使用神经网络让我们的头脑摆脱b#）（%*细节并进入乐趣！

Atook · 发表于 2016-10-12 13:46:43

大家好！好久不见的健谈时间。.
因此，随着卡尔加里的石油和天然气工程业务逐渐衰落，事情发生了弯路，我开始将整个行业视为一段时间，然后在去年的选举中参与政治活动，而我一直在考虑如何利用自然语言处理来更好地组织我们的团队在团队项目中的工作。
也就是说，到目前为止，我已经阅读了至少五十篇论文，并且有数量惊人的开源工具可供我们利用。我们可以从简单地将完整的绘图和文档包输入系统开始，并让它识别功能，特别是在客户特定的绘图规范上，或者更好地访问驱动绘图和文档包的数据库。
至少我为石油和天然气设施的电气布线/互连设计派生了一个简单的3输入数据库，该数据库从工艺设计，购买信息和3D模型中可用于初学者的对象位置推断出所有布线。我退出这个项目的部分原因是我没有工具，无法利用我目前的时间资源快速推导出客户端标准。
我想在这里向社区发出呼吁，因为最终我在北美西北部石油和天然气行业的经验只有几年，如果值得开发这样的系统，那么就值得瞄准尽可能多的行业。我在大学期间的兴趣是硬件而不是软件，大量的高频模拟电子，集成电路设计，电力电子课程，最后是挑剔的岁月。随之而来的是大量的数学运算，虚数打开了小门户，进入简单的方法来描述复数，在我们经历了学习残差定理的心灵强奸之后。
撇开这一切不谈，我的动力来自于我们的工程行业正在慢慢外包的事实，因为在支付了软件和人员的高昂成本之后，似乎没有足够的钱留给投资者，因为我注意到的趋势是外包的增加以及许多公司与其客户之间的亲昵虐待关系，为整个行业带来了不好的名声。对于我们的许多客户来说，与转换公司和重新建立牢固关系相关的成本很高，因为即使他们也在努力保持所有设计方法的一致性。如果我们抛出神经网络中一些最近的进展，这些都不是重大问题。我认为我们甚至可以设计一个网络，可以在没有任何其他中介的情况下创建dwg文件，并在一夜之间重新创建行业。就我个人而言，我认为如果我要朝着这个方向努力，我很容易至少创建一个基于autocad的应用程序，该应用程序将结束我几年前一直在开发的系统，但在我开始之前，我想看看是否真的认真地看待这个问题。
干杯！

本帖以下内容被隐藏保护；需要你回复后，才能看到！

游客，如果您要查看本帖隐藏内容请回复

dgorsman · 发表于 2016-10-12 14:27:25

我一直对使用机器学习(通过tensorflow)来获得设计数据感到好奇，但还没有找到时间来获得数据集。
我同意你的观点，我可以访问大量数据集，这些数据集可用于学习集。我的第一个想法是，我需要挑选一个特定的问题，并只提取与该问题相关的数据。我获得最多经验和数据集的行业是景观灌溉，主要处理水力学(目前还不需要机器学习或神经网络)和定位喷头(这是我首先要解决的问题)。我最初的想法是选择整体设计问题的一个离散部分，并首先解决它。学会这样做后，分解设计问题的其他部分，并从那里延伸。可能性令人震惊。
我不确定您的要求，但是如果您正在寻找一个合作伙伴来探索如何使用现有的CAD绘图来创建一个使用机器学习来创建新设计图的设计应用程序，我很感兴趣。

Atook · 发表于 2016-10-12 17:32:04

“你在测量你认为你在测量的东西吗？”这是我最喜欢的短语之一，源自一个关于神经网络训练的故事。一些研究人员正在进行一个项目，以识别照片中伪装的装甲车。他们有一系列在神经网络训练周期中使用的图片；他们传入图像，告诉程序“车辆”或“没有车辆”，它完成了它的学习部分。当需要用其他图片进行测试时，没有一张奏效。他们重建了逻辑，使用了一组不同的图像，仍然一无所获。最后，一些聪明的人发现了一些东西：在学习集中的每一张图像中，所有有车辆的都是白天的。神经网络没有被告知图像中是否有车辆；它被告知哪些图像是白天的。是的，神经网络可能很有趣，但它们也有一种模糊性，这种模糊性在绘画创作中不会很好地发挥作用——尤其是当我们可以创建一个基本完成的模板绘画时。

dgorsman · 发表于 2016-10-12 18:37:53

对于各种各样的人来说，这是一个很好的问题。
我发送的图纸中解决的许多问题都很模糊，这意味着有不止一个解决方案，所以神经网络解决方案可能是有意义的。为景观区域的不规则形状和大小创建一个“基本完成的模板”并不容易。我当然认为这是值得探索的事情，最坏的情况是：我花时间学习那种从未流行过的机器学习时尚。最佳情况：我想出了如何通过单击一个按钮来解决设计过程中最耗时的部分，并最终在30秒内完成了一周的工作。
其他问题，如负载计算、电压损失或液压可以用软件精确计算，可能不是神经网络/机器学习的好候选者。那些我有算法，不需要太多时间去做。

使用神经网络让我们的头脑摆脱b#）（%*细节并进入乐趣！

发表回复

精选推荐