Machine learning in construction: From shallow to deep learning

دسته: , تاریخ انتشار: 31 فروردین 1400تعداد بازدید: 413
قیمت محصول

رایگان

جزئیات بیشتر

انتشار

۲۰۲۱

پایگاه داده

نشریه الزویر

نوع نگارش مقاله

مقاله پژوهشی

نمایه

scopus – master journals – JCR

ایمپکت فاکتور

۴٫۲۷۶ در سال ۲۰۲۰

شاخص H_index

۲۶ در سال ۲۰۲۱

شاخص SJR

۰٫۹۰۱ در سال ۲۰۲۰

شاخص Quartile (چارک)

Q1 در سال ۲۰۲۰

مدل مفهومی

ندارد

پرسشنامه

ندارد

متغیر

ندارد

رفرنس

دارد

قوانین استفاده

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت و هر گونه فروش در سایت های دیگر قابل پیگیری خواهد بود.

توضیحات مختصر محصول
Machine learning in construction: From shallow to deep learning


دانلود رایگان مقاله

فهرست مطالب مقاله:

Machine learning in construction: From shallow to deep learning

Abstract

The  development of  artificial  intelligence technology is  currently bringing about new  opportunities in  con- struction. Machine learning is a major  area  of interest within the  field  of artificial intelligence, playing a pivotal role  in the  process  of making construction “smart”. The application of machine learning in construction has  the potential to  open  up  an  array   of  opportunities such  as  site  supervision, automatic detection, and  intelligent maintenance. However, the implementation of machine learning faces a range  of challenges due to the difficulties in acquiring labeled data,  especially when  applied in a highly  complex construction site environment. This paper reviews the  history of  machine learning development from  shallow to  deep  learning and  its  applications in construction. The strengths and weaknesses of machine learning technology in construction have been analyzed in order  to  foresee  the  future direction of machine learning applications in  this  sphere. Furthermore, this  paper presents suggestions which  may  benefit researchers in terms  of combining specific  knowledge domains in con-struction with  machine learning algorithms so as to develop dedicated deep  network models  for the  industry.

بخشی از متن مقاله:
  1. Introduction
  2. Over the past 40 years, machine learning  (ML) and in particular deep learning  (a  branch  of machine learning) has  been  making  significant technological progress,  initiating major  changes  in various  industries. It has  also  become  a powerful  tool,  capable  of automating processes  in construction, which,   in  terms  of  performance and  productivity,  lags behind  other  industries (Teicholz, 2013).  Machine learning  technologies play an important role, especially when processing  large amounts of data brings   a   significant  added   value   to   saving   time   and   maximizing computing resources. For example,  they  can be used  for text mining  in project  related  documents (Zhang et al., 2019)  or automatic monitoring (Seong et al., 2017) to help reduce the demand on human resources while simultaneously increasing safety.  Since 2017,  due  to the  excellent  per- formance of deep learning  in the field of computer vision, deep learning has been  widely  adopted in many  areas  of construction such  as: safety (Fang  et al., 2018,  ۲۰۱۹;  Wu and  Cai, 2019),  road  survey  (Zhang  and Yang,  ۲۰۱۶;  Wu  et  al.,  ۲۰۱۹),   bridge  inspection (Deng  et  al.,  ۲۰۲۰; Dorafshan  and Azari, 2020;  Zhang and Yang, 2020),  and on site opera- tion  monitoring (Fang and  Li, 2018a;  Fang and  Ding, 2018;  Guo et al.,

    ۲۰۲۰).

    In construction, researchers focus on combinations of algorithms and application scenarios  to solve their  problems. There  have  been  several reviews on machine learning  for life cycle management (Gao et al., 2019; Zhang and Shi, 2020).  However,  limited  studies  have been conducted in relation to analyzing the  strategies for choosing  specific  algorithms for different scenarios,  as well as synthesizing a road  map for guiding  sub- sequent research  to advance  the proper  use of machine learning  in con- struction. Furthermore, there  are few works focused on the fundamental machine learning  models in  construction.

    Therefore,  in order  to provide  systematic  and  comprehensive guid- ance  for  subsequent  research,  an  in-depth literature  review   on  the application of machine learning  in construction is presented herein. The aim of this paper is to help researchers working in this field quickly place their  work  within  the  current spectrum bearing   in  mind  the  current challenges   and   potential,  feasible   solutions   available.  The  paper   is organized as follows: Section 2 presents  the research  methodology used in this study  while  section  ۳ provides  an overview  of the  development history   of  machine learning   theory.   In  Sections  ۴  and  ۵  reviews  of shallow and deep learning  applications in construction are provided and, finally,  the  challenges  and  future   directions of  machine learning   in construction are identified in Sections 6 and 7.

دانلود رایگان مقاله   

نمایش بیشتر
دیدگاه های کاربران
دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0 امتیاز کلی : 0.0 توصیه خرید : 0 نفر
بر اساس 0 خرید
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید: فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید. نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.  

اولین کسی باشید که دیدگاهی می نویسد “Machine learning in construction: From shallow to deep learning”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت محصول

رایگان