Актуальные проблемы в машиностроении. Том 11. № 1-2. 2024 Инновационные технологии в машиностроении ____________________________________________________________________ 37 машиностроения. GNN больше имеют рекомендательный характер, например, могут рекомендовать различные технические решения по обработке деталей и т.д., которые можно синтезировать уже в отдельные ТП. Реализация предложенного подхода может дать значительное сокращение сроков проектирования ТП, при этом качество проектирования может быть значительно выше, т.к. учитывается опыт множества ТП. Список литературы 1. Кондаков А.И. САПР технологических процессов: учебник для высших учебных заведений. – 3-е изд., стер. – М.: Академия, 2010. – 272 с. – ISBN 978-5-7695-6635-6. 2. Копылов Ю.Р. Компьютерные технологии в машиностроении (практикум + CD): учебное пособие. – Воронеж: Научная книга, 2012. – 508 с. – ISBN 978-5-4446-0120-4. – 1 CD-ROM. – Загл. с этикетки диска. 3. Вертикаль: система автоматизированного проектирования технологических процессов // Аскон. Российское инженерное ПО для проектирования, производства и бизнеса: [сайт]. – URL: https://ascon.ru/products/vertikal/ (дата обращения: 26.04.2024). 4. Кугаевский С.С. Технология механической обработки корпусных деталей на базе распознавания типовых конструктивных форм: учебное пособие. – Екатеринбург: Изд-во УрГУ, 2021. – 120 с. – ISBN 978-5-7996-3334-9. 5. The Graph Neural Network Model / F. Scarselli, M. Gori, A.C. Tsoi, M. Hagenbuchner, G. Monfardini // IEEE Transactions on Neural Networks. – 2009. – Vol. 20, iss. 1. – P. 61–80. – DOI: 10.1109/TNN.2008.2005605. 6. Желудков Н.В., Петров К.А. Графовые нейронные сети и их применение при проектировании цифровых СБИС // Труды Научно-исследовательского института системных исследований Российской академии наук. – 2022. – Т. 12, № 4. – С. 61–67. 7. Михалев О.Н., Янюшкин А.С. Генеративное глубокое обучение в автоматизации технологических процессов // Мехатроника, автоматика и робототехника. – 2023. – № 11. – С. 124–126. 8. Михалев О.Н., Янюшкин А.С. Большие объемы данных в системах автоматизированного проектирования // Автоматизированное проектирование в машиностроении. – 2023. – № 15. – С. 36–38. 9. Михалев О.Н., Янюшкин А.С. Автоматизация режимов резания при проектировании технологических процессов // Машиностроительные технологические системы: сборник трудов международной научно-технической конференции, Ростов-на-Дону, 26–30 сент. 2023 г. – Ростов н/Д.: Изд-во ДГТУ, 2023. – С. 51-57. 10. Babic B., Nesic N., Miljković Z. Automatic feature recognition using artificial neural networks to integrate design and manufacturing: review // Artificial Intelligence for Engineering Design, Analysis and Manufacturing. – 2011. – Vol. 25, iss. 3. – P. 289–304. – DOI: 10.1017/S0890060410000545. 11. Mandelli L., Berretti S. CAD 3D model classification by Graph Neural Networks: a new approach based on STEP format // Smart Tools and Applications in Graphics (STAG–2022) : proceedings of conference, Italy, Cagliari, 17–18 Nov. 2022. – 12 p. – URL: https://arxiv.org/pdf/2210.16815 (accessed: 26.04.2024). 12. Neb A., Briki I., Schönhof R. Development of a neural network to recognize standards and features from 3D CAD models // Procedia CIRP. – 2020. – Vol. 93. – P. 1429–1434. – URL: https://www.sciencedirect.com/science/article/pii/S2212827120305552?via%3Dihub (accessed: 26.04.2024).
RkJQdWJsaXNoZXIy MTk0ODM1