Araştırma sürecinde hazırlanan EYSA modelinin eğitimi, veri setini oluşturan ve ait olduğu yapılaşma sınıfıyla etiketlenmiş imaj kümesinin karıştırılarak 100’erli gruplar halinde 5 tur (epoch) modele girdi olarak verilmesi ve modelin bu imaj girdilerinin yapılaşma sınıflarının model tarafından doğru bir şekilde çıktı olarak verilmesini sağlayacak optimizasyonun makul bir süre içinde makul olan en yüksek orana çıkarılması süreci sonunda başarılı bir şekilde gerçekleştirilmiştir.
EYSA modelinin eğitimi sürecinde her tur yaklaşık 1440 saniye sürmüş ve her eğitim turunda aşağıda açıklandığı haliyle doğruluk ve hata değerlerine ulaşılmıştır.
Eğitim sürecinde eldeki imaj veri seti 117599 adet eğitim veri seti ve 50401 adet doğrulama (validation) veri seti olarak iki gruba ayrılmıştır.
Yazılımın çıktılarında ifade edilen loss (hata) değeri modelin eğitim veri seti ile eğitilmesi sürecinde her eğitim turunda ulaştığı hata değerini, acc (accuracy – doğruluk) değeri modelin eğitim veri seti ile eğitilmesi sürecinde her eğitim turunda ulaştığı doğruluk değerini, val_loss (validation loss – doğrulama hatası) değeri modelin eğitim veri seti ile eğitilmesi ardından her turda doğrulama (validation) veri seti ile test edilmesi ile erişilen test hata değerini, val_acc (validation accuracy – doğrulama doğruluğu) değeri modelin eğitim veri seti ile eğitilmesi ardından her turda doğrulama veri seti ile test edilmesi ile erişilen doğrulama değerini göstermektedir.
EYSA MODELİNİN EĞİTİM VE TEST SONUÇLARI
Train on 117599 samples, validate on 50401 samples
Epoch 1/5
117599/117599 [==============================] - 1444s 12ms/step - loss: 1.8287 - acc: 0.4803 - val_loss: 0.0259 - val_acc: 0.9933
Epoch 2/5
117599/117599 [==============================] - 1439s 12ms/step - loss: 0.0838 - acc: 0.9720 - val_loss: 0.0069 - val_acc: 0.9976
Epoch 3/5
117599/117599 [==============================] - 1437s 12ms/step - loss: 0.0397 - acc: 0.9871 - val_loss: 0.0016 - val_acc: 0.9997
Epoch 4/5
117599/117599 [==============================] - 1438s 12ms/step - loss: 0.0265 - acc: 0.9914 - val_loss: 0.0017 - val_acc: 0.9996
Epoch 5/5
117599/117599 [==============================] - 1437s 12ms/step - loss: 0.0209 - acc: 0.9936 - val_loss: 8.5691e-04 - val_acc: 0.9999
Modelin eğitilmesi ardından en önemli incelenmesi gereken değerler test hata değeri ve test doğruluk değerleridiri. Modelin 5 tur boyunca eğitimi ardından erişilen test sonuçlarına göre test kayıp değeri 0.0209 oranına (%0.0209) ve test doğruluk değeri 0.9999 oranına (%99.99) ulaşmıştır. Bu sonuçlar EYSA modelinnin genelleştirebilme becerisi kazandığını ve yüksek düzeyde başarı gösterdiğini ifade etmektedir. Bu sonuçlar tez kapsamında ulaşılmaya çalışılan hedeflere uygundur.
Tez kapsamında ele alınan problem ve çözümü yolunda yapılan araştırmalar ile elde edilen modelin ulaştığı sınıflandırmada doğruluk başarısı tezin birincil amacına ulaşmasını sağlamıştır. Gerçekleştirilen çalışma göstermiştir ki iyi tanımlanan bir mimari problem uzayında YSA’ların kullanımı ile kural tabanlı bir yazılım kullanımı ya da insan faktörü olmadan öğrenen bir algoritma geliştirerek probleme uygun cevaplar verebilen modeller kurmak mümkündür.
Vaziyet planı tasarımı mimari tasarım süreçleri içerisinde en temel ve sonraki tüm süreçleri belirleyen önemli bir aşamadır. Tasarım süreçleri içerisinde stratejik bir durumu vardır. Gerçek hayatta karşılaşılabilecek sınırsız sayıda olası durumu, benzerlikleri üzerinden gruplayarak çeşitli problem uzayları yaratmak ve makine öğrenmesi teknikleri ile bu problem uzaylarına öğrenilmiş cevaplar sunarak tasarım çalışmalarında kullanılabilecek algoritmalar geliştirmek mümkün görünmektedir.
Belirlenecek problem uzaylarında makine öğrenmesinde kullanılabilecek veri setlerinin oluşturulması işin en emek yoğun ve kaynak tüketici yönü olarak görülmektedir. Bu alanda yapılacak yatırımlar ve geliştirilecek iş imkanları önemli potansiyel barındırmaktadır. Yapı bilgi modellemesi sistemlerinin kullanımı veri setleri oluşturmak açısından önemli bir imkan doğuracaktır.
Mimari tasarımda yapay zekanın kullanımının gayrimenkul geliştirme faaliyetlerine de ciddi oranda etkisi olacaktır. Gayrimenkul geliştirme bilimi ileriye yönelik değer üretme amacı taşıdığından veriye ve kestirim gücüne büyük oranda bağlıdır. Gayrimenkul geliştirme süreçlerinde özellikle başlangıç aşamalarında mimari tasarım çalışmalarının gerek zaman, gerekse maddi sebeplerle yeterli düzeyde ilerletilememesi galiştirme süreçlerinin ilerleyen aşamalarında öngörülemeyen bir çok oluksuz durumun ortaya çıkmasına da sebebiyet verebilmektedir. Bu nedenle veriye dayalı mimari tasarım çalışmalarının daha erişilebilir bir hale gelmesi gayrimenkul geliştirme faaliyetlerinin kalitesini ve öngörülebilirliğini arttırarak hem verimsizliği hem de maddi kayıpları azaltma potansiyeli taşımaktadır.
Gayrimenkul geliştirme fikirlerinin daha en başında belirli parametrelerle hızla otomatik olarak ortaya konabilecek temel düzeydeki mimari yerleşim planları ve kütle çalışmaları geliştiricilerin karar vermelerini kolaylaştıracak ve hesaplama kabiliyetlerini büyük oranda arttırabilecektir.
Yapay zekâ çalışmalarının gelecekte birçok meslek alanını ortadan kaldıracağı ya da şimdikinden çok farklı bir yöne evrilmelerine sebep olacağı öngörülmekle birlikte şu anda mevcut olmayan başka bir çok meslek dalını da ortaya çıkaracağı düşünülmektedir. Mimari tasarımın ve mimarların bu süreçte etken bir rol oynayabilmeleri için sistemli bir pratik geliştirmeye önem vermeleri gerekmektedir.
Uzun yıllara yayılan tecrübeler ile elde edilen mimari tasarım becerisinin sistematik bir şekilde bilgi veri setleri haline dönüştürülmesi gerekmektedir. Bu sayede yapay zekâ ile tasarım için önemli bir zemin elde edilmiş olacaktır.
Tasarım süreçlerinde bilgisayar kullanımının tasarımın kendisini de etkilediği önemli bir gerçektir. Yapay zekânın tasarım süreçlerine entegrasyonunun da benzeri ve hatta daha yoğun bir etkiyi göstereceğini öngörmek mümkündür. Mimari tasarımda yapay zekâ kullanımı, yapay zekâ araştırmalarının yaratıcılık, hayal gücü, müzakere gibi henüz olgunlaştırılamamış alanlarda da ilerlemesi ile daha yoğun bir hal alacağı kesindir. Mimari yaklaşımını, makinelerin algılayabileceği oranda sayısallaştırmayı formüle edebilen girişimciler, yapay zekânın mimari tasarımda alacağı rolde de belirleyici olacaklardır.
Bu nedenlerden ötürü ülkemizde yapay zekâ alanında yapılacak araştırma ve geliştirme faaliyetlerine ağırlık verilerek öncü olmak için gerekli politik, ekonomik ve akademik imkanlar yaratılmalı, bu alandaki araştırmacılara gerekli kaynak önceliği sağlanmalıdır. Ülkemiz ekonomisinde inşaat endüstrisinin sahip olduğu potansiyel göz önünde bulundurulduğunda bu alan stratejik bir öneme sahiptir.
İlerleyen yıllarda lojistik, imalat ve inşaat endüstrilerinde yapay zekâ temelli robotların iş gücündeki ağırlıklarının da artacağını ön görmek hayalci olmayacaktır. Mimari ve mühendislik tasarım faaliyetlerini merkezine alan bir yapay zekâ politikası ulusal düzeyde geliştirilmeli ve desteklenmelidir.
<a href="https://callgirldehradun.sakhiya.net/">Visit</a>
Hello, I would like to thank you for sharing this interesting information, the tips provided for flashing the ROM will be useful for a lot of people. I was actually looking for a reflection of my life essay, nevertheless, I like it a lot.
<a href="https://nityaverma.com/" rel="dofollow">call girl service in udaipur</a>
<a href="https://nityaverma.com/" rel="dofollow"> escort service udaipur</a>
<a href="https://nityaverma.com/" rel="dofollow"> udaipur Call Girls </a>
<a href="https://nityaverma.com/" rel="dofollow"> call girl service udaipur</a>
<a href="https://nityaverma.com/" rel="dofollow"> udaipur escort service </a>