Resumen

La planificación y el diseño del paisaje urbano no sólo están estrechamente relacionados con el entorno vital de las personas, sino que también tienen un importante impacto en la planificación y el desarrollo urbanos. Sin embargo, existen algunos problemas en la planificación y el diseño del paisaje, como los casos excelentes, la baja tasa de reutilización de datos, la discrepancia entre el esquema de diseño y la situación real, y la grave escasez de profesionales relevantes. La red neuronal artificial puede ofrecer las vías correspondientes para mejorar y resolver estos problemas. Por lo tanto, este trabajo propone una investigación sobre la planificación y el diseño de jardines basada en el algoritmo de red neuronal de función de base radial de enjambre de partículas de coevolución multipoblacional. Basado en el algoritmo de red neuronal de función de base radial de enjambre de partículas de coevolución multipoblacional, el error entre el valor de evaluación predicho y el valor de evaluación real en el experimento de simulación es inferior al 5%, lo que muestra una buena precisión y capacidad de generalización en el rendimiento. Y en el experimento de simulación de la configuración de la planta, puede evaluar eficazmente la planificación y el diseño urbano y proponer el esquema de ajuste correspondiente de acuerdo con los resultados del análisis, que está más en línea con las necesidades reales de la planificación urbana.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:función de base radial, algoritmo de red neuronal, planificación urbana, diseño, coevolución multipoblacional, valor de evaluación real, red neuronal artificial, valor de evaluación predicho, planificación del paisaje urbano, baja tasa de reutilización
• Keywords:radial basis function, neural network algorithm, urban planning, design, multipopulation coevolution, actual evaluation value, artificial neural network, predicted evaluation value, urban landscape planning, low reuse rate