ITMD-04

Лабораторная работа №4: Поиск нарушений проектных норм (DRC) с помощью графовых нейронных сетей

Цель работы:

Научиться использовать графовые нейронные сети (GNN) для выявления нарушений норм КТО

Задание №1. Знакомство с GNN

1. Установить пакет Jupyter Lab (https://jupyter.org) для работы с документами .ipynb. Пакет устанавливается несколькими способами и предпочтительный из них - pip install jupyterlab

2. Скачать файл lab-4.ipynb и разместить в некоторой папке. Перейти в терминале в эту папку и дать команду jupyter lab . После загрузки программы открыть браузер и перейти на локальный адрес localhost:8888 (подобный адрес будет отображаться в теминале и его можно найти среди ).

3. В окошке браузера открыть документ lab-4.ipynb и указать ядро для выполнения программ: Python 3.

4. Исследовать материал документа (отдельные моменты обсуждались на лекции)

Задание №2. Выявление нарушений: малая величина зазора между полигонами

1. Взять JSON-файл из предыдущих работ, внести в него ряд изменений, приводящих к появлению нарушения «Малая величина зазора между полигонами». Сохранить файл под именем test_schema.json.

2. Изменить программу в документе lab-4.ipynb, расположенную в разделе Часть 4. Финальное задание: Контрольная схема (Reference Layout) для работы с топологией, расположенной в файле test_schema.json. Натренированная GNN должна выявить в вашем файле с топологией ошибки и отобразить с помощью функции visualize_synthetic_graph(graph_data), которая также описана в документе. Выходные данные должны выглядеть примерно так:

Состав отчёта:

1. Титульный лист;
2. Формулировка задания;
3. Модифицированные код
4. Изображение топологии, выполненое в прошлых работах
5. Изображение графа связей с ошибками (см. рис)
6. Выводы