安琪 陳靜雯
摘 要:結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)西裝樣板繪制方法進(jìn)行研究。將客戶的量體數(shù)據(jù)作為輸入?yún)?shù),將西裝樣板繪制的關(guān)鍵尺寸作為期望輸出參數(shù),建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。使用樣本數(shù)據(jù)驗(yàn)證模型,結(jié)果表明:使用神經(jīng)網(wǎng)絡(luò)模型生成西裝樣板繪制參數(shù),具有較高的精確度和靈活性,有很好地應(yīng)用價(jià)值。
關(guān)鍵詞:西裝樣板;預(yù)測(cè)模型;BP神經(jīng)網(wǎng)絡(luò)
傳統(tǒng)西裝樣板制作過(guò)程周期較長(zhǎng)。考慮使用BP神經(jīng)網(wǎng)絡(luò)技術(shù),建立預(yù)測(cè)模型,將量體數(shù)據(jù)通過(guò)網(wǎng)絡(luò)模型計(jì)算得到樣板繪制參數(shù),實(shí)現(xiàn)西裝樣板參數(shù)的自動(dòng)生成。
一、BP神經(jīng)網(wǎng)絡(luò)原理
BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland提出的,是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程,僅通過(guò)自身的訓(xùn)練,學(xué)習(xí)某種規(guī)則,在給定輸入值時(shí)得到最接近期望輸出值的結(jié)果。它利用梯度搜索反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,以期使網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的誤差均方差為最小。
BP神經(jīng)網(wǎng)絡(luò)分為輸入層和輸出層,兩層之間還可以包含若干個(gè)隱含層。一般來(lái)說(shuō),使用帶有一個(gè)隱含層的三層BP就可以完成任意m維到n維的映射,如圖1所示。
BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程分為兩部分:
1.正向傳遞得到預(yù)測(cè)數(shù)據(jù)
正向傳遞的過(guò)程,即數(shù)據(jù)從輸入層輸入,經(jīng)過(guò)隱含層、輸出層的計(jì)算得到預(yù)測(cè)值,預(yù)測(cè)值為輸出層的輸出結(jié)果。輸出結(jié)果即:該層中所有節(jié)點(diǎn)(神經(jīng)元)的輸出值的集合。
2.反向傳播更新權(quán)重
根據(jù)樣本的真實(shí)目標(biāo)數(shù)據(jù),計(jì)算模型預(yù)測(cè)的結(jié)果與真實(shí)目標(biāo)結(jié)果的誤差,然后將該誤差反向傳播到各個(gè)隱含層,計(jì)算出各層的誤差,再根據(jù)各層的誤差,更新權(quán)重。
正向傳遞過(guò)程,網(wǎng)絡(luò)結(jié)構(gòu)為三層BP神經(jīng)網(wǎng)絡(luò),設(shè)輸入層、隱含層、輸出層的神經(jīng)元數(shù)量分別為m、h、n,在BP神經(jīng)網(wǎng)絡(luò)中,輸入層和輸出層的節(jié)點(diǎn)個(gè)數(shù)都是確定的,而隱含層節(jié)點(diǎn)個(gè)數(shù)不確定,而隱含層節(jié)點(diǎn)個(gè)數(shù)的多少對(duì)神經(jīng)網(wǎng)絡(luò)的性能是有影響的,可以根據(jù)經(jīng)驗(yàn)公式來(lái)確定隱含層節(jié)點(diǎn)個(gè)數(shù):,其中a為1-10之間的調(diào)節(jié)常數(shù),這只能確定出隱含層節(jié)點(diǎn)個(gè)數(shù)的大致范圍,具體還要根據(jù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果來(lái)調(diào)整。
設(shè)節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的權(quán)值為wij,節(jié)點(diǎn)j的閾值為bj,該節(jié)點(diǎn)的輸出值為xj,而每個(gè)節(jié)點(diǎn)的輸出值是根據(jù)上層所有節(jié)點(diǎn)的輸出值、當(dāng)前節(jié)點(diǎn)與上一層所有節(jié)點(diǎn)的權(quán)值和當(dāng)前節(jié)點(diǎn)的閥值還有激活函數(shù)來(lái)實(shí)現(xiàn)的。
二、基于BP神經(jīng)網(wǎng)絡(luò)的西裝樣板參數(shù)快速生產(chǎn)方法
樣本數(shù)據(jù)來(lái)源于100組不同款式不同號(hào)型的西服上裝樣板,以及各個(gè)樣板所對(duì)應(yīng)西裝試穿者的量體數(shù)據(jù)。其中80組數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)路,剩余20組數(shù)據(jù)對(duì)訓(xùn)練好的模型進(jìn)行驗(yàn)證。
BP神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)選擇基本量體數(shù)據(jù)為:肩寬、胸圍、袖長(zhǎng)、身長(zhǎng)、袖口,輸出層為繪制西裝樣板時(shí)的關(guān)鍵部位控制尺寸為:衣長(zhǎng)、胸圍線、腰圍線、背寬、前胸寬、前肩寬、肩線、前袖窿深、后袖窿深、前片胸圍、腋下胸圍、腋下片下擺、袖長(zhǎng)、袖肘線、袖山高、袖上線、袖口、小袖袖肥,如圖2所示。
神經(jīng)網(wǎng)絡(luò)的輸入層使用5個(gè)量體數(shù)據(jù),輸出層使用19個(gè)繪制關(guān)鍵尺寸,隱含層節(jié)點(diǎn)數(shù)為8,構(gòu)成了一個(gè)5×8×19的BP神經(jīng)網(wǎng)絡(luò)模型。
使用Matlab2016中nntool神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),先將樣本數(shù)據(jù)導(dǎo)入Matlab中,網(wǎng)絡(luò)選擇Feed-forward backprop;訓(xùn)練函數(shù)選TRAINSCG函數(shù);性能函數(shù)選MSE平均平方和誤差函數(shù);網(wǎng)絡(luò)層數(shù)選擇2層;第1層隱含層的節(jié)點(diǎn)數(shù)為8;激活函數(shù)為TANSIG即雙極性Sigmoid函數(shù)。
開(kāi)始訓(xùn)練,得到訓(xùn)練結(jié)果,經(jīng)過(guò)120步訓(xùn)練,誤差平方和達(dá)到了約0.0007,如圖3所示。
三、結(jié)果驗(yàn)證與分析
BP神經(jīng)網(wǎng)絡(luò)已訓(xùn)練完成。將另外剩余數(shù)據(jù)作為網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),使用已經(jīng)訓(xùn)練好模型進(jìn)行仿真,將其中的三組與原始數(shù)據(jù)對(duì)比,如圖4所示。
可以看出,訓(xùn)練過(guò)后的網(wǎng)絡(luò)模型仿真得到的數(shù)據(jù)與原始數(shù)據(jù)基本吻合,最大誤差在0.05左右,在實(shí)際情況下,幾乎不會(huì)對(duì)樣板繪制產(chǎn)生影響。因此,通過(guò)建立BP神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)并根據(jù)量體數(shù)據(jù)生成西裝樣板數(shù)據(jù),可以達(dá)到較為理想的效果,能夠在保證準(zhǔn)確度的前提下,提高西裝樣板制作的效率。
四、結(jié)語(yǔ)
本文將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于西裝樣板的繪制過(guò)程中。實(shí)現(xiàn)了通過(guò)較少的客戶量體數(shù)據(jù)生產(chǎn)較多的樣板繪制需要的具體參數(shù),建立的模型具有較高的精確度。為數(shù)字化的服裝樣板設(shè)計(jì)提供了可借鑒的思路。
參考文獻(xiàn):
[1] 吳俊,溫盛軍.BP神經(jīng)網(wǎng)絡(luò)在西服樣板設(shè)計(jì)中的應(yīng)用[J].紡織學(xué)報(bào),2008(09):113-116.
[2] 朱慶艷. EMTM背景下生活裝旗袍的樣板自動(dòng)生成系統(tǒng)研究[D].浙江理工大學(xué),2017.
[3] 石云.Bp神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)[J].湘南學(xué)院學(xué)報(bào),2010,31(05):86-88+111.
[4] 楊魯景,武進(jìn),石鵬飛.改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型實(shí)證分析[J].山西大同大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,31(04):14-16+37.
作者簡(jiǎn)介:安琪(1990-4-),性別:男,籍貫:陜西西安,單位:西安工業(yè)大學(xué),學(xué)歷(15級(jí)碩士),研究方向:制造業(yè)信息化與系統(tǒng)集技術(shù)。