1. Neural network: Neural network adalah algoritma komputer yang meniru struktur dan fungsi otak manusia. Jaringan ini digunakan dalam integrasi arsitektural untuk mengenali pola dan mengidentifikasi hubungan antar data.
2. Pembelajaran mendalam: Pembelajaran mendalam adalah bagian dari pembelajaran mesin yang melibatkan penggunaan jaringan syaraf tiruan dengan banyak lapisan. Algoritme pembelajaran mendalam dapat belajar mengenali pola dan struktur kompleks, yang membuatnya berguna untuk aplikasi seperti pengenalan gambar dalam desain arsitektur.
3. Mendukung mesin vektor (SVM): SVM adalah algoritma pembelajaran mesin yang biasa digunakan untuk klasifikasi dan analisis regresi. Dalam integrasi arsitektur, SVM dapat digunakan untuk memprediksi kinerja bangunan yang diharapkan berdasarkan parameter desain, seperti konsumsi energi atau kualitas udara dalam ruangan.
4. Pohon keputusan: Pohon keputusan adalah teknik pembelajaran mesin yang digunakan untuk pengambilan keputusan. Mereka bekerja dengan memecah masalah yang kompleks menjadi serangkaian keputusan yang lebih sederhana sampai sebuah kesimpulan tercapai. Dalam arsitektur, pohon keputusan dapat digunakan untuk mengoptimalkan desain bangunan berdasarkan faktor-faktor seperti kenyamanan penghuni, efisiensi energi, dan keberlanjutan.
5. Hutan acak: Hutan acak adalah jenis algoritme pembelajaran mesin yang menggabungkan beberapa pohon keputusan untuk menghasilkan prediksi yang lebih akurat dan andal. Dalam arsitektur, hutan acak dapat digunakan untuk mengoptimalkan desain bangunan dengan memprediksi kinerja berbagai pilihan desain di berbagai skenario dan kondisi.
6. Pengelompokan: Pengelompokan adalah teknik pembelajaran mesin yang digunakan untuk mengelompokkan titik data yang serupa berdasarkan karakteristiknya. Dalam arsitektur, pengelompokan dapat digunakan untuk membantu mengidentifikasi pola dan tren dalam membangun data kinerja, yang dapat menginformasikan keputusan desain dan strategi pengoptimalan.
Tanggal penerbitan: