Inteligentni sistemi za presojo znanja informacijskih modelov gradenjGradišar, Luka (Avtor) Dolenc, Matevž (Mentor) Klinc, Robert (Komentor) Dolšek, Matjaž (Član komisije za zagovor) Tibaut, Andrej (Član komisije za zagovor) Peruš, Iztok (Član komisije za zagovor) doktorske disertacijegradbeništvoGrajeno okoljegenerativno načrtovanjestrojno učenjeračunsko modeliranjeoptimizacijanadomestno modeliranjestrojno izučeno generativno načrtovanjeBIMProces načrtovanja pogosto poteka v več zaporednih fazah. Pri tem je glavni izziv najti rešitev, ki izpolnjuje projektne cilje, zahteve in pričakovanja ob upoštevanju dejavnikov iz vseh faz načrtovanja. Običajno to zahteva obsežno ročno prilagajanje z večkratnimi analizami izvedljivosti in učinkovitosti, kar je lahko zamudno in stroškovno neučinkovito. Strojno izučeno generativno načrtovanje je alternativni pristop, v katerem se vzpostavi sistem, ki nadomešča rezultate analiz in jih združi v enoten nadomestni model. To omogoča napovedovanje celovitih rešitev, ki izpolnjujejo vse zahteve in cilje projekta. Učinkovitost tega pristopa je bila preverjena na dejanskem primeru zasnove observatorija Novega robotskega teleskopa. To je vključevalo školjkasto konstrukcijo, katere značilnost so premična streha in z njo povezana različna projektna stanja. Z našim pristopom smo rezultate vsakega stanja zajeli z modeli strojnega učenja in jih združili v enoten nadomestni model, kar nam je omogočilo identificirati rešitve, ki so izpolnile pogoje in cilje vseh stanj. Rezultati ne kažejo le uspešnosti naše metode, ampak tudi poudarjajo njen potencial za izboljšanje učinkovitosti procesa načrtovanja.[L. Gradišar]20242024-03-28 08:45:03Doktorsko delo/naloga155376UDK: 004.85:69(043)VisID: 162263COBISS_ID: 191031299sl