實施方案涉及使用計算模型來預(yù)測材料和輸出配方性質(zhì)，并使之可視化。鑒于由用戶提供的輸出配方性質(zhì)選擇和原材料選擇，此類技術(shù)對于預(yù)測輸出配方性質(zhì)和原材料可能特別有用。
背景技術(shù)：
1、人工智能(ai)是指通過“學(xué)習(xí)”來提升機器的能力，諸如通過存儲模式和/或示例，這些模式和/或示例可用于在以后采取行動。ai的示例包括人工神經(jīng)網(wǎng)絡(luò)(ann)、決策樹、支持向量機和偏最小二乘法；這些示例可被大致分類為機器學(xué)習(xí)(ml)算法。ann是可以通過對神經(jīng)元(諸如人腦中的神經(jīng)元)的網(wǎng)絡(luò)進行建模來處理信息的網(wǎng)絡(luò)，以處理已在特定環(huán)境中感測的信息(例如，刺激)。類似于人腦，神經(jīng)網(wǎng)絡(luò)通常包括多神經(jīng)元拓撲(例如，可以稱為人工神經(jīng)元)。ann操作是指使用人工神經(jīng)元處理輸入以執(zhí)行給定任務(wù)的操作?？梢酝ㄟ^執(zhí)行ml處理的示例任務(wù)可以包括機器視覺、語音識別、機器翻譯、社交網(wǎng)絡(luò)過濾和/或醫(yī)療診斷。
技術(shù)實現(xiàn)思路
1、一個方面涉及使用ml模型來預(yù)測材料和輸出配方性質(zhì)。ml模型可包括正向模型(從包括原材料及其重量分數(shù)的組合物預(yù)測配制材料的性質(zhì)的ml模型)和逆向模型(從配制材料的性質(zhì)預(yù)測原材料及其重量分數(shù)的ml模型)。
2、界面可用于接收來自用戶的選擇。這些選擇可包括輸出配方選擇、輸出配方性質(zhì)選擇以及原材料和重量分數(shù)選擇。可將輸出配方選擇、輸出配方性質(zhì)選擇和原材料選擇提供給ml模型。ml模型可預(yù)測原材料組成和輸出配方性質(zhì)，該原材料組成和輸出配方性質(zhì)可通過用戶界面提供給用戶。該配方還可包括每種原材料的重量百分比值。該配方可符合所選擇的原材料設(shè)計空間和所選擇的輸出配方性質(zhì)。
3、本公開的以上
技術(shù)實現(xiàn)要素：
不旨在描述每個所公開實施方案或本公開的每種實施方式。以下描述更具體地例示了示例性實施方案。在本申請通篇的若干處，通過示例列表提供指導(dǎo)，這些示例可以各種組合使用。在每種情況下，所列舉的列表僅充當(dāng)代表性群組且不應(yīng)被解釋為排它性列表。
1.一種裝置，所述裝置包括：
2.根據(jù)權(quán)利要求1所述的裝置，其中所述輸出配方是聚氨酯泡沫或非多孔材料，并且所述輸出配方選擇是用于舒適或絕緣或其他應(yīng)用的聚氨酯泡沫。
3.根據(jù)權(quán)利要求1所述的裝置，其中所述處理資源被進一步配置成：
4.根據(jù)權(quán)利要求1所述的裝置，其中所述處理資源被進一步配置成：
5.根據(jù)權(quán)利要求1所述的裝置，其中所述處理資源被進一步配置成：
6.根據(jù)權(quán)利要求1所述的裝置，其中所述處理資源被進一步配置成接收所述多個輸出配方性質(zhì)選擇中的一個或多個輸出配方性質(zhì)選擇的范圍。
7.根據(jù)權(quán)利要求6所述的裝置，其中所述多個輸出配方性質(zhì)選擇包括膠凝時間性質(zhì)、密度自由起發(fā)性質(zhì)、密度核心性質(zhì)、壓縮強度性質(zhì)、λ性質(zhì)和最小填充性質(zhì)中的一種或多種性質(zhì)。
8.根據(jù)權(quán)利要求1所述的裝置，其中所述處理資源被進一步配置成接收所述輸出配方選擇的最小數(shù)量和所述輸出配方選擇的最大數(shù)量。
9.一種方法，所述方法包括：
10.根據(jù)權(quán)利要求9所述的方法，所述方法還包括：
11.根據(jù)權(quán)利要求9所述的方法，所述方法還包括：響應(yīng)于接收到所述原材料，接收更新的原材料以及所更新的原材料的對應(yīng)重量百分比。
12.根據(jù)權(quán)利要求11所述的方法，所述方法還包括：
13.根據(jù)權(quán)利要求9所述的方法，所述方法還包括經(jīng)由所述用戶界面顯示所預(yù)測的輸出配方性質(zhì)的圖形表示。
14.根據(jù)權(quán)利要求9所述的方法，所述方法還包括導(dǎo)出所預(yù)測的輸出配方性質(zhì)和所預(yù)測的原材料。
15.根據(jù)權(quán)利要求9所述的方法，其中所預(yù)測的輸出配方性質(zhì)和所預(yù)測的原材料由所述機器學(xué)習(xí)模型存儲為歷史配方。