1. Невронни мрежи: Невронните мрежи са компютърни алгоритми, моделирани върху структурата и функцията на човешкия мозък. Тези мрежи се използват в архитектурната интеграция за разпознаване на модели и идентифициране на връзки между данни.
2. Дълбоко обучение: Дълбокото обучение е подмножество от машинно обучение, което включва използването на изкуствени невронни мрежи с множество слоеве. Алгоритмите за дълбоко обучение могат да се научат да разпознават сложни модели и структури, което ги прави полезни за приложения като разпознаване на изображения в архитектурния дизайн.
3. Поддържащи векторни машини (SVM): SVM са алгоритъм за машинно обучение, който обикновено се използва за класификация и регресионен анализ. При архитектурната интеграция SVM могат да се използват за прогнозиране на очакваната производителност на сграда въз основа на параметри на дизайна, като консумация на енергия или качество на въздуха в помещенията.
4. Дървета на решенията: Дърветата на решенията са техника за машинно обучение, използвана за вземане на решения. Те работят, като разбиват сложен проблем на поредица от по-прости решения, докато се стигне до заключение. В архитектурата дърветата на решенията могат да се използват за оптимизиране на дизайна на сгради въз основа на фактори като комфорт на обитателите, енергийна ефективност и устойчивост.
5. Случайни гори: Случайните гори са вид алгоритъм за машинно обучение, който комбинира множество дървета на решения, за да генерира по-точни и надеждни прогнози. В архитектурата произволните гори могат да се използват за оптимизиране на дизайна на сгради чрез прогнозиране на ефективността на различни дизайнерски решения при различни сценарии и условия.
6. Групиране: Групирането е техника за машинно обучение, използвана за групиране на подобни точки от данни заедно въз основа на техните характеристики. В архитектурата клъстерирането може да се използва за подпомагане на идентифицирането на модели и тенденции в данните за производителността на сградата, които могат да информират дизайнерските решения и стратегиите за оптимизация.
Дата на публикуване: