机译:通过使用神经网络和BIM最大限度地减少建筑物的预测性能与实际性能之间的偏差
building performanceenergy predictionsartificial neural networksBIM;
机译:EPAR:能源绩效增强现实模型,用于识别实际测量结果与模拟结果之间的建筑物能源绩效偏差
机译:高性能纳米结构(Ni,Mn)-Ag / ZSM-5双金属催化剂氧化乙酸乙酯和人工神经网络预测模型的开发
机译:在基于gbXML的BIM中将实际热特性映射到建筑元素,以进行可靠的建筑能效建模
机译:马萨诸塞州的绿色建筑:实际和预测能源性能之间的比较
机译:使用遗传算法和人工神经网络预测交通负荷下的路面性能,以获得弹性模量值。
机译:在构建小干扰RNA的预测模型中比较人工神经网络通用线性模型和支持向量机
机译:通过预测缓冲区利用率,最大限度地减少局部拥塞对芯片片性能的影响