論文の概要: Development of a hybrid machine-learning and optimization tool for performance-based solar shading design

• arxiv url: http://arxiv.org/abs/2201.03028v1
• Date: Sun, 9 Jan 2022 14:54:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-11 16:50:49.743374
• Title: Development of a hybrid machine-learning and optimization tool for performance-based solar shading design
• Title（参考訳）: 高性能ソーラーシェーディング設計のためのハイブリッド機械学習・最適化ツールの開発
• Authors: Maryam Daneshi, Reza Taghavi Fard, Zahra Sadat Zomorodian, Mohammad Tahsildoost
• Abstract要約: この研究には、最適化された機械学習モデルに導入された87912の代替と6つの計算されたメトリクスが含まれている。 最も正確かつ高速な推定モデルはRandom Forrestで、r2_scoreは0.967から1。 開発したツールは,それぞれ数秒以内で,さまざまな設計代替案を評価することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Solar shading design should be done for the desired Indoor Environmental Quality (IEQ) in the early design stages. This field can be very challenging and time-consuming also requires experts, sophisticated software, and a large amount of money. The primary purpose of this research is to design a simple tool to study various models of solar shadings and make decisions easier and faster in the early stages. Database generation methods, artificial intelligence, and optimization have been used to achieve this goal. This tool includes two main parts of 1. predicting the performance of the user-selected model along with proposing effective parameters and 2. proposing optimal pre-prepared models to the user. In this regard, initially, a side-lit shoebox model with variable parameters was modeled parametrically, and five common solar shading models with their variables were applied to the space. For each solar shadings and the state without shading, metrics related to daylight and glare, view, and initial costs were simulated. The database generated in this research includes 87912 alternatives and six calculated metrics introduced to optimized machine learning models, including neural network, random Forrest, support vector regression, and k nearest neighbor. According to the results, the most accurate and fastest estimation model was Random Forrest, with an r2_score of 0.967 to 1. Then, sensitivity analysis was performed to identify the most influential parameters for each shading model and the state without it. This analysis distinguished the most effective parameters, including window orientation, WWR, room width, length, and shading depth. Finally, by optimizing the estimation function of machine learning models with the NSGA II algorithm, about 7300 optimal models were identified. The developed tool can evaluate various design alternatives in less than a few seconds for each.
• Abstract（参考訳）: ソーラーシェーディング設計は、初期の設計段階で望ましい室内環境品質(IEQ)のために行われるべきである。 この分野は非常に困難で、時間を要するため、専門家や高度なソフトウェア、大量のお金も必要です。 本研究の主な目的は、太陽シェーディングの様々なモデルを研究するための簡単なツールを設計し、早期に意思決定を容易かつ迅速にすることである。 この目標を達成するために、データベース生成方法、人工知能、最適化が使われている。 このツールは2つの主要な部分を含んでいる 1 有効パラメータの提案とともに、ユーザ選択モデルの性能を予測すること 2. 最適な準備済みモデルをユーザに提案する。 この点に関して、当初は可変パラメータを持つサイドライト靴箱モデルがパラメトリックにモデル化され、5つの共通太陽遮蔽モデルが空間に適用された。 日陰と日陰のない状態のそれぞれについて、日光と輝き、視野、初期コストに関する指標をシミュレートした。 この研究で生成されたデータベースには、87912の代替品と、ニューラルネットワーク、ランダムフォレスト、サポートベクター回帰、k近接近傍など、最適化された機械学習モデルに導入された6つの計算指標が含まれている。 結果によると、最も正確かつ高速な推定モデルはRandom Forrestで、r2_scoreは0.967である。 1) 各シェーディングモデルに最も影響のあるパラメータと,それのない状態を特定するために感度分析を行った。 本解析では, 窓の向き, wwr, 室幅, 長さ, シェーディング深さなど, 最も有効なパラメータを識別した。 最後に,NSGA IIアルゴリズムを用いて機械学習モデルの推定関数を最適化することにより,約7300の最適モデルを同定した。 開発したツールは、各デザインの代替案を数秒以内で評価できる。

関連論文リスト

• Open-Source High-Speed Flight Surrogate Modeling Framework [0.0]
  高速飛行車は音速よりもはるかに速く走行し、国防と宇宙探査に不可欠である。 様々な飛行条件下での行動の正確な予測は困難であり、しばしば高価である。 提案されたアプローチでは、より賢く、より効率的な機械学習モデルを作成する。
  論文  参考訳（メタデータ） (2024-11-06T01:34:06Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• E^2VPT: An Effective and Efficient Approach for Visual Prompt Tuning [55.50908600818483]
  新しいタスクのための微調整された大規模な事前学習型ビジョンモデルは、パラメーター集約化が進んでいる。 本稿では,大規模なトランスフォーマーモデル適応のための効果的かつ効率的なビジュアルプロンプトチューニング(E2VPT)手法を提案する。 提案手法は2つのベンチマークにおいて,最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2023-07-25T19:03:21Z)
• Re-parameterizing Your Optimizers rather than Architectures [119.08740698936633]
  本稿では,モデル固有の事前知識を構造学に取り入れ,汎用モデル(簡易モデル)の学習に使用する新しいパラダイムを提案する。 実装として,モデル固有のハイパーパラメータの集合に従って勾配を変更することによって,事前知識を付加する手法を提案する。 Reprでトレーニングされた単純なモデルに対しては、VGGスタイルのプレーンモデルに注目し、ReprでトレーニングされたそのようなシンプルなモデルがRep-VGGと呼ばれ、最近のよく設計されたモデルと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-05-30T16:55:59Z)
• Early-Phase Performance-Driven Design using Generative Models [0.0]
  本研究では,3次元モデリング環境において直接対話を行うことのできる,性能駆動型幾何生成手法を提案する。 この方法は機械学習技術を使って生成モデルをオフラインでトレーニングする。 生成モデルの潜在空間をナビゲートすることにより、所望の特性を持つ測地を迅速に生成することができる。
  論文  参考訳（メタデータ） (2021-07-19T01:25:11Z)
• Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
  計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。 本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
  論文  参考訳（メタデータ） (2021-07-14T17:55:28Z)
• End-to-end deep meta modelling to calibrate and optimize energy consumption and comfort [0.0]
  本稿では,リカレントニューラルネットワークに基づくメタモデルを導入し,一般の建物の挙動を予測する訓練を行う。 メタモデルの予測とセンサから得られた実データを比較することでパラメータを推定する。 エネルギー消費は、目標の熱の快適さと空気の質を維持しながら最適化されている。
  論文  参考訳（メタデータ） (2021-02-01T10:21:09Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)
• PSD2 Explainable AI Model for Credit Scoring [0.0]
  本研究の目的は、信用リスクモデルの予測精度を向上させるための高度な分析手法の開発と試験である。 このプロジェクトは、銀行関連のデータベースに説明可能な機械学習モデルを適用することに焦点を当てている。
  論文  参考訳（メタデータ） (2020-11-20T12:12:38Z)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)
• Energy Predictive Models for Convolutional Neural Networks on Mobile Platforms [0.0]
  モバイルデバイスにディープラーニングモデルをデプロイする場合、エネルギー利用は重要な懸念事項である。 我々はJetson TX1とSnapdragon 820上に12の代表的なConvolutional NeuralNetworks(ConvNets)を用いて、完全な接続層とプール層のための層型予測モデルを構築した。 ハードウェアとソフトウェアの組み合わせによるテストConvNetの全体的なエネルギー予測において,精度は76%から85%,モデル複雑度は1。
  論文  参考訳（メタデータ） (2020-04-10T17:35:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。