1. 신경망: 신경망은 인간 두뇌의 구조와 기능을 모델로 한 컴퓨터 알고리즘입니다. 이러한 네트워크는 아키텍처 통합에서 패턴을 인식하고 데이터 간의 관계를 식별하는 데 사용됩니다.
2. 딥 러닝: 딥 러닝은 여러 계층의 인공 신경망을 사용하는 기계 학습의 하위 집합입니다. 딥 러닝 알고리즘은 복잡한 패턴과 구조를 인식하는 방법을 학습할 수 있으므로 건축 디자인의 이미지 인식과 같은 애플리케이션에 유용합니다.
3. SVM(Support Vector Machine): SVM은 분류 및 회귀 분석에 일반적으로 사용되는 기계 학습 알고리즘입니다. 건축 통합에서 SVM은 에너지 소비 또는 실내 공기 품질과 같은 설계 매개변수를 기반으로 건물의 예상 성능을 예측하는 데 사용할 수 있습니다.
4. 결정 트리: 결정 트리는 의사 결정에 사용되는 기계 학습 기술입니다. 그들은 결론에 도달할 때까지 복잡한 문제를 일련의 더 간단한 결정으로 분해하여 작업합니다. 건축에서 결정 트리는 거주자의 편안함, 에너지 효율성 및 지속 가능성과 같은 요소를 기반으로 건물 설계를 최적화하는 데 사용할 수 있습니다.
5. 랜덤 포레스트: 랜덤 포레스트는 더 정확하고 신뢰할 수 있는 예측을 생성하기 위해 여러 의사 결정 트리를 결합하는 일종의 기계 학습 알고리즘입니다. 건축에서 랜덤 포레스트는 다양한 시나리오와 조건에서 다양한 설계 선택의 성능을 예측하여 건물 설계를 최적화하는 데 사용할 수 있습니다.
6. 클러스터링: 클러스터링은 유사한 데이터 포인트를 특성에 따라 그룹화하는 데 사용되는 기계 학습 기술입니다. 아키텍처에서 클러스터링은 설계 결정 및 최적화 전략을 알릴 수 있는 건물 성능 데이터의 패턴과 추세를 식별하는 데 사용할 수 있습니다.
발행일: