魔改系列-6不智能

你有种再说一遍

想必看完上一篇的朋友们已经发现了末尾描述了一个功能:选择相似组块.
这个相似选择是绝对相似才能获取到,并且相似性是通过归纳图元类型总结得到,万一没有归纳到呢?
可以试试炸开多段线之后,他们相似关系拆离了.
这个万一是百分百发生的,因为这个世界其实是模糊的,软件也不例外.
所以我们需要什么?我们需要人工智能.


试想一个面积小于n的消防前室是不满足规范要求的,而这个面积数我们不能提前预判制造索引,如果满足了面积,等下告诉你宽度不满足了呢?这些信息记录也是浪费空间的,但是你还是要某个时刻提取出来比较...也由于画图和审图的总是两拨人,我们总不能因为他画图不行就放弃这些人吧...
所以我们需要什么?我们需要人工智能.


首先我们需要语料,需要一份读入了最新版规范的语料,并且是有监督模型,因为规范是会变动的.这个概念非常巨大,是NLP,什么切词,倒序索引,向量化,残差网络,Transformer的QKV注意力机制....我选择跳过不讲.
虽然跳过,但是实际上我们需要生成一个执行本,从头检查到尾,这个遍历数也是堪称恐怖.尤其是满足设计说明提到的每个规范,规范和规范的冲突比较呢?


然后我遇到了难以言表的问题了.
矢量的图元需要栅格化吗?
如果不栅格化,由于深度卷积神经网络需要一连串上采样下采样,实现自动抠图,所以我们不光栅化的话,能利用图元本身的信息熵进行向量标注.
如果需要栅格化,那么就能进入深度卷积神经网络里面去,但是和模型脱钩了.
识别每个图元的功能是这个结构的核心,它要如何标注呢?例如柱子,钢筋,大量的卷积啊...
然后要进行数据提取,例如层高,梁柱,布筋数方式,种种的学习,进行构造三维模型.这样就能通过AI算法反向构造BIM模型了.
泛化模型,报价功能...


有什么技术能够使得"询问"和"图形"结合呢?
反向生成三维模型肯定不会放弃的.
语义感知神经辐射场.NeRF.
https://zhuanlan.zhihu.com/p/627356466
它内容真的巨大,我觉得我不是很能掌握,再见.

伊江痕

这篇学会了

荣sir

论研究深度，还得看惊佬

你有种再说一遍

单词和单词关联度是如何实现的?点积.
点积是描述一个向量落在另一个向量上面.
如果落不上,就是关联度低,嘿嘿.
这就是注意力机制其中之一