پلتفرم هوشمند مهندسی کانسی و نورو-دیزاین

تعداد نمونه‌ها / فضای طرح

- - ترکیب

درجه آزادی و رتبه ماتریس

- -

آلفای کرونباخ / KMO

- -

واریانس فضای معنایی PCA

- - محور

برازش داده آموزشی غیرخطی (R²)

- SHAP فعال

جواب‌های بهینه جبهه پارتو

- NSGA-II Rank 1

بهینه‌ساز تکاملی چندهدفه (NSGA-II) و اکتشاف جبهه پارتو (Pareto Front Explorer)

یافتن مصالحه بهینه مهندسی (Trade-off) میان دو یا سه حس متضاد (مثلاً حداکثر کردن هم‌زمان حس «لوکس و اصیل» و «مدرن و فناورانه») با الگوریتم ژنتیک نامغلوب

Fast Non-Dominated Sorting + Crowding Distance

هدف اول (محور افقی X):

هدف دوم (محور عمودی Y):

موتور تابع برازندگی (Fitness):

جمعیت / نسل‌های NSGA-II:

منحنی جبهه پارتو (Pareto Front)، فضای طرح‌های مغلوب و نمونه‌های فعلی بازار

روی هر نقطه از نمودار کلیک کنید تا فرمول طراحی آن باز شود

★ نقطه زانویی بهینه (Knee Point / Best Compromise) -

نزدیک‌ترین طرح روی جبهه پارتو به نقطه ایده‌آل (Utopia Point) با کمترین فاصله اقلیدسی نرمال‌شده:

نیمرخ ۶ بعدی کانسی برای طرح منتخب پارتو

فهرست کامل طرح‌های نامغلوب روی جبهه پارتو (Rank 1 Pareto-Optimal Solutions)

موتور سنتز غیرخطی (MLP Neural Network + GBDT) و تحلیل نظریه بازی‌های شپلی (SHAP)

کشف اثرات متقابل و هم‌افزایی غیرخطی (Synergy & Antagonism) بین جفت ویژگی‌های طراحی که در مدل خطی QT1 قابل مشاهده نیستند

انتخاب حس یا متغیر هدف:

ضریب تعیین خطی ($R^2_{ ext{QT1}}$)

ضریب تعیین غیرخطی ($R^2_{ ext{AI Ensemble}}$)

کاهش خطای پیش‌بینی (RMSE)

قوی‌ترین جفت دارای اثر متقابل

مقایسه مقدار شپلی غیرخطی ($ ext{SHAP }\phi_{jk}$) با وزن خطی هایاشی ($ ext{QT1 }a_{jk}$)

نقشه حرارتی شدت اثرات متقابل ویژگی‌ها (SHAP Interaction Matrix)

بیشترین هم‌افزایی‌های مثبت و تداخل‌های منفی بین جفت دسته‌ها ($f_{ ext{AI}} - f_{ ext{QT1}}$)

جدول تفسیری اثرات متقابل غیرخطی (Synergy & Antagonism Discovery)

کد زوج	زیرمجموعه اول	زیرمجموعه دوم	اثر هم‌افزایی	نوع تعامل

تحلیل کمّی‌سازی نوع اول هایاشی (QT1) و نمودار Tornado امتیاز دسته‌ها

نمایش وزن دقیق هر زیرمجموعه طراحی ($a_{jk}$)، دامنه تأثیر ($ ext{Range}$) و ضریب همبستگی جزئی ($ ext{PCC}$)

انتخاب متغیر هدف:

نمودار Tornado امتیاز دسته‌های طراحی ($a_{jk}$)

رتبه‌بندی اهمیت ویژگی‌ها (Range & PCC)

رتبه اهمیت	ویژگی طراحی (Item)	دامنه (Range)	سهم اهمیت (%)	همبستگی جزئی (PCC)	کد و نام زیرمجموعه (Category)	فراوانی ($n_{jk}$)	امتیاز کانسی ($a_{jk}$)

پلتفرم خودکار مهندسی کانسی و نورو-دیزاین

بهینه‌ساز تکاملی چندهدفه (NSGA-II) و اکتشاف جبهه پارتو (Pareto Front Explorer)

منحنی جبهه پارتو (Pareto Front)، فضای طرح‌های مغلوب و نمونه‌های فعلی بازار

نیمرخ ۶ بعدی کانسی برای طرح منتخب پارتو

فهرست کامل طرح‌های نامغلوب روی جبهه پارتو (Rank 1 Pareto-Optimal Solutions)

موتور سنتز غیرخطی (MLP Neural Network + GBDT) و تحلیل نظریه بازی‌های شپلی (SHAP)

مقایسه مقدار شپلی غیرخطی ($ ext{SHAP }\phi_{jk}$) با وزن خطی هایاشی ($ ext{QT1 }a_{jk}$)

نقشه حرارتی شدت اثرات متقابل ویژگی‌ها (SHAP Interaction Matrix)

بیشترین هم‌افزایی‌های مثبت و تداخل‌های منفی بین جفت دسته‌ها ($f_{ ext{AI}} - f_{ ext{QT1}}$)

جدول تفسیری اثرات متقابل غیرخطی (Synergy & Antagonism Discovery)

تحلیل کمّی‌سازی نوع اول هایاشی (QT1) و نمودار Tornado امتیاز دسته‌ها

نمودار Tornado امتیاز دسته‌های طراحی ($a_{jk}$)

رتبه‌بندی اهمیت ویژگی‌ها (Range & PCC)

نقشه فضای معنایی و تحلیل مؤلفه‌های اصلی با چرخش متعامد واریماکس (PCA + Varimax)

نقشه برداری بارهای عاملی واژگان کانسی (Factor Loadings Biplot)

پراکندگی نمونه‌های محصول در فضای معنایی (Stimulus Scores Map)

شبیه‌ساز زنده کانسی پیش‌رو و معکوس (مقایسه هم‌زمان پیش‌بینی خطی QT1 و غیرخطی هوش مصنوعی)

پیکربندی ویژگی‌های ریخت‌شناسی محصول

پیش‌بینی شاخص‌های نورو-بایومتریک و محورهای معنایی

نیمرخ راداری واژگان کانسی: پیش‌بینی غیرخطی هوش مصنوعی در برابر مدل خطی QT1 و میانگین بازار

ساختار جدول ریخت‌شناسی و ماتریس نمونه‌های ورودی