文献

J-GLOBAL ID：202202289396107846   整理番号：22A0481879

深層学習とエージェントベースモデリングによるアーキテクチャレイアウト設計:ハイブリッドアプローチ【JST・京大機械翻訳】

Architectural layout design through deep learning and agent-based modeling: A hybrid approach

著者 (4件)： Rahbar Morteza (School of Architecture and Environmental Design, Iran University of Science and Technology, Tehran, Iran) ,  Mahdavinejad Mohammadjavad (Department of Architecture, Tarbiat Modares University, Tehran, Iran) ,  Markazi Amir H.D. (School of Mechanical Engineering, Iran University of Science and Technology, Tehran, Iran) ,  Bemanian Mohammadreza (Department of Architecture, Tarbiat Modares University, Tehran, Iran)
資料名： Journal of Building Engineering  (Journal of Building Engineering)
巻： 47  ページ： Null  発行年： 2022年 
JST資料番号： W3072A  ISSN： 2352-7102  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,エージェントベースモデリングを深層学習アルゴリズムと組み合わせることにより,自動2Dアーキテクチャレイアウトを生成する新しいハイブリッドアプローチを提案した。本研究の主要な目標は,生成された結果およびプロセスに対する設計者の高レベル,監視制御を維持することであり,その結果,生成された結果が望ましいトポロジーおよび幾何学的制約を満たすように,全体のプロセスを管理することを可能にする。提案したハイブリッドアプローチは2つの異なる方法から成る。最初に,エージェントベースモデリングの階層的位相をシミュレーションし,トポロジー条件を満足する気泡ダイアグラムを生成した。ルールベースアルゴリズムは,気泡ダイアグラムを熱マップに変換する。第二に,pix2pixアルゴリズムは,条件付きGANと深層学習アプローチとして,熱マップを建築空間レイアウトに変換する。そうすることで,ユニークなデータセットを手動で作り,cGANアルゴリズムをこのデータセットに基づいて訓練した。これらのプロセスのハイブリッド法は,特定のフットプリントと望ましい高レベル制約に基づく建築レイアウトを生成することを可能にする。エージェントベースモデリングの知見は必要なトポロジー要求と完全な整合性を示したが,深層学習結果は訓練フェーズを通して学習された幾何学的制約を満たすcGANの能力を実証した。ハイブリッド法の結果は,従来の研究と比較して,合成アーキテクチャレイアウトの生成における計算精度の向上を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相幾何学 ,  気泡 ,  *配置設計 ,  位相 ,  二次元 ,  建築空間 ,  深層 ,  *計算機アーキテクチャ ,  ルールベース ,  学習アルゴリズム
準シソーラス用語： 計算精度 ,  ハイブリッド法 ,  ダイアグラム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 空間レイアウト設計 ,  空間計画問題 ,  深層学習 ,  GAN ,  エージェントベースモデリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層学習 ,  エージェントベースモデリング ,  アーキテクチャ ,  レイアウト設計 ,  ハイブリッドアプローチ