کاربرد روش های یادگیری ماشینی در حوزه طراحی محیط مصنوع

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 114

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_UDD-5-2_007

تاریخ نمایه سازی: 13 آبان 1403

چکیده مقاله:

اهداف: امروزه استفاده از هوش مصنوعی رشد چشمگیری داشته، و به عنوان یک حوزه نوین در حال پیشرفت است. هدف اصلی این پژوهش، شناخت ظرفیت های هوش مصنوعی در پیشبرد فرآیند طراحی و اجرا در محیط مصنوع است. هدف کاربردی پژوهش، توسعه و کاربردی سازی مهمترین دستاوردهای یادگیری ماشینی و در حوزه طراحی است. روش­ها: روش تحقیق اصلی پژوهش «فراتحلیل» در پارادایم «آزادپژوهی» با رویکرد انتقادی و طراحی مبنا است که با استفاده از تکنیک های پهنانگر، حوزه کلی دانشی این حوزه را بررسی می کند. سپس به منظور تثبیت اشراف به ادبیات موضوع، از طریق جستوجو در سه پایگاه های معتبر دانشی این حوزه، نسبت به جمع آوری مقالات مرتبط به یادگیری ماشین در حوزه های روش های یادگیری بدون نظارت، یادگیری نیمه نظارتی و یادگیری تقویتی اقدام شده؛ مهمترین ظرفیت ها و کاستی ها، و نقاط قوت و ضعف مورد نقد و بررسی قرار می گیرد. یافته­ ها: یافته های کمی حاصل از داده های ترکیب شده بیانگر آن است که یادگیری ماشینی تحت نظارت و یادگیری عمیق هدایت شده، می تواند بهترین گزینه برای توصیه در آینده طراحی باشد. در حالی که فرآیند یادگیری در یادگیری عمیق تدریجی و کندتر است، یادگیری ماشینی تحت نظارت در مرحله آزمون و تست سریع تر عمل می­کند. نتیجه ­گیری: نتایج پژوهش تاکید دارد که یادگیری ماشینی تحت نظارت، بهترین گزینه برای پیش بینی پاسخ ها در فرآیند طراحی است اما در صورتی که علاوه بر پیش بینی، موضوع خلاقیت در طراحی مورد نظر باشد، یادگیری عمیق کارآمدتر است.

کلیدواژه ها:

designerly approach ، supervised machine learning ، new technologies of architecture and urban planning ، AI (artificial intelligence) ، highperformance architecture ، computational design. ، رویکرد طراحی مبنا ، یادگیری ماشینی تحت نظارت ، فناوری های نوین معماری و شهرسازی ، هوش مصنوعی ، معماری سرآمد ، طراحی رایانشی

نویسندگان

Kia Tadayon

PhD student at the Faculty of Civil Engineering, Architecture and Art, Science and Research Branch, Islamic Azad University, Tehran, Iran.

mahdavinjad mahdavinjad

Professor of Department of Architecture, Faculty of Art and Architecture, Tarbiat Modares University, Tehran, Iran

Azadeh Shahcheraghi

Faculty of Civil Engineering, Architecture and Art, Science and Research Branch, Islamic Azad University, Tehran, Iran.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Haenlein, M. Kaplan, A. (۲۰۱۹). A Brief History of Artificial ...
  • Beale, R. Jackson, T. (۱۹۹۰) . Neural Computing-An Introduction. Florida: ...
  • Shalev-Shwartz, S. Ben-David, S. (۲۰۱۴). Understanding Machine Learning: From Theory ...
  • D. Penney, D. Chen, L. (۲۰۱۹). A Survey of Machine ...
  • Rahbar, M, Mahdavinejad, M, Markazi, A.H.D. Bemanian, M. (۲۰۲۲) Architectural ...
  • Rahbar, M. Mahdavinejad, M. Bemanian, M. Davaie-Markaz, A.(۲۰۲۰). Generating space ...
  • Rahbar, M. Mahdavinejad, M. Bemanian, M. Markazi,D. (۲۰۲۰) A. Artificial ...
  • Muhammad, I. Yan, Z. (۲۰۱۵). Supervised Machine Learning Approaches : ...
  • Kotsiantis, S.B.(۲۰۰۷) Supervised Machine Learning: A Review of Classification Techniques. ...
  • Usama, M. Qadir, J. Raza,A. Arif,H. Alvin yau,K. Elkhatib, Y. ...
  • Khanum, M. Mahboob, T. Imtiaz, W. Abdul Ghafoor, H. Sehar.R. ...
  • Simeone,S. (۲۰۱۷). Brief Introduction to Machine Learning for Engineers. London ...
  • Llamas, J. M. Lerones, P. Medina, R. Zalama, E. García-Bermejo, ...
  • LeCun, Y. Bengio, Y. Hinton, G. (۲۰۱۵) G. Deep learning. ...
  • Cioffi, R. Travaglioni,M. Piscitelli, G. Petrillo, A. De Felice, F. ...
  • Papasotiriou, T. (۲۰۱۹). Identifying the Landescape of Machine Learning Aided ...
  • Das, S. (۲۰۱۸) . Interactive Artificial Life Based Systems, Augmenting ...
  • Racec,E. Budulan, S. Vellido,A. (۲۰۱۶). Computational Intelligence in architectural and ...
  • Okhoya, V. (۲۰۲۰). Machine Learning for Multi-Discipline Parametric Analysis in ...
  • Merrell, P. Schkufza, E. Koltun, V. (۲۰۱۰). Computer-Generated Residential Building ...
  • Ferrando, C. (۲۰۱۸). Towards a Machine Learning Framework in Spatial ...
  • Al-Wattar,A. Areibi,S. Grewal,G. (۲۰۱۵). An Efficient Framework for Floor-plan Prediction ...
  • M¨uller, P. Zeng,G. Wonka, P. Van Gool, L. (۲۰۰۷) Image-based ...
  • Udousoro, I. C. (۲۰۲۰). Machine Learning: A Review. Semiconductor Science ...
  • Perez, J.A. Deligianni, F. Ravi, D. Yang, J.Z. (۲۰۱۸) . ...
  • Chahal۱, A. Gulia, P. (۲۰۱۹). Machine Learning and Deep Learning. ...
  • Janiesch, C. Zschech, P. Heinrich, K. (۲۰۲۱). Machine learning and ...
  • Naeem,M. Hussain Rizvi ,S.T. Coronato, A.(۲۰۲۰). A Gentle Introduction to ...
  • Cudzik, J. Radziszewski, K. (۲۰۱۸). Artificial Intelligence Aided Architectural Design. ...
  • Yang, L. Cervone,G. (۲۰۱۹). Analysis of remote sensing imagery for ...
  • Hao, Z. (۲۰۱۹). Deep learning review and discussion of its ...
  • Yang, L. , MacEachren, A.M. Mitra, P. Onorati, T.(۲۰۱۸). Visually-Enabled ...
  • Yoshimura,Y. Zhoutong Wang, B. Ratti , C. (۲۰۱۸). Deep Learning ...
  • Goodman, G. (۲۰۱۹). A Machine Learning Approach to Artifificial Floorplan ...
  • Llamas, J. M. Lerones, P. Medina, R. Zalama, E. Gómez, ...
  • Jankovi, R. (۲۰۱۹). Machine Learning Models for Cultural Heritage Image ...
  • Do, L. Swamy, M.N.S. (۲۰۱۳). Neural Networks and Statistical Learning. ...
  • Popescu,M. Balas, V.E. Mastorakis, N.E. Popescu. L.P. (۲۰۰۹). Multilayer perceptron ...
  • As, I. Pal,S. Basu,P. (۲۰۱۸). Artificial intelligence in architecture:Generating conceptual ...
  • Radziszewski, K. (۲۰۱۷). Artificial Neural Networks as an Architectural Design ...
  • Ganji Kheybari A, Diba D, Mahdavinejad M, Shahcheraghi A.(۲۰۱۵). Algorithmic ...
  • Goodarzi, P. Ansari, M. Mahdavinejad, M. Russo A, Haghighatbin, M. ...
  • Kasraei, M.H. Nourian, Y. Mahdavinejad, M.(۲۰۱۶) Girih for domes: analysis ...
  • Mashhadi Abolghasem Shirazi, M. Diba, D. Mahdavinejad, M. (۲۰۲۳). Economy-based ...
  • Tadayon, K. Mahdavinejad, M. Shahcheraghi, A. (۲۰۲۱) Advanced mathematical algorithms ...
  • Kouchaki, M. Mahdavinejad, M. Zali, P. Ahmadi, S. (۲۰۱۶). Magnet-based ...
  • Mansourimajoumerd, P. Mahdavinejad, M. (۲۰۱۸) . Kinetic Architecture: Reinterpreting Persian ...
  • Javidannia, G. Bemanian, B. Mahdavinejad, M. (۲۰۲۰). Performance Oriented Design ...
  • Rezaeicherati, A. Mahdavinejad, M. (۲۰۲۰). SoRo Responsive Wall: Soft robotics ...
  • نمایش کامل مراجع