所谓人工智能技术，是指控制论、计算机科学、神经生理学、信息论、心理学等学科相互渗透发展形成的一门综合性学科。以下是边肖整理分享的人工智能开源项目论文的相关文章。欢迎阅读！
人工智能开源项目论文篇一
人工智能技术在建筑领域的应用
摘要：所谓人工智能技术，是指控制论、计算机科学、神经生理学、信息论、心理学等学科相互渗透发展形成的一门综合性学科。随着这一学科的不断发展，其在建筑领域的应用范围也在不断扩大，极大地促进了我国建筑业从传统运营向现代管理运营的转变。本文首先简要介绍了人工智能技术，并从五个方面论述了其在建筑领域的应用。
关键词：人工智能；建筑领域；电脑；申请。
1导言
所谓人工智能技术，是指控制论、计算机科学、神经生理学、信息论、心理学等学科相互渗透发展形成的一门综合性学科。虽然学术界对人工智能的定义经过长时间的争论仍然没有得出一个准确的定义，但从本质上来说，人工智能技术是通过研究和制造人工智能系统和机器来模拟人类智能行为，从而延伸人类智能的一门学科。本课题通过计算机完成智能系统的构建，实现定理的自动证明、程序的自动拍摄、语言的自动理解、模式的自动识别等智能活动。由于研究者对人工智能的理解不同，人工智能研究主要有三种途径，即联结主义途径、象征主义途径和行为主义途径。
其中，连接主义方法于1943年提出，主要通过神经元研究大脑模型和神经网络模型，但目前仍处于基础研究阶段。象征主义方法建立在物理符号系统假设的基础上，自20世纪30年代以来，它被用于描述智能行为。目前，许多自然语言理解系统和专家系统都是基于这一观点开发的。行为主义的支持者认为，人工智能源于控制论。在这一理论的指导下，研究人员在20世纪80年代成功构建了智能机器人系统，其中Brooks的六足步行机器人是一个杰出的代表。
2
2.1在建筑设计中的应用
在过去相当长的一段时间里，建筑设计师使用AutoCAD软件来完成相关的绘图工作，但这并不能真正反映建筑设计，设计师的灵感、创意和创新也不能通过AutoCAD得到充分体现。随着人工智能技术在建筑设计行业应用的不断深入，现在绝大多数设计师开始应用能够以设计全称提供2D图形描述和三维空间表示的理论和技术来完成日常工作，不仅提高了工作效率，也使建筑设计的特点得到了更好的体现。
比如Arch2010就是一个基于AutoCAD2002—2010平台的CAD系统，是专门针对建筑设计的。它集人性化、数字化、可视化、参数化、智能化于一体，以建筑构件为最基本的设计单元，采用非常先进的自定义对象核心技术，实现2D图形与三维模型的同步。
这种系统的使用，使得建筑师不再需要在办公桌上画完，让自己的想法和创意得到更完美的展示和实现。工程图纸和文件不再是过去线条的抽象堆积，而是通过数字化技术转化为直观可见的建筑模型，真正实现了智能构件关联、参数化构件创建和可视化设计过程。
2.2在施工管理中的应用
过去，在从事建筑工程的施工管理工作时，工人主要依靠手写和手绘的方法来记录相关的施工文件和绘制施工平面图。随着人工智能技术在建筑领域应用范围的不断扩大，综合运用数理逻辑、运筹学、人工智能等手段进行建筑管理得到了认可和推广。目前比较流行的基于C/S环境的建筑施工管理系统已经涵盖了很多方面，包括分包管理、施工人员管理、原材料供应商管理、固定资产管理、企业财务管理、员工考勤管理、施工进度管理等。进一步细化了对供应商、分包商的管理，从而使原材料、分包商、员工的进出更加科学、准确、快捷，实现资金流、物流、商流。
此外，建筑施工管理系统的数据库也非常强大，具有极强的数据处理和存储能力，不仅性能稳定，升级和日常维护也非常快捷方便。此外，针对施工中复杂密集的人流，系统还相应设置了权限管理功能，保证了施工管理数据的安全性和准确性。
2.3在建筑施工中的应用
人工智能技术在建筑施工中的应用主要集中在混凝土强度分析上。一般来说，28天抗压强度是衡量混凝土性能的一个重要指标。如果可以提前预测混凝土的28天抗压强度，工作人员就可以采取相应的措施对其进行控制，从而提高混凝土的质量。在过去的工作中，工作人员经常使用基于数理统计的线性回归方法来预测混凝土的28天强度。但对于商品混凝土，由于其中掺入了大量的粉煤灰，混凝土各组材料与抗压强度的关系往往呈现明显的非线性关系，用传统方法得到的预测结果存在较大误差。
在人工神经网络技术应用于混凝土性能预测方面，我国天津大学张胜利对传统BP网络模型与三种不同输入模型的RBF网络的预测结果进行了对比分析，最终证明RBF网络模型泛化能力强，预测精度高，是一种新的网络模型。
分析商品混凝土性能的有效方法。
2.4在建筑结构中的应用
汶川地震的发生和这次地震造成的严重危害，引起了人们对建筑结构控制和健康诊断工作前所未有的重视。以往建筑行业采用的结构体系识别方法存在抗噪声能力差、适用范围窄、线性识别困难等缺点，极大地制约了这项工作的有效开展。近年来，随着人工智能技术的发展，出现了一种新的基于人工神经网络的系统辨识方法。该方法通过模糊神经网络的学习和非线性映射能力获取实测的结构动力响应数据，建立建筑结构的动力特性模型。模糊神经网络能够准确预测建筑结构在任意动荷载作用下的动力响应，因此被广泛应用于建筑结构的健康诊断和振动控制中，具有很强的实用性和扩展性。
2.5建筑电气中的应用
随着我国建筑行业的快速发展，行业整体能耗大幅上升，一段时间内占到总能耗的30%以上。因此，建筑节能的实施无疑将对我国节能减排目标的实现产生巨大的推动作用，而电气节能技术是目前最显著的节能方法之一。
电气节能评估模型建立后，可以利用人工神经网络对其进行训练，从而提高其评估的准确性和网络的泛化能力，为建筑节能改造的实施提供更科学的依据。其中，BP神经网络算法是一种能将输入/输出问题转化为线性问题的学习方法。传统的BP网络采用梯度下降法，其学习速率为常数，训练时间长，学习过程中可能出现局部收敛。改进的BP算法和L-M逆算法加入了动量因子，在稳定性和收敛性方面都优于传统的BP算法，因此被广泛应用于当前建筑电气节能评估模型的构建中。
该方法构建的建筑电气节能评估模型的权重可以以相对的方式隐藏在网络中。这种评价方法更科学、简单、适用，评价模型的适用范围也更广。
3结束语
经过不断发展，建筑业已经成为中国的支柱产业之一。无论从建筑行业本身的发展，还是时代的要求，进一步加强人工智能技术在建筑行业的应用，是行业摆脱传统运营模式，走向现代化运营管理的必由之路。这就需要行业内的决策者、管理者和技术人员更新观念，转变观念，充分重视人工智能技术，加强这方面的资金、技术和培训的投入，让中国的建筑行业在更短的时间内实现现代化、智能化。
下一页，分享人工智能比较好的开源项目论文。
