1. ニューラル ネットワーク: ニューラル ネットワークは、人間の脳の構造と機能をモデルにしたコンピューター アルゴリズムです。これらのネットワークは、パターンを認識し、データ間の関係を識別するために、アーキテクチャの統合で使用されます。
2. 深層学習: 深層学習は、多層の人工ニューラル ネットワークを使用する機械学習のサブセットです。ディープ ラーニング アルゴリズムは、複雑なパターンや構造の認識を学習できるため、建築設計における画像認識などのアプリケーションに役立ちます。
3. サポート ベクター マシン (SVM): SVM は、分類および回帰分析に一般的に使用される機械学習アルゴリズムです。建築の統合では、SVM を使用して、エネルギー消費や室内の空気の質などの設計パラメーターに基づいて建物の期待される性能を予測できます。
4. デシジョン ツリー: デシジョン ツリーは、意思決定に使用される機械学習手法です。結論に達するまで、複雑な問題を一連のより単純な決定に分解することによって機能します。建築では、デシジョン ツリーを使用して、居住者の快適性、エネルギー効率、持続可能性などの要因に基づいて建物の設計を最適化できます。
5. ランダム フォレスト: ランダム フォレストは、複数の決定木を組み合わせてより正確で信頼性の高い予測を生成する一種の機械学習アルゴリズムです。アーキテクチャでは、ランダム フォレストを使用して、さまざまなシナリオや条件でさまざまな設計の選択肢のパフォーマンスを予測することにより、建物の設計を最適化できます。
6. クラスタリング: クラスタリングは、類似したデータ ポイントをその特性に基づいてグループ化するために使用される機械学習手法です。アーキテクチャでは、クラスタリングを使用して、パフォーマンス データを構築する際のパターンと傾向を特定し、設計の決定と最適化戦略を知らせることができます。
発行日: