BIKED：一个用于计算自行车设计的数据集及机器学习基准
机器学习
2021-08-19 v3 数据库
机器学习
摘要
在本文中，我们提出“BIKED”，一个由来自数百名设计师的4500个独立设计的自行车模型组成的数据集。我们期望BIKED能够支持自行车的多种数据驱动设计应用，并推动数据驱动设计方法的发展。该数据集包含多种设计信息，包括装配图、部件图、数值设计参数和类别标签。在本文中，我们首先讨论数据集的处理，然后重点介绍BIKED可帮助解决的一些突出研究问题。其中，我们进一步详细探讨以下问题：1）当前自行车市场和设计空间是否存在显著空白？我们使用无监督降维方法探索设计空间。2）如何识别自行车的类别，哪些因素在定义类别中起关键作用？我们通过使用不同形式的设计数据训练多种分类器，并基于置换的可解释性分析识别特别重要的参数，来解决自行车分类任务。3）如何使用不同的表示方法合成新自行车？我们考虑多种机器学习方法来生成新的自行车模型，并使用变分自编码器(Variational Autoencoders)在现有模型之间进行插值和外推。数据集和代码可在 http://decode.mit.edu/projects/biked/ 获取。
引用
@article{arxiv.2103.05844,
title = {BIKED: A Dataset for Computational Bicycle Design with Machine Learning Benchmarks},
author = {Lyle Regenwetter and Brent Curry and Faez Ahmed},
journal= {arXiv preprint arXiv:2103.05844},
year = {2021}
}