Geri Dön

Yapay zeka algoritmalarının mimari şematik plan oluşturmak için kullanımı

Use of artificial intelligence algorithms to create architectural schematic plan

  1. Tez No: 771891
  2. Yazar: ZEKİ MEHMET AKÇAN
  3. Danışmanlar: DOÇ. DR. BÜLENT ONUR TURAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mimarlık, Architecture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Ortamında Sanat ve Tasarım Bilim Dalı
  13. Sayfa Sayısı: 119

Özet

Günümüzde bir çok sektörde verimi oldukça yüksek yapay zeka teknolojisi ile donatılmış yazılımlar ve robotlar yerini almaya başlamıştır. Yapay zeka teknolojisinin diğer sektörlerde olduğu gibi mimarlık alanında da kullanımı yaygınlaşmıştır. Yüksek işlem hızı ve karar verme aşamasındaki doğruluk payı, yapay zekanın mimarlık alanında yaygınlaşmasını sağlamıştır. Mimarlığın en temel konularından biri mahal planlamasıdır. Çalışmada bu konu üzerinde çözümler oluşturacak algoritmaların uygulanması üzerine veriler üretilmiştir. Çalışma; makine öğreniminin, yapay zeka algoritmalarının, mimari şematik plan tasarımda nasıl kullanılabileceğini, bu tasarımların kentsel ölçekteki etkisini ve bu algoritmaların mimarlık sektöründe nasıl kullanabileceğine dair bilgi üretmeyi amaçlamaktadır. Tez içerisinde aynı muhitte bulunan konut yapılarının mimari planlarını kullanarak, yapay zeka algoritmalarından GANs algoritması ile mimari şematik plan oluşturulmuştur. Çalışmanın iş akışı şu şekildedir: Literatür taraması ve yapılan araştırmalar sonucunda GANs algoritmaları ve pix2pix ağının tezin amacına daha uygun olabileceği tespit edilmiştir. Pix2pix ağının öğrenebilmesi için daha önce hazırlanmış yeterli miktarda mimari planlar eğitim veri olarak kullanılmıştır. Planlar oda sayısına göre ve bulunduğu kattaki bağımsız bölüm sayısına göre sınıflandırılmıştır. Bu sayede istenilen plan tipine göre öğrenme aşaması özelleştirilmiştir. Planlarda bulunan her bir odanın fonksiyonuna göre ayrı renk verilip böylelikle algoritmanın odaları seçmesi sağlanmıştır. GANs algoritmasının çalışabilmesi için, planlar dış konturlerine kadar siyaha boyanarak üretici (generator) modele girdi (input) olarak , odaların fonksiyonlarına göre renklendirildiği planlar ise ayrıştırıcı (discriminator) modeline gerçek data olarak verilmiştir. Bu sayede farklı gabarilere ve plan çözümlerine göre algoritmanın öğrenme işlemi yapılmıştır. Bunun sonucunda üretken model, daha önce öğrenme datasında bulunmasa da dış konturleri belirlenmiş herhangi bir alan için mimari şematik plan üretme parametrelerine sahip olmuştur.

Özet (Çeviri)

Today, in many sectors, software and robots equipped with highly efficient artificial intelligence technology have begun to take their place. Artificial intelligence technology has become widespread in the field of architecture, as in other sectors. The fact that the processing speed of algorithms cannot be compared with humans is one of the reasons that will cause artificial intelligence to become widespread in the field of architecture. The main subject of architecture is site planning. In the study, data were produced on the application of algorithms that will create solutions on this sub ject. The study aims to produce information on how machine learning and artificial intelligence algorithms can be used in architectural schematic plan design, the impact of these designs on an urban scale, and how these algorithms can be used in the architectural sector. In the thesis, an architectural schematic plan was created with the GANs algorithm, one of the artificial intelligence algorithms, by using the architectural plans of the residential buildings in the same neighborhood. The workflow of the study is as follows: As a result of literature review and research, it has been determined that GANs algorithms and pix2pix network may be more suitable for the purpose of the thesis. In order for the Pix2pix network to learn, 150 previously prepared architectural plans were used as the taught data. The plans are classified according to the number of rooms and the number of independent sections on the floor. In this way, the learning phase is customized according to the desired plan type. Each room in the plans is given a different color according to its function, thus enabling the algorithm to select the rooms. In order for the GANs algorithm to work, the plans in which the outer contours of the plans were painted black were given as noise to the generator model, and the plans in which the rooms were colored according to their functions were given to the discriminator model as real data. In this way, the learning process of the algorithm was performed according to different gauges and plan solutions. As a result, the generator model has the parameters to generate architectural schematic plan for any area whose outer contours have been determined, although it has not been found in the learning data before.

Benzer Tezler

  1. A natural language processing aided relational information management approach for architectural knowledge fabrication

    Mimari bilgi fabrikasyonu için doğal dil işleme destekli ilişkisel bilgi yönetimi yaklaşımı

    ŞEYMA NUR ÇALIŞKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    MimarlıkTOBB Ekonomi ve Teknoloji Üniversitesi

    Mimarlık Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AKTAN ACAR

  2. Tıbbi görüntülerden derin öğrenme yöntemi ile karaciğer ve beyin lezyonlarının bölütlenmesi

    Segmentation of liver and brain lesions by deep learning approach from medical images

    ONUR CAN BAYRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM

  3. Volatilite aktivasyon fonksiyonu ile zaman serisi tahmini

    Time series forecasting with volatility activation function

    FURKAN KAYIM

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATINÇ YILMAZ

  4. Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi

    Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks

    BERFİN YILDIZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. GÜLEN ÇAĞDAŞ

    DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR

  5. Machine learning based energy-efficient indoor positioning for mobile internet of things

    Mobil nesnelerin interneti için makine öğrenimine dayalı enerji verimli iç mekanda konumlandırma

    ALPER SAYLAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. VOLKAN RODOPLU

    PROF. DR. CÜNEYT GÜZELİŞ