研究小样本情况下，GAN在复杂产品费用预测上的应用。针对小样本情况下传统神经网络难以训练、预测准确度不高的问题，采用GAN网络与CNN网络结合的方法，借助GAN判别网络强大的特征提取能力，提取出样本的浅层特征，并将特征共享给CNN预测网络。CNN预测网络与判别网络共同约束生成网络，从而训练整个神经网络，最后以CNN预测网络进行复杂产品费用预测。以导弹作为复杂产品的样例进行实验，经实验论证，GAN-CNN联合网络预测的准确性约为95%。

基于知识工程的复杂产品智能配置系统研究.pdf

基于增强现实的复杂产品智能装配辅助系统研究.pdf

#资源达人分享计划#

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assemblysequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域。算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作。针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力。基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数。最后通过实例分析验证了该算法的有效性。