一、算法思想

神经网络通常用来进行预测任务，比如给定一张图片预测所属类别，给定一组数据预测未来数值。能不能用其生成图片、文本或者语音。

选自arXiv

作者：Alexia Jolicoeur-Martineau

编辑：小舟、蛋酱

SVM 是机器学习领域的经典算法之一。如果将 SVM 推广到神经网络，会发生什么呢？

“现在引用最多的几个神经网络都是建立在我的实验室成果之上的！”

先看看GAN能做的事情：生成对抗网络要点在于生成（图片、文字、声音等）。

1. 生成逼真的假人脸图像

生成对抗网络（Generative Adversarial Networks，简称 GAN）是一类用于无监督机器学习的人工智能算法，通过两个神经网络在零和博弈框架中相互竞争来实现。这项技术能够生成新的数据实例，这些实例可以被认为是真实数据。

#以书之名#

EPLAN电气图实例--控制柜（2）

上期回顾（上期主要是做一个自定义的PLC的3D模型图）：

这期继续完成并定义这个PLC的宏，然后开始画控制柜的安装板布局

1.0 上次设置了PLC的放置区域，基准点以及视角，这里在设置个安装面，因为1214PLC这个硬件本身是可以扩展的，编辑--设备逻辑--安装面，如下图选中黄色区域，按回车键，不用设置确定就行了

1.1 然后还需要设置下安装点（可以理解为安装接口，安装面设置好后相当于要有一个接口），这边是安装模拟量模块的，所以给个模拟量模块标识

今天给大家讲解一下如何将选型以后的产品导入到博途的硬件组态中，这样做的优点就是，省去了硬件组态的工作。

第一步：Selection Tool中进行设备清单的选型。上次的文章中有详细的讲解，这里不在进行具体的说明。

3D布局设计

EPLAN Pro Panel用于选择性从 EPLAN 项目、EPLAN 部件管理或 EPLAN Data Portal 中放置电气工程和流体工程的设备。借助技术元件（如电缆槽、安装导轨、安装板或整个箱柜，可使用 EPLAN Pro Panel在 3D 视图中以最简单的方式实现复杂的安装布局。

几个机械元件可拥有多个可单个选择的安装面，其实现其它组件的放置。另外包括安装板、门、墙、型材，以及通过 3D 图形宏代表的电气工程和流体工程中的设备。其它机械元件，例如安装导轨，只有已内部定义的用于导入设备的安装面，不能转换此设备且因此不能显示在布局空间 导航器的树结构视图中。

多年以前接触EPLAN，此后弃用ACAD制图，机电专业也自此彻底转为电气专业，而制图的观念却用了很久才转变过来。

EPLAN是直接面向对象的操作软件，很多初学的电气设计人员的画图步骤也许是：先找到符号——插入——绘制原理图——逐一选择适当的部件，殊不知这样的操作完全违反了EPLAN面向对象的设计机制，也多了很多繁琐的工作。比如，在图中先插入一个继电器符号，命名为KA1

然后，打开设备导航器，此时发现KA1下面只有一个线圈，没有触点，这是因为没有为KA1指定部件：