植物配置应用人工神经网络技术的可行性研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 相关概念 | 第10-11页 |
| 1.1.1 人工神经网络 | 第10页 |
| 1.1.2 机器学习 | 第10页 |
| 1.1.3 自生成系统 | 第10-11页 |
| 1.1.4 植物配置 | 第11页 |
| 1.2 研究背景 | 第11-12页 |
| 1.3 研究意义 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-15页 |
| 1.5 研究目标 | 第15页 |
| 1.6 研究内容 | 第15-16页 |
| 1.7 研究方法和技术路线 | 第16-18页 |
| 1.8 研究工作基础 | 第18-19页 |
| 第二章 理论可行性研究 | 第19-40页 |
| 2.1 风景园林设计的数字化基础 | 第19-29页 |
| 2.1.1 二维辅助绘图阶段 | 第20-21页 |
| 2.1.2 三维辅助建模阶段 | 第21-23页 |
| 2.1.3 数字化生态模拟阶段 | 第23-27页 |
| 2.1.4 参数化设计与算法设计阶段 | 第27-29页 |
| 2.2 人工神经网络的原理和特性 | 第29-35页 |
| 2.2.1 人工神经网络的原理 | 第29-30页 |
| 2.2.2 人工神经网络的基本结构 | 第30-31页 |
| 2.2.3 人工神经网络的主要特征 | 第31-32页 |
| 2.2.4 人工神经网络的分类 | 第32-34页 |
| 2.2.5 人工神经网络具备的功能 | 第34-35页 |
| 2.3 人工神经网络技术与植物配置的关系 | 第35-39页 |
| 2.3.1 与植物配置特性的关系 | 第35-36页 |
| 2.3.2 与植物配置过程的关系 | 第36-38页 |
| 2.3.3 应用可行性分析 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 技术操作可行性研究 | 第40-63页 |
| 3.1 理想模型的结构 | 第40页 |
| 3.2 基础训练数据的获取 | 第40-51页 |
| 3.2.1 植物配置训练数据的来源 | 第41-42页 |
| 3.2.2 人工梳理待训练数据 | 第42-43页 |
| 3.2.3 提取数据的具体操作 | 第43-51页 |
| 3.3 人工神经网络模型的应用 | 第51-59页 |
| 3.3.1 影响因子与人工神经元的映射 | 第52页 |
| 3.3.2 环境因子设置 | 第52-54页 |
| 3.3.3 植物配置方法设置 | 第54-56页 |
| 3.3.4 人工评价体系引入 | 第56-58页 |
| 3.3.5 机器学习的过程 | 第58-59页 |
| 3.4 输出结果与设计软件的对接 | 第59-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第四章 未来技术在可行性上的优化 | 第63-74页 |
| 4.1 完整的风景园林方案生成方法 | 第63-66页 |
| 4.1.1 气泡图标注 | 第64-65页 |
| 4.1.2 设计方案输出 | 第65-66页 |
| 4.2 多神经网络联合系统 | 第66-69页 |
| 4.2.1 需求分析网络 | 第66-67页 |
| 4.2.2 功能空间布局网络 | 第67-68页 |
| 4.2.3 环境分析网络 | 第68页 |
| 4.2.4 植物配置网络 | 第68页 |
| 4.2.5 造价控制网络 | 第68-69页 |
| 4.3 云端设计技术展望 | 第69-72页 |
| 4.4 智能时代的景观师角色 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 全文总结 | 第74-75页 |
| 未来展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
