شماره هاي اتي                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


1- ، babakhani247@yahoo.com
چکیده:   (599 مشاهده)
اکنون ایجاد ادراک در نرم‌افزارهای رایانه‌ای از مهم‌ترین چالش‌های معماری دیجیتال است. چرا که نرم‌افزارهای رایانه‌ای از مهم‌ترین ادوات معماران و یا طراحان به شمار رفته و به‌صورت گسترده در زمینه طراحی پروژه‌ها، به کار گرفته می‌شوند. در طراحی به کمک نرم‌افزارهای دیجیتالی، رسیدن به طرح و چیدمان بهینه یکی از مراحل مهم و تأثیرگذار به شمار می‌رود. اما نرم‌افزارهای رایانه‌ای هیچ شهود ذاتی در مورد فرایند طراحی ندارند و این علت اصلی عدم واگذاری فرایندهای طراحی به رایانه‌ها است. ازاین‌رو هدف این پژوهش تبیین روشی محاسباتی مبتنی بر نمونه داده‌های کمی و کیفی برای ایجاد شهود نسبی در ماشین‌ها از طریق ترکیب الگوریتم‌های تکاملی و یادگیری ماشین است. روش پژوهش کمی و کیفی در بستر الگوریتم‌های ژنتیک (Genetics)، یادگیری ماشین (k-means clustering) و همچنین یادگیری مبتنی بر نمونه (instance based) است. نتایج این پژوهش نشان می‌دهد برخلاف روش‌های مبتنی بر ترکیب الگوریتم‌های ژنتیک و برنامه‌نویسی ژنتیک می‌توان با ترکیب سه الگوریتم ژنتیک، یادگیری ماشین و مبتنی علاوه بر ایجاد شهود نسبی در ماشین‌ها، دقت و سرعت تولید نقشه‌ها را افزایش داد. همچنین ویژگی دیگر روش پیشنهادی، نرخ یادگیری نزدیک به نود درصد در شناسایی و ارائه طرح‌ها است. البته تولید پلان توسط رایانه‌ها در گام‌های اولیه خود است و هنوز فرایند طولانی لازم دارد تا این گام توسط رایانه‌ها به طور کامل برداشته شود.

شماره‌ی مقاله: 114
     
نوع مطالعه: پژوهشي | موضوع مقاله: معماري و شهرسازي

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه علمی مرمت و معماری ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Conservation and Architecture in Iran

Designed & Developed by : Yektaweb