从PixelCNN的潜在空间生成新桥型的尝试

尝试使用生成式人工智能技术生成新的桥梁类型。使用三跨梁桥、拱桥、斜拉桥和悬索桥的对称结构图像数据集，基于Python编程语言、TensorFlow和Keras深度学习平台框架，构建并训练了PixelCNN。该模型能够捕捉图像的统计结构，并在给定先前像素的情况下计算下一个像素的概率分布。从获得的潜在空间采样中，可以生成不同于训练数据集的新桥型。PixelCNN可以在人类原创桥型的基础上，有机地组合不同的结构组件，创造出具有一定人类原创能力的新桥型。自回归模型无法理解序列的含义，而多模态模型结合了回归和自回归模型来理解序列。多模态模型应是未来实现通用人工智能的途径。