دانلود مقاله انگلیسی رایگان:یادگیری همگرای عمیق برای مدل های پیش گویی مرحله اولیه طراحی - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Deep convolutional learning for general early design stage prediction models Deep convolutional learning for general early design stage prediction models
    Deep convolutional learning for general early design stage prediction models

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Deep convolutional learning for general early design stage prediction models


    ترجمه فارسی عنوان مقاله:

    یادگیری همگرای عمیق برای مدل های پیش گویی مرحله اولیه طراحی


    منبع:

    Sciencedirect - Elsevier - Advanced Engineering Informatics, 42 (2019) 100982: doi:10:1016/j:aei:2019:100982


    نویسنده:

    Sundaravelpandian Singaravela,⁎, Johan Suykensb, Philipp Geyera


    چکیده انگلیسی:

    Designers rely on performance predictions to direct the design toward appropriate requirements. Machine learning (ML) models exhibit the potential for rapid and accurate predictions. Developing conventional ML models that can be generalized well in unseen design cases requires an effective feature engineering and selection. Identifying generalizable features calls for good domain knowledge by the ML model developer. Therefore, developing ML models for all design performance parameters with conventional ML will be a timeconsuming and expensive process. Automation in terms of feature engineering and selection will accelerate the use of ML models in design. Deep learning models extract features from data, which aid in model generalization. In this study, we (1) evaluate the deep learning model’s capability to predict the heating and cooling demand on unseen design cases and (2) obtain an understanding of extracted features. Results indicate that deep learning model generalization is similar to or better than that of a simple neural network with appropriate features. The reason for the satisfactory generalization using the deep learning model is its ability to identify similar design options within the data distribution. The results also indicate that deep learning models can filter out irrelevant features, reducing the need for feature selection.
    Keywords: Convolutional neural network | Energy predictions | Machine learning | Feature learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 7035 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی