【摘 要】
:
近现代居住类建筑作为南京城市历史文化遗存的重要类型,是城市居民居住生活的重要场所,具有强烈的文化和地域特色,体现出多样的形态特征。在南京城市现代化建设背景下,如何快速科学地评价已成为亟需解决的问题。随着时代的发展,对街区或者建筑的评价正在由传统的定性描述转为了定量研究,充分的案例与数据提供了机器学习的土壤。其中神经网络算法能够充分利用已有的样本数据以获取评价结果,避免专家干预过多、权重制定复杂等问
【基金项目】
:
国家自然科学青年基金项目(51608105); 江苏省自然科学青年基金项目(BK20160682); 江苏省文物科研课题(2014SK07);
论文部分内容阅读
近现代居住类建筑作为南京城市历史文化遗存的重要类型,是城市居民居住生活的重要场所,具有强烈的文化和地域特色,体现出多样的形态特征。在南京城市现代化建设背景下,如何快速科学地评价已成为亟需解决的问题。随着时代的发展,对街区或者建筑的评价正在由传统的定性描述转为了定量研究,充分的案例与数据提供了机器学习的土壤。其中神经网络算法能够充分利用已有的样本数据以获取评价结果,避免专家干预过多、权重制定复杂等问题,且具有很强的容错能力和泛化能力。依据神经网络算法的在评价以及预测方面的优势,在国内外的建筑学评价研究中已有一定的尝试。本研究以BP神经网络为工具对近现代居住类建筑评价体系进行研究,选定南京近现代居住类建筑这一特定类型,目标是利用神经网络训练输入居住类建筑遗产的价值指标数据,根据训练结果进行评价工作,准确输出评价对象的各项价值评分和总评分,借此提出相应的保护与再利用策略。文章首先在对国内外相关研究的基础上,对南京近现代居住类建筑的价值构成进行了研究,建立了相应的价值指标框架;接着依据机器学习的原理,结合研究出的价值指标框架构建了基于BP神经网络的南京近现代居住类建筑评价体系,并在收集处理充分的数据样本后运用python语言进行了BP神经网络评价体系的实现与验证;最后以南京梅园新村历史街区为例,验证了BP神经网络评价体系的可行性,并以评价结果为基准提出了分级保护的策略。总的来说,机器学习的引入可以为近现代居住类建筑的评价提供一种新的思路,提升评价的科学性和效率,并为形成完整的长效保护机制提供助力,具有一定的实际意义。本论文共包括六个章节,图片37幅(不包括表格内图片),表格41份,总字数72936字。
其他文献
隐身技术在电磁对抗与电磁干扰中具有重要的应用价值,可以保障己方设备正常工作,但是随着技术进步,传统吸波材料难以满足隐身技术发展需求,在材料厚度、吸波能力、工作带宽等方面提出了更高要求。超材料(Metamaterials)是由人工结构通过特定排列形成的,具有与自然界媒质不同的电磁特性。随后超表面(Metasurface)被提出,由于其对电磁波的灵活调控功能成为了研究热点。并且超表面可以在超薄条件下对
人才是否实现其应有的价值,是社会进步和经济发展的重要内核,力推人才队伍建设、完善人才队伍管理,也是新时代人才强国壮大的关键钥匙。经济的快速发展和社会稳步前进,人才是否得到合理流动已成为社会资源重组优化成功的必然因素。在人才流动的客观前提下,通过一系列管理手段,我国基本实现了对人才资源的有效利用,但人才流动不合理、人才流失严重、人才的供给和需求不平衡等现实问题仍大量存在,亟待解决。人才流动管理是人才
随着科技产品往数字化方向发展,对模数转换器(Analog to Digital Converter,ADC)的精度和功耗要求越来越高。逐次逼近型(Successive Approximation Register,SAR)ADC具有面积小、功耗低、结构简单等优点,不仅被广泛应用在低精度低功耗的领域,在高精度低功耗领域也有着广阔的应用前景,所以研究高精度低功耗SAR ADC具有重要的现实意义。本文通
随着集成电路产业的发展,先进工艺节点下的时序收敛与时序预测的准确性越来越被人们所重视。由于实际电路工作条件的多样性,导致在芯片设计时,电路往往需要在多种PVT工作条件下进行时序验证,这严重延长了芯片的设计周期。基于机器学习的模型策略是目前解决该问题的主流方法,但是传统的机器学习方法仅适用于邻近电压延时建模,有着对路径结构信息抽取难度较大以及难以捕捉邻近PVT组合延时关系的劣势,无法满足跨电压域下的
近年来,随着片上系统(System-on-a-chip,SOC)的应用场景不断丰富,芯片逻辑设计复杂度日益增加。芯片验证作为芯片流片前确保芯片无漏洞的重要手段,贯穿于整个芯片的开发流程。一方面,随着芯片设计复杂化,验证难度也随之增大;另一方面,芯片开发周期有限,甚至迫于市场需求需要缩短,降低验证周期和成本成为衡量芯片开发的关键因素。传统的验证手段对简单逻辑设计仍可适用,但面对大型商用芯片时,效率、
三网融合是我国在数字信息化发展新浪潮下做出的重大战略决策,是提高国民经济和社会信息化水平,实现我国从网络大国向网络强国转变的现实需求。我国三网融合的实践发端较早,已取得了一定的发展成果,但三网融合涉及到广电和电信两大实体之间的合作与博弈,两方的权责利益关系难以充分协调,导致其推进过程并不顺利,整体发展效果还难以达到人们的心理预期。四川省是较早进行三网融合试点的省份之一,虽然四川省三网融合推进过程中
关键路径选取是近阈值电路时序分析中的重要工作,在实际的关键路径选取中通常需要先对电路中的路径进行处理,得到候选路径集,以减少需要精确分析的路径数量,提高效率。然而近阈值电路中延时波动的存在使得传统静态时序分析方法所基于的特定时序模型无法很好的反映电路的实际延时情况,故而无法准确地生成候选路径集。因此设计一种能准确且高效地生成近阈值电路关键路径选取所需的候选路径集的预测模型具有重要的意义。本文首先生
卷积神经网络具有计算密集和访存密集的特征,模型中存在着大量的并行计算、数据复用和访存操作,但是通用处理器采用的串行计算架构不能完全发挥卷积神经网络的固有优势,因此需要使用其他硬件平台加速卷积神经网络的执行。然而在卷积神经网络模型的推理过程中,频繁的内存读写操作会产生大量的访存功耗,进而限制加速器的推理性能。因此本文设计了一款能够高效访存的加速器,通过高度并行的计算架构实现大规模的并行化和广泛的数据
近年来数字经济蓬勃发展,宽电压设计在平衡及调节性能和功耗上的优势显著,但其延时可变化的特性却给关键路径时序分析准确性提出了更高的要求。现阶段的电路设计中,伪路径的数量和比例已达到了不可忽视的程度,也给准确分析关键路径造成了干扰。识别并剔除伪关键路径有利于提高关键路径时序分析的精度,进而改善电路性能。本文深入分析关键路径和伪路径之间的关联性,设计一种伪关键路径识别和剔除方案,实现电路关键路径延时优化
模拟电路受工艺参数波动影响较大,设计者总是需要保证电路满足一定的良率要求,传统的蒙特卡罗方法需要几十万次电路仿真才能得到精确的良率结果。当前基于重要性采样的方法在寻找最优偏移矢量上效率较低;基于替代模型的方法对失效边界的建模精度较低。本文设计了一种面向模拟电路良率评估的替代模型算法。首先针对实际的模拟电路场景,基于Mirrors Design方法设计了一种稳定高效的工艺参数筛选方法;其次,针对良率