1. Neuroverkot: Neuroverkot ovat tietokonealgoritmeja, jotka on mallinnettu ihmisaivojen rakenteen ja toiminnan mukaan. Näitä verkkoja käytetään arkkitehtonisessa integraatiossa kuvioiden tunnistamiseen ja tietojen välisten suhteiden tunnistamiseen.
2. Syväoppiminen: Syväoppiminen on koneoppimisen osajoukko, jossa käytetään monikerroksisia keinotekoisia hermoverkkoja. Syväoppimisalgoritmit voivat oppia tunnistamaan monimutkaisia kuvioita ja rakenteita, mikä tekee niistä hyödyllisiä sovelluksissa, kuten kuvantunnistuksessa arkkitehtonisessa suunnittelussa.
3. Tukivektorikoneet (SVM:t): SVM:t ovat koneoppimisalgoritmi, jota käytetään yleisesti luokitteluun ja regressioanalyysiin. Arkkitehtonisessa integraatiossa SVM-mittareita voidaan käyttää ennustamaan rakennuksen odotettu suorituskyky suunnitteluparametrien, kuten energiankulutuksen tai sisäilman laadun, perusteella.
4. Päätöspuut: Päätöspuut ovat koneoppimistekniikka, jota käytetään päätöksentekoon. He toimivat jakamalla monimutkaisen ongelman sarjaksi yksinkertaisempia päätöksiä, kunnes päätelmä on tehty. Arkkitehtuurissa päätöspuita voidaan käyttää rakennussuunnitelmien optimointiin perustuen sellaisiin tekijöihin kuin asumismukavuus, energiatehokkuus ja kestävyys.
5. Satunnaiset metsät: Satunnaiset metsät ovat eräänlainen koneoppimisalgoritmi, joka yhdistää useita päätöspuita tarkempien ja luotettavampien ennusteiden luomiseksi. Arkkitehtuurissa satunnaisia metsiä voidaan käyttää rakennussuunnitelmien optimointiin ennustamalla eri suunnitteluvaihtoehtojen suorituskykyä eri skenaarioissa ja olosuhteissa.
6. Klusterointi: Klusterointi on koneoppimistekniikka, jota käytetään ryhmittelemään samanlaisia datapisteitä yhteen niiden ominaisuuksien perusteella. Arkkitehtuurissa klusterointia voidaan käyttää tunnistamaan rakennuksen suorituskykytiedoissa olevia malleja ja trendejä, jotka voivat auttaa suunnittelupäätöksissä ja optimointistrategioissa.
Julkaisupäivämäärä: