1. نیورل نیٹ ورکس: نیورل نیٹ ورک کمپیوٹر کے الگورتھم ہیں جو انسانی دماغ کی ساخت اور کام پر بنائے گئے ہیں۔ یہ نیٹ ورک آرکیٹیکچرل انضمام میں پیٹرن کو پہچاننے اور ڈیٹا کے درمیان تعلقات کی شناخت کے لیے استعمال ہوتے ہیں۔
2. ڈیپ لرننگ: ڈیپ لرننگ مشین لرننگ کا ایک ذیلی سیٹ ہے جس میں متعدد پرتوں کے ساتھ مصنوعی اعصابی نیٹ ورکس کا استعمال شامل ہے۔ گہری سیکھنے کے الگورتھم پیچیدہ نمونوں اور ڈھانچے کو پہچاننا سیکھ سکتے ہیں، جو اسے آرکیٹیکچرل ڈیزائن میں تصویر کی شناخت جیسی ایپلی کیشنز کے لیے مفید بناتا ہے۔
3. سپورٹ ویکٹر مشینیں (SVMs): SVMs ایک مشین لرننگ الگورتھم ہیں جو عام طور پر درجہ بندی اور ریگریشن تجزیہ کے لیے استعمال ہوتے ہیں۔ آرکیٹیکچرل انضمام میں، SVMs کو ڈیزائن کے پیرامیٹرز، جیسے کہ توانائی کی کھپت یا اندرونی ہوا کے معیار کی بنیاد پر عمارت کی متوقع کارکردگی کا اندازہ لگانے کے لیے استعمال کیا جا سکتا ہے۔
4. فیصلہ ساز درخت: فیصلہ سازی کے درخت ایک مشین لرننگ تکنیک ہیں جو فیصلہ سازی کے لیے استعمال ہوتی ہیں۔ وہ ایک پیچیدہ مسئلے کو آسان فیصلوں کی ایک سیریز میں توڑ کر اس وقت تک کام کرتے ہیں جب تک کہ کسی نتیجے پر نہ پہنچ جائے۔ فن تعمیر میں، فیصلہ کن درختوں کا استعمال رہائشیوں کے آرام، توانائی کی کارکردگی اور پائیداری جیسے عوامل کی بنیاد پر عمارت کے ڈیزائن کو بہتر بنانے کے لیے کیا جا سکتا ہے۔
5. بے ترتیب جنگلات: بے ترتیب جنگلات مشین لرننگ الگورتھم کی ایک قسم ہیں جو زیادہ درست اور قابل اعتماد پیشین گوئیاں پیدا کرنے کے لیے متعدد فیصلہ کن درختوں کو یکجا کرتی ہے۔ فن تعمیر میں، بے ترتیب جنگلات کو مختلف منظرناموں اور حالات میں مختلف ڈیزائن کے انتخاب کی کارکردگی کا اندازہ لگا کر عمارت کے ڈیزائن کو بہتر بنانے کے لیے استعمال کیا جا سکتا ہے۔
6. کلسٹرنگ: کلسٹرنگ ایک مشین لرننگ تکنیک ہے جو ایک جیسے ڈیٹا پوائنٹس کو ان کی خصوصیات کی بنیاد پر ایک ساتھ گروپ کرنے کے لیے استعمال ہوتی ہے۔ فن تعمیر میں، کلسٹرنگ کو کارکردگی کے ڈیٹا کی تعمیر میں پیٹرن اور رجحانات کی شناخت میں مدد کے لیے استعمال کیا جا سکتا ہے، جو ڈیزائن کے فیصلوں اور اصلاح کی حکمت عملیوں کو مطلع کر سکتا ہے۔
تاریخ اشاعت: