基于神经网络的建筑形态生成探索--以柏林自由大学为例
近年来,机器学习尤其是深度学习的发展使人工智能热潮再度涌现.随着人工智能与不同行业的融合,各种新产品新服务乃至新产业不断出现.在建筑设计领域,关于人工智能的研究和应用还处在起步阶段.本文以建筑形态生成作为切入点,探讨了利用机器学习方法实现建筑方案多样化的思路和方法.以柏林自由大学为研究案例,通过解析柏林自由大学的构成规律实现建筑形态的数据化与可视化建模,以人工数据增广的方法构建了一个具有柏林自由大学建筑形态特点的数据集.利用该数据集,结合MATLAB以及GH等工具,本文训练了一个浅层神经网络模型,探索多样化建筑形态自动生成的潜力.通过对生成结果的可视化与分析,本文发现充分利用建筑形态数据的先验信息,针对任务特点构建紧凑形态表征能使神经网络获得更好的建筑形态生成效果.
建筑设计 可视化建模 机器学习 神经网络
刘宇波 林文强 邓巧明 梁凌宇
华南理工大学建筑学院 华南理工大学电子与信息学院
国内会议
重庆
中文
58-66
2019-09-13（万方平台首次上网日期，不代表论文的发表时间）