Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/81971
Título: | Aprendizagem de máquinas aplicada a modelos de informação de construção: BIM2GNN |
Autor(es): | Aghabayli, Aydan Camarinha, Ricardo de Matos Luís, Manuel Esteves Granja, José Luís Duarte Figueiredo, Bruno |
Data: | 2022 |
Editora: | UMinho Editora |
Citação: | Aghabayli, A., Camarinha, R. M., Luís, M. E., Granja, J., & Figueiredo, B. (2022). Aprendizagem de máquinas aplicada a modelos de informação de construção: BIM2GNN. In B. Figueiredo, J. P. Martins, J. P. Martins, J. Granja, J. C. Lino, & M. Azenha (Ed.), 4º congresso português de ‘Building Information Modelling’ vol. 2 – ptBIM (pp. 94–105). UMinho Editora. https://doi.org/10.21814/uminho.ed.77.8 |
Resumo(s): | Seguindo o conceito de digitalização, é amplamente aceite que actualmente ocorre uma transformação na indústria AEC impulsionada pela integração de processos eficazes na gestão de dados. Neste contexto, o BIM tem vindo a ganhar cada vez mais relevância ao permitir o acesso a grandes repositórios de dados. Os modelos BIM representam uma oportunidade de explorar grandes conjuntos de dados para melhorar a gestão do conhecimento e desempenho da indústria. No entanto, a conversão de dados em conhecimento requer um processo iterativo de contextualização e interpretação. Este trabalho adota uma perspectiva de aprendizagem para as máquinas aprenderem com os dados armazenados nos modelos BIM. A Aprendizagem Máquina — Machine Learning (ML) — é um subdomínio da ciência de dados que abre novos horizontes ao processo de aprendizagem a partir de grandes quantidades de dados, o que poderá desafiar a actual sector da AEC. Este artigo estrutura‑se em duas partes principais: em primeiro, apresenta uma revisão da literatura; em segundo lugar, propõe e testa uma estrutura BIM2GNN para fazer um uso iterativo, totalmente transparente, de dados BIM em algoritmos ML. Neste contexto, recorreu‑se a algoritmos de Rede Neural Convolucional — Convolutional Neural Network (CNN) — e Redes Neurais Gráficas — Graph Neural Network (GNN). Os autores concluíram que os dados BIM são relevantes para implementar técnicas de aprendizagem na construção, no entanto, existem ainda vários obstáculos a ultrapassar ao nível da indústria. Estes incluem o acesso a dados, formato de dados, tipos de ficheiros, estrutura de dados e interoperabilidade. |
Tipo: | Artigo em ata de conferência |
URI: | https://hdl.handle.net/1822/81971 |
e-ISBN: | 978‑989‑8974‑69-3 |
DOI: | 10.21814/uminho.ed.77.8 |
Versão da editora: | https://doi.org/10.21814/uminho.ed.77.8 |
Arbitragem científica: | yes |
Acesso: | Acesso aberto |
Aparece nas coleções: | UMinho Editora - Artigos em atas de congressos |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2022_Aprendizagem-de-maquinas-aplicada.pdf | 353,01 kB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons