Разработка интеллектуальной модели для автоматизированного определения стиля архитектуры здания
https://doi.org/10.31675/1607-1859-2023-25-4-38-44
Аннотация
Актуальность темы исследования обусловлена постоянным ростом интереса к тематике цифровой трансформации общества и всех сфер деятельности, в которое оно вовлечено. Одним из важных этапов развития любого социума является изучение его истории, сохранившейся в артефактах инженерной мысли сооружений прошлых поколений. Поскольку каждая эпоха отличается характерными особенностями, то закономерно менялись и архитектурные идеи, которые неразрывно связывают определенную эпоху со стилем построек зданий и сооружений.
Основная цель исследования – разработать программное решение, которое в автоматизированном формате сможет определять стиль архитектурной постройки здания.
Для любого интересующегося историей человека, вне зависимости от пола и возраста, порой недостаточно изучить материалы исторических книг, чтобы безошибочно определять архитектурный стиль здания. Как и в большинстве других областей знаний, очень важна практика, восполнить недостаток которой поможет разработанная авторами интеллектуальная модель на основе методов искусственного интеллекта.
Об авторах
П. А. ПыловРоссия
Пылов Петр Андреевич, аспирант
650000, г. Кемерово, ул. Весенняя, 28
А. В. Дягилева
Россия
Дягилева Анна Владимировна, кандидат технических наук, доцент
650000, г. Кемерово, ул. Весенняя, 28
Е. А. Николаева
Россия
Николаева Евгения Александровна, кандидат физико-математических наук, доцент, зав. Кафедрой
650000, г. Кемерово, ул. Весенняя, 28
Т. А. Шалыгина
Россия
Шалыгина Татьяна Анатольевна, кандидат технических наук, доцент
634003, г. Томск, пл. Соляная, 2
Список литературы
1. Wolpert D.H. Stacked generalization // Neural networks. 1992. V. 5. № 2. P. 241–259. URL: http://dx.doi.org/10.1016/S0893-6080(05)80023-1
2. Kopec D. Classic Computer Science Problems in Python. Manning. Shelter Island. 2019. 206 p. ISBN 9781617295980.
3. Johansson R. Numerical Python. Apress, 2018. 488 p. DOI 10.1007/978-1-4842-0553-2
4. Wolohan J.T. Mastering large datasets with Python. Mannig Press. 2020. 312 p. ISBN 9781617296239.
5. Pratap Dangeti, Allen Yu, Claire Chung. Learning path numerical computing with Python. Packt Publishing. 2018. 682 p. ISBN 1789953634, 9781789953633.
6. Downey A., Elkner J., Meyers C. How to Think Like a Computer Scientist. Green Tea Press, 2002. 288 p. ISBN 0-9716775-0-6.
Рецензия
Для цитирования:
Пылов П.А., Дягилева А.В., Николаева Е.А., Шалыгина Т.А. Разработка интеллектуальной модели для автоматизированного определения стиля архитектуры здания. Вестник Томского государственного архитектурно-строительного университета. 2023;25(4):38-44. https://doi.org/10.31675/1607-1859-2023-25-4-38-44
For citation:
Pylov P.A., Dyagileva A.V., Nikolaeva E.A., Shalygina T.A. Intelligent model for automated identification of architectural style. Vestnik Tomskogo gosudarstvennogo arkhitekturno-stroitel'nogo universiteta. JOURNAL of Construction and Architecture. 2023;25(4):38-44. (In Russ.) https://doi.org/10.31675/1607-1859-2023-25-4-38-44