本發(fā)明涉及一種機器學(xué)習(xí)方法，特別是一種應(yīng)用于可配置bom的機器學(xué)習(xí)方法。
背景技術(shù)：
當(dāng)前，用戶需求往往具有高度不可預(yù)測性，在這種情況下（大規(guī)模定制），如何快速響應(yīng)客戶需求，成為企業(yè)所關(guān)注的焦點。
為了提高在大規(guī)模定制下的設(shè)計效率，企業(yè)采用的方式往往是通過搭建可配置bom結(jié)構(gòu)，并且對可配置bom添加選配規(guī)則，從而達到減少數(shù)據(jù)冗余度、提高設(shè)計效率、甚至是自動化設(shè)計的目的。但是，利用該種方法往往會出現(xiàn)，選配規(guī)則不完整、規(guī)則更新滯后、甚至是規(guī)則錯誤的情況。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于提供一種應(yīng)用于可配置bom的機器學(xué)習(xí)方法，以解決上述背景技術(shù)中提出的問題。
為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
一種應(yīng)用于可配置bom的機器學(xué)習(xí)方法，包含以下步驟：
a、獲取可配置bom的配置選項；
b、獲取當(dāng)前設(shè)計的可配置選項及值；
c、獲取可配置bom中所有選配項的狀態(tài)；
d、對獲取到的樣本數(shù)據(jù)進行訓(xùn)練；
e、更新選配項的擬合函數(shù)；
f、利用更新后的擬合函數(shù)進行設(shè)計。
作為本發(fā)明的進一步技術(shù)方案：所述步驟c具體是：由于客戶的需求具有高度不可預(yù)測性，會使得當(dāng)前可配置bom中已存在的選配項不能滿足所有客戶需求，因此可能會出現(xiàn)對已有的可配置bom進行擴展的情況，因此此處獲取到所有的選配項狀態(tài)亦包括新添加的選配項的狀態(tài)；根據(jù)每個選配項的狀態(tài)，得到機器學(xué)習(xí)中的輸出向量。
作為本發(fā)明的進一步技術(shù)方案：所述步驟d具體是：利用獲取到的特征向量、樣本數(shù)據(jù)以及輸出向量利用合適的網(wǎng)絡(luò)結(jié)構(gòu)，選取合適的激活函數(shù)，通過計算得到相應(yīng)的權(quán)值矩陣，最終得到符合預(yù)期的網(wǎng)絡(luò)結(jié)構(gòu)，即擬合函數(shù)。
作為本發(fā)明的進一步技術(shù)方案：所述步驟e具體是：對于可配置bom中的每一個選配項都更新其擬合函數(shù)，在本方法中，并不是對于整個可配置bom計算擬合函數(shù)，而是對于可配置bom中的每一個選配項計算擬合函數(shù)，這樣做的目的，使得可配置bom在保證可擴展性的情況下，更加靈活地獲得符合輸入量的擬合函數(shù)
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：利用本發(fā)明提出的方法，只需要基于可配置bom進行產(chǎn)品設(shè)計，就可不斷地更新符合當(dāng)前可配置bom的配置規(guī)則，當(dāng)設(shè)計達到一定次數(shù)后，甚至可找到該可配置bom的最佳設(shè)計規(guī)則。
附圖說明
圖1為本發(fā)明的應(yīng)用于可配置bom的機器學(xué)習(xí)示意圖。
具體實施方式
下面將對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
參閱圖1；本發(fā)明實施例中，一種應(yīng)用于可配置bom的機器學(xué)習(xí)方法，具體包含以下步驟：
a、獲取可配置bom的配置選項?？膳渲胋om的最大特點，就是具有配置選項（參數(shù)）；而不同的可配置bom，其配置選項不同，利用可配置bom中的配置選項，以確定機器學(xué)習(xí)中的特征向量。
b、獲取當(dāng)前設(shè)計的可配置選項及值。在基于可配置bom的設(shè)計完成后，獲取該可配置bom的配置選項及其對應(yīng)的數(shù)值，用于機器學(xué)習(xí)中的樣本輸入；
c、獲取當(dāng)前可配置bom中所有的選配項的狀態(tài)。由于客戶的需求具有高度不可預(yù)測性，會使得當(dāng)前可配置bom中已存在的選配項不能滿足所有客戶需求，因此可能會出現(xiàn)對已有的可配置bom進行擴展的情況，因此此處獲取到所有的選配項狀態(tài)亦包括新添加的選配項的狀態(tài)；根據(jù)每個選配項的狀態(tài)，得到機器學(xué)習(xí)中的輸出向量
d、對獲取到的樣本數(shù)據(jù)進行訓(xùn)練。利用獲取到的特征向量、樣本數(shù)據(jù)以及輸出向量利用合適的網(wǎng)絡(luò)結(jié)構(gòu)（感知器、多層神經(jīng)網(wǎng)絡(luò)等），選取合適的激活函數(shù)（如linear,tanh,sigmoid,relu等），通過計算（bp神經(jīng)網(wǎng)絡(luò)等）得到相應(yīng)的權(quán)值矩陣，最終得到符合預(yù)期的網(wǎng)絡(luò)結(jié)構(gòu)，即擬合函數(shù)（方程）。
e、更新選配項的擬合函數(shù)（方程）。對于可配置bom中的每一個選配項都更新其擬合函數(shù)，在本方法中，并不是對于整個可配置bom計算擬合函數(shù)，而是對于可配置bom中的每一個選配項計算擬合函數(shù)，這樣做的目的，使得可配置bom在保證可擴展性的情況下，更加靈活地獲得符合輸入量的擬合函數(shù)。
f、利用更新后的擬合函數(shù)進行新設(shè)計。對于用戶的新需求，在可配置bom中，可以直接利用已經(jīng)得到的擬合函數(shù)進行計算，從而得到每一個選配項，在當(dāng)前需求下的狀態(tài)，從而完成可配置bom的選配設(shè)計。
以上對本發(fā)明的較佳實施方式進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可作出種種的等同變型或替換，這些等同的變型或替換均包含在
本技術(shù)：
權(quán)利要求所限定的范圍內(nèi)。