型的1和0;
字符串型。接口颜色为红色。它的内容几乎可以包含任何中英文字符;
函数型。接口颜色为紫色。它是本发明定义的独有的数据类型,是以Python语言中的函数形式存在的对象。
请参阅图2,数据流从左向右,逐一图标进行传递。当某一通道两端的数据类型不一致时,以带错误指示标记的虚线通道4指示错误的数据传递通道,错误的数据通道无法正常传递数据流,错误的数据通道后续图标无法获取有效数据。
本发明还提供可视化多学科智能设计平台的任务创建方法,包括创建敏感性分析任务:
创建数据集。通过加载本地数据文件、添加矩阵数据节点或试验设计方法创建数据集。
定义敏感性分析方法。选择不同的数据集创建方式,为敏感性分析节点定义设计变量和输出响应。通过加载本地数据文件创建数据集定义敏感性分析节点的设计变量和输出响应。或者,通过添加矩阵数据节点创建数据集定义模型节点定义设计变量和输出响应:双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为设计变量和输出响应两个不同的数据集。
具体地,加载本地数据文件包括:打开节点选板,选择输入类型,选择添加浏览文件节点。打开节点选板,选择文件I/O,选择添加路径转数据节点,选择连接浏览文件节点的字符串接口与路径转数据节点的文件路径接口。当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型,可通过打开节点选板,选择输入类型,选择添加下拉列表节点。下拉列表节点能够自动获取浏览文件节点的文件路径中的sheet或变量名,方便用户快速选择不同的数据集。当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型时,如果不添加下拉列表节点,则路径转数据节点默认读取文件中第一个sheet或变量对应的数据集。
添加矩阵数据节点包括:打开节点选板,选择输入类型,选择添加矩阵节点,矩阵节点可通过以下两种方式创建数据集:双击矩阵节点,弹出矩阵定义窗口,点击窗口左上角的矩阵大小按钮定义矩阵的维度。或者,双击矩阵节点,弹出矩阵定义窗口,点击窗口右上角按钮加载本地数据文件,点击窗口右上角导入数据按钮。
进一步地,包括创建试验设计任务:
定义算法。试验设计任务中,方法的定义主要包括随机种子、设计维度、样本数量、设计空间和分布形式的定义。打开节点选板,试验设计,选择合适算法。
定义设计空间。设计空间的定义格式为一个2×n的矩阵,其中,n是设计维度,第一行是设计空间中每一设计维度的取值下限,第二行为每一设计维度的取值上限。当试验设计节点的设计空间接口未连接输入,则试验设计过程中,每一设计维度的取值区间使用默认区间[0,1];通过加载本地数据文件创建数据集定义试验设计节点的设计空间。通过添加矩阵数据节点创建数据集试验设计节点的设计空间。
定义分布形式。支持均匀分布、正态分布、对数正态分布、对数均匀分布、指数分布,试验设计节点默认采集均匀分布的数据,可使用字符串类型数据对试验设计的采样分布进行定义。使用字符串定义试验设计的采样分布形式,或者使用下拉列表自动获取试验设计的采样分布形式。
进一步地,包括创建模型拟合任务:
定义模型。模型拟合任务中,模型的定义包括输入变量、输出响应、存储路径的定义。添加模型。选择不同的数据集创建方式,为模型节点的输入和输出响应:通过加载本地数据文件创建数据集定义模型节点定义输入和输出响应。通过添加矩阵数据节点创建数据集定义模型节点定义输入和输出响应,双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为输入和输出响应两个不同的数据集。通过使用试验设计方法创建数据集定义模型节点定义输入和输出响应。定义模型存储路径,将定义好存储路径的字符串节点连接至模型的第4个输入接口,则可将训练完成的模型存储与目标路径,若模型节点的第4个输入接口未连接,则不对训练完成的模型进行存储操作。
测试模型。完成模型拟合训练后,需要对训练模型的精度进行测试。使用可视化图像和评价指标对训练模型的精度进行测试。当不使用交叉验证训练时,模型的输出接口有7个,分别是:训练模型、训练输入、训练实际响应、训练实际响应的预测结果、测试输入、测试实际响应和测试实际响应的预测结果。可以通过训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果,对模型的训练或测试结果进行可视化或计算评价指标。
模型训练结果可视化。添加可视化图像节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别可视化训练模型的训练结果和预测结果。
模型训练结果的评价指标计算。添加评价指标节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别计算训练模型的训练结果和预测结果的评价指标。
使用模型。使用一个特定节点传统机器学习来加载已训练完成的模型,作进一步设计计算。加载已完成训练的模型的方式有两种:使用路径转模型节点加载目标路径的模型文件。直接读取模型节点中的输出接口训练模型。
进一步地,包括创建随机性分析任务:
创建数据集。选择不同的数据集创建方式,为模型节点的设计变量和输出响应。
定义算法。随机性分析任务中,方法的定义主要包括设计变量和输出响应的定义。
进一步地,包括通过以下步骤创建相关系数计算任务:
创建数据集。选择不同的数据集创建方式,为模型节点的设计变量和输出响应:
定义算法。相关系数计算任务中,方法的定义主要包括设计变量和输出响应的定义。
本说明书中各个实施例之间相同相似的部分互相参见即可。以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (9)
1.一种可视化多学科智能设计平台,其特征在于,包括:数据集创建模块,用于创建数据集;多学科设计任务创建模块,用于基于图标创建针对所述数据集的多学科设计任务,所述多学科设计任务包括:敏感性分析任务、试验设计任务、模型拟合任务、随机性分析任务以及相关系数计算任务;其中,所述图标包括节点、接口和通道,所述节点用于指示图标的功能;所述接口用于指示图标的输入、输出数据的信息,不同的接口颜色表征不同的数据类型;所述通道用于两个图标之间的数据传递,通道两端的接口颜色一致的情况下可实现图标之间的数据传递;依据功能区别,所述节点的类型分为设计功能节点、数据处理节点以及后处理节点;所述设计功能节点,用于封装所述多学科设计任务包含的算法或者功能函数;所述数据处理节点,用于进行数据操作和运算,所述数据操作和运算包括数据加载、三角函数和矩阵运算,所述运算用于对设计任务的数据进行预处理;所述后处理节点,用于评估和对设计结果进行可视化。
2.如权利要求1所述的一种可视化多学科智能设计平台,其特征在于,所述数据类型包括浮点型、整型、布尔型、字符串、矩阵型和函数型。
3.如权利要求1所述的一种可视化多学科智能设计平台,其特征在于,数据流从左向右,逐一图标进行传递;当某一通道两端的数据类型不一致时,以带错误指示标记的虚线通道指示错误的数据传递通道,错误的数据通道无法正常传递数据流,错误的数据通道后续图标无法获取有效数据。
4.一种权利要求1~3任一项所述的可视化多学科智能设计平台的任务创建方法,其特征在于,包括创建敏感性分析任务:创建数据集;通过加载本地数据文件、添加矩阵数据节点或试验设计方法创建数据集;定义敏感性分析方法;选择不同的数据集创建方式,为敏感性分析节点定义设计变量和输出响应;通过加载本地数据文件创建数据集定义敏感性分析节点的设计变量和输出响应;或者,通过添加矩阵数据节点创建数据集定义模型节点定义设计变量和输出响应:双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为设计变量和输出响应两个不同的数据集。
5.如权利要求4所述的可视化多学科智能设计平台的任务创建方法,其特征在于,加载本地数据文件包括:打开节点选板,选择输入类型,选择添加浏览文件节点;打开节点选板,选择文件I/O,选择添加路径转数据节点,选择连接浏览文件节点的字符串接口与路径转数据节点的文件路径接口;当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型,可通过打开节点选板,选择输入类型,选择添加下拉列表节点;下拉列表节点能够自动获取浏览文件节点的文件路径中的sheet或变量名,方便用户快速选择不同的数据集;当浏览文件节点的文件路径为xls、xlsx、mat这类包含多个sheet或变量的文件类型时,如果不添加下拉列表节点,则路径转数据节点默认读取文件中第一个sheet或变量对应的数据集;添加矩阵数据节点包括:打开节点选板,选择输入类型,选择添加矩阵节点,矩阵节点可通过以下两种方式创建数据集:双击矩阵节点,弹出矩阵定义窗口,点击窗口左上角的矩阵大小按钮定义矩阵的维度;或者,双击矩阵节点,弹出矩阵定义窗口,点击窗口右上角按钮加载本地数据文件,点击窗口右上角导入数据按钮。
6.如权利要求4所述的可视化多学科智能设计平台的任务创建方法,其特征在于,包括创建试验设计任务:定义算法;试验设计任务中,方法的定义主要包括随机种子、设计维度、样本数量、设计空间和分布形式的定义;打开节点选板,试验设计,选择合适算法;定义设计空间;设计空间的定义格式为一个2×n的矩阵,其中,n是设计维度,第一行是设计空间中每一设计维度的取值下限,第二行为每一设计维度的取值上限;当试验设计节点的设计空间接口未连接输入,则试验设计过程中,每一设计维度的取值区间使用默认区间[0,1];通过加载本地数据文件创建数据集定义试验设计节点的设计空间;通过添加矩阵数据节点创建数据集试验设计节点的设计空间;定义分布形式;支持均匀分布、正态分布、对数正态分布、对数均匀分布、指数分布,试验设计节点默认采集均匀分布的数据,可使用字符串类型数据对试验设计的采样分布进行定义;使用字符串定义试验设计的采样分布形式,或者使用下拉列表自动获取试验设计的采样分布形式。
7.如权利要求4所述的可视化多学科智能设计平台的任务创建方法,其特征在于,包括创建模型拟合任务:定义模型;模型拟合任务中,模型的定义包括输入变量、输出响应、存储路径的定义;添加模型;选择不同的数据集创建方式,为模型节点的输入和输出响应:通过加载本地数据文件创建数据集定义模型节点定义输入和输出响应;通过添加矩阵数据节点创建数据集定义模型节点定义输入和输出响应,双击矩阵节点,右键表格,点击拆分数据,将矩阵节点定义的数据集拆分为输入和输出响应两个不同的数据集;通过使用试验设计方法创建数据集定义模型节点定义输入和输出响应;定义模型存储路径,将定义好存储路径的字符串节点连接至模型的第4个输入接口,则可将训练完成的模型存储与目标路径,若模型节点的第4个输入接口未连接,则不对训练完成的模型进行存储操作;测试模型;完成模型拟合训练后,需要对训练模型的精度进行测试;使用可视化图像和评价指标对训练模型的精度进行测试;当不使用交叉验证训练时,模型的输出接口有7个,分别是:训练模型、训练输入、训练实际响应、训练实际响应的预测结果、测试输入、测试实际响应和测试实际响应的预测结果;可以通过训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果,对模型的训练或测试结果进行可视化或计算评价指标;模型训练结果可视化;添加可视化图像节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别可视化训练模型的训练结果和预测结果;模型训练结果的评价指标计算;添加评价指标节点,将其分别与训练实际响应和训练实际响应的预测结果或测试实际响应和测试实际响应的预测结果接口连接,可分别计算训练模型的训练结果和预测结果的评价指标;使用模型;使用一个特定节点传统机器学习来加载已训练完成的模型,作进一步设计计算;加载已完成训练的模型的方式有两种:使用路径转模型节点加载目标路径的模型文件;直接读取模型节点中的输出接口训练模型。
8.如权利要求4所述的可视化多学科智能设计平台的任务创建方法,其特征在于,包括创建随机性分析任务:创建数据集;选择不同的数据集创建方式,为模型节点的设计变量和输出响应;定义算法;随机性分析任务中,方法的定义主要包括设计变量和输出响应的定义。
9.如权利要求4所述的可视化多学科智能设计平台的任务创建方法,其特征在于,包括通过以下步骤创建相关系数计算任务:创建数据集;选择不同的数据集创建方式,为模型节点的设计变量和输出响应:定义算法;相关系数计算任务中,方法的定义主要包括设计变量和输出响应的定义。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210808374.0A CN114879944B (zh) | 2022-07-11 | 2022-07-11 | 可视化多学科智能设计平台及其任务创建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210808374.0A CN114879944B (zh) | 2022-07-11 | 2022-07-11 | 可视化多学科智能设计平台及其任务创建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114879944A true CN114879944A (zh) | 2022-08-09 |
CN114879944B CN114879944B (zh) | 2022-11-11 |
Family
ID=82683353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210808374.0A Active CN114879944B (zh) | 2022-07-11 | 2022-07-11 | 可视化多学科智能设计平台及其任务创建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879944B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046047A1 (en) * | 2001-08-30 | 2003-03-06 | The Boeing Company | Integrated multi-disciplinary optimization process for thermal protection system design |
CN101216760A (zh) * | 2007-12-28 | 2008-07-09 | 北京方正国际软件系统有限公司 | 一种动态映射接口调用系统及方法 |
US20170048276A1 (en) * | 2015-06-22 | 2017-02-16 | Invotas Cyber Solutions, Inc. | Methods and apparatus for graphical user interface environment for creating threat response courses of action for computer networks |
CN112395100A (zh) * | 2020-10-10 | 2021-02-23 | 北京仿真中心 | 一种数据驱动的复杂产品云服务数据包调用方法及系统 |
US20210342507A1 (en) * | 2020-05-04 | 2021-11-04 | Schlumberger Technology Corporation | Multi-disciplinary optimization-enabled design automation and optimization for pressure-controlling components |
CN113687821A (zh) * | 2021-10-27 | 2021-11-23 | 北京麟卓信息科技有限公司 | 一种基于图形可视化的智能代码拼接方法 |
-
2022
- 2022-07-11 CN CN202210808374.0A patent/CN114879944B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046047A1 (en) * | 2001-08-30 | 2003-03-06 | The Boeing Company | Integrated multi-disciplinary optimization process for thermal protection system design |
CN101216760A (zh) * | 2007-12-28 | 2008-07-09 | 北京方正国际软件系统有限公司 | 一种动态映射接口调用系统及方法 |
US20170048276A1 (en) * | 2015-06-22 | 2017-02-16 | Invotas Cyber Solutions, Inc. | Methods and apparatus for graphical user interface environment for creating threat response courses of action for computer networks |
US20210342507A1 (en) * | 2020-05-04 | 2021-11-04 | Schlumberger Technology Corporation | Multi-disciplinary optimization-enabled design automation and optimization for pressure-controlling components |
CN112395100A (zh) * | 2020-10-10 | 2021-02-23 | 北京仿真中心 | 一种数据驱动的复杂产品云服务数据包调用方法及系统 |
CN113687821A (zh) * | 2021-10-27 | 2021-11-23 | 北京麟卓信息科技有限公司 | 一种基于图形可视化的智能代码拼接方法 |
Non-Patent Citations (3)
Title |
---|
严勇等: "一种多学科设计优化工作流验证方法", 《计算机工程与应用》 * |
曾红: "图形化编程对象模型及运行算法设计", 《现代电子技术》 * |
热锅上的鱼: "Isight经典入门视频教程", 《HTTPS://WWW.BILIBILI.COM/VIDEO/BV1FT411V7JB/》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114879944B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rue-Albrecht et al. | iSEE: interactive summarizedexperiment explorer | |
Zhang | Parametric regression model for survival data: Weibull regression model as an example | |
Adler | R in a nutshell: A desktop quick reference | |
Pekár et al. | Modern analysis of biological data: generalized linear models in R | |
Green et al. | Usability analysis of visual programming environments: a ‘cognitive dimensions’ framework | |
Shen | Principles and applications of multilevel modeling in human resource management research | |
Hopcroft et al. | Data structures and algorithms | |
US11294645B2 (en) | Visual virtual programming machine for real-time interactive creation, playback, execution, inspection and manipulation of programming elements | |
Mazor et al. | A guide to VHDL | |
US9524176B2 (en) | Method and system for binding graphical interfaces to textual code | |
US5572650A (en) | Method and apparatus for displaying structures and relationships of a relational database | |
US5559939A (en) | Method and apparatus for preparing a document containing information in real mathematical notation | |
CN110826720B (zh) | 一种界面的显示方法及装置、界面的切换方法及装置 | |
CN110377704A (zh) | 数据一致性的检测方法、装置和计算机设备 | |
CN105210054A (zh) | 数据源到复合控件的绑定 | |
KR20130040014A (ko) | 변수 연관관계 자동 탐색 및 이를 이용한 동적 결과 리포트 산출방법 | |
Dalpiaz | Applied statistics with R | |
CN114879944B (zh) | 可视化多学科智能设计平台及其任务创建方法 | |
US8798971B2 (en) | System and method for using a truth table graphical function in a statechart | |
Rezaee et al. | Conditional inference tree modelling of competing motivators of the positioning of concessive clauses: The case of a non-native corpus | |
Liberty | Learning Visual Basic. NET: Introducing the Language,. NET Programming & Object Oriented Software Development | |
WO2007101095A2 (en) | Using a document model to create and maintain dynamic mathematic representations through problem spaces | |
CN110532181A (zh) | Es6特性兼容性检测系统及方法 | |
Lappi et al. | J—Users’ Guide 2.1 | |
Fritzson et al. | OpenModelica Users Guide |
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 |