基于BP神经网络算法对服装设计过程建模策略的研究王玲①(安庆职业技术学院,安徽安庆246003)摘要:本文针对服装制造领域为了满足民众的定制穿衣需求,在科技与生产的结合中探索新的定制设计方法。利用BP神经网络技术对服装的尺寸进行物理模型设定,然后结合Clo3D软件与BP神经网络算法对服装进行打板设计,缩短了设计周期,降低了生产成本,提高了时间效率,满足服装行业在快消品市场中庞大的需求量,满足服装的功能各向异性,季节更迭的穿衣习性,时尚潮流与流行的引领,专业运动服饰的柔性定制等有着极大的助益。关键词:BP神经网络;物理建模;clo3D;服装生产中图分类号:TS941.26文献标志码:A文章编号:20959699(2022)060031051文献综述反向传播(BackPropagation,BP)神经网络算法其原理为符合函数链,计算过程包括输入数据的正向传播和输出误差的反向传播[1]。BP神经网络神经算法是人工智能发展过程出现的算法,BP算法出现时间较早,但因为计算机性能等多重问题导致该算法的实用性较低,随着计算机科学的发展和人工智能领域的发展使BP神经网络算法得到了重视[2]。BP神经网络算法属于计算机深入学习的一种方法,根据样本数量和设定点,通过迭代计算来实现学习的目的,对自变量与因变量之间的关系进行图1神经元模型图描述[3]。例如,本文研究中设定模特的身高尺寸为自变量,而所需要设计服装的尺寸为因变量,通过BP神经网络算法的迭代计算获得所需要的设计。具体神经元模型图如图1所示。在图2中Xi表示输入层,Yi表示隐含层,而Wi表示为输入层与输出层之间的权值,当Wi为正时表示激活,当Wi为负时表示抑制。F代表着BP神经网络算法中输入层到输出层之间的激活函数,其作用为限定输出的范围。在使用BP神经网络算法时,需要设定一个阈值,该阈值可以输入函数。BP网络神经算法是多元神经组合,以三层BP神经网络为例,其中包含输入层、隐含层和输出层,具体的结构如图2所示。图2BP网络神经算法结构图图2中X表示为输入层,在输入层中有n个神第37卷第6期2022年12月景德镇学院学报JournalofJingDeZhenUniversityVol.37No.6Dce.2022①收稿日期:20220920基金项目:省级教学示范课(2020JJXSF1589);省级教学示范课(2020SJJXSFK1588);省级自然科学研究重点项目(KJ2021A1435)作者简介:王玲(1979),女,安徽安庆人。讲师,本科,从事服装设计与工艺研究。经元,每个神经元与隐含层Y相连,在隐含层中有m个神经元,输入层向隐含层传送的为网络权重值,使用V来表示。隐含层Y通过网络权重值W向输出层O传递...
