دانلود مقاله ISI انگلیسی شماره 63554
ترجمه فارسی عنوان مقاله

ارزیابی کیفیت طراحی خودکار با استفاده از اقدامات تشابه گراف

عنوان انگلیسی
Automatic design quality evaluation using graph similarity measures
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
63554 2013 9 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Automation in Construction, Volume 32, July 2013, Pages 187–195

ترجمه کلمات کلیدی
نمایش گراف روابط فضایی، نمودارهای سلسله مراتبی، شباهت گراف، هسته گراف، ارزیابی طراحی
کلمات کلیدی انگلیسی
Graph representation; Spatial relations; Hierarchical graphs; Graph similarity; Graph kernels; Design evaluation
ترجمه چکیده
این مقاله به مشکل کمک به طراح در برخورد با ارزیابی کیفیت طراحی کمک می کند. به خصوص، روابط فضایی و ترتیب اجزای سازنده در یک طراحی به صراحت مورد بررسی قرار می گیرد. نمودارهای سلسله مراتبی به عنوان نمایندگی طراحی به کار می روند که می تواند با استفاده از روش های مختلف ترکیب اجزاء را با توجه به اینکه یک جزء می تواند بخشی از یکی دیگر باشد، مرتبط می کند. همانطور که ارزیابی انسانی اغلب بر مبنای تجربیات حاصل از دیدن و تحلیل بسیاری از طرح ها است، روش مشابهی در این مقاله ارائه شده است. این رویکرد از روش های یادگیری ماشین، به ویژه هسته برای داده های ساختاری استفاده می کند. توابع هسته برای محاسبه شباهت طرح های جدید به طرح های دیگر که ارزیابی آن شناخته شده است، شبیه سازی روند یادگیری از تجربه استفاده می شود. رویکرد پیشنهادی با نتایج آزمایشگاهی به دست آمده برای طراحی طرح سطح طبقه بندی شده است.

چکیده انگلیسی

This paper contributes to the problem of assisting the designer in dealing with evaluating the quality of a design. Especially, spatial relationships and arrangements of components within a design are explicitly dealt with. Hierarchical graphs are used as the design representation to enable capturing different ways components can be related by taking into account the fact that a component can form a part of another one. As the human evaluation is often based on the experience gained from seeing and analyzing many designs a similar approach is proposed in this paper. This approach uses methods drawn from machine learning, in particular kernels for structured data. Kernel functions are used to calculate similarity of new designs to other designs for which the evaluation is known thus simulating the process of learning from experience. The proposed approach is illustrated by experimental results obtained for the task of floor layout design.