| dc.contributor | Carvalho, Andre Britto de | |
| dc.contributor | Brasiel, Marco Antônio | |
| dc.creator | Brito, Elke Natan Souza | |
| dc.date | 2020-06-27T01:36:25Z | |
| dc.date | 2020-06-27T01:36:25Z | |
| dc.date | 2020-05 | |
| dc.date.accessioned | 2023-09-28T22:42:45Z | |
| dc.date.available | 2023-09-28T22:42:45Z | |
| dc.identifier | Brito, Eike Natan Sousa.Análise de desempenho de modelos de classificação de elementos arquitetônicos em modelos BIM. São Cristóvão, SE, 2020. Monografia (graduação em Ciência da Computação) - Departamento de Computação, Centro de Ciências Exatas e Tecnologia, Universidade Federal de Sergipe, São Cristóvão, SE. 2020 | |
| dc.identifier | http://ri.ufs.br/jspui/handle/riufs/13505 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9076045 | |
| dc.description | Com a busca de novas tecnologias, a construção civil se depara com o BIM (Building Information Modeling), um modelo capaz de conectar diversas áreas e participar do ciclo todo de vida do projeto. Porém, esse modelo não é tão simples de ser desenvolvido e a quantidade de dados que fornece acaba dificultando a construção e avaliação do mesmo. Para isso, desenvolvedores começaram a utilizar de técnicas de aprendizagem de máquina para auxiliar na classificação de objetos em modelos BIM. O objetivo desse trabalho foi extrair os dados BIM e converte-los para um arquivo IFC, onde foi desenvolvido um sistema capaz de ler os dados, transforma-los em dataframes, onde serão utilizados para treinamento e teste dos modelos criados (máquina de vetor de suporte, máquina de vetor de suporte com hiperparâmetros, máquina de vetor de suporte de classe única, árvore de decisão, floresta aleatória e PU learning), para enfim, realizar três experimentos e compara-los para obter os melhores e piores classificadores para predição de paredes, portas e janelas em projetos arquitetônicos. Como base do projeto, utilizará um trabalho da literatura, onde todo o processo será replicado e depois melhorado de acordo com os problemas encontrados. A partir dos dados obtidos serão comparadas e averiguadas as diferenças de cada projeto e quanto impacta no valor de predição do modelo no problema, além de demonstrar uma classificação para cada um dos classificadores criados a partir do problema. | |
| dc.description | São Cristóvão, SE | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | DCOMP - Departamento de Computação – Ciência da Computação – São Cristóvão - Presencial | |
| dc.publisher | Universidade Federal de Sergipe | |
| dc.subject | Ciência da computação | |
| dc.subject | Engenharia de software | |
| dc.subject | Floresta aleatória | |
| dc.subject | Aprendizado de máquina | |
| dc.subject | SVM | |
| dc.subject | SVM One-Class | |
| dc.subject | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO | |
| dc.title | Análise de desempenho de modelos de classificação de elementos arquitetônicos em modelos BIM | |
| dc.type | Monografia | |
