جستجو در:
دوره 5، شماره 2 - ( 1403 )
جلد 5 شماره 2 صفحات 128-116 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Tadayon K, mahdavinjad M, Shahcheraghi A. Application of Machine Learning Methodology in the Design of the Built Environment. Urban Design Discourse a Review of Contemporary Litreatures and Theories 2024; 5 (2) :116-128
URL: http://udd.modares.ac.ir/article-40-75893-fa.html
URL: http://udd.modares.ac.ir/article-40-75893-fa.html
تدین کیا، مهدوی نژاد محمدجواد، شاهچراغی آزاده. کاربرد روش های یادگیری ماشینی در حوزه طراحی محیط مصنوع. گفتمان طراحی شهری مروری بر ادبیات و نظریه های معاصر. 1403; 5 (2) :116-128
1- دانشکده عمران، معماری و هنر ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران ، ایران.
2- استاد گروه معماری دانشگاه تربیت مدرس ،mahdavinejad@modares.ac.ir
3- دانشکده عمران، معماری و هنر ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2- استاد گروه معماری دانشگاه تربیت مدرس ،
3- دانشکده عمران، معماری و هنر ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
چکیده: (524 مشاهده)
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.
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.
واژه‌های کلیدی: رویکرد طراحی مبنا، یادگیری ماشینی تحت نظارت، فناوری های نوین معماری و شهرسازی، هوش مصنوعی، معماری سرآمد، طراحی رایانشی
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
شهر هوشمند و فناوری
دریافت: 1403/4/12 | پذیرش: 1403/4/31 | انتشار: 1403/6/10
دریافت: 1403/4/12 | پذیرش: 1403/4/31 | انتشار: 1403/6/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |