MétaCan
Menu
Retour à la cohorte
Enregistrement W4232765708 · doi:10.32920/ryerson.14649315.v1

Design and implementation of intelligent building / smart building

2021· preprint· en· W4232765708 sur OpenAlexaff
Dipak Patel

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBuilding automationArchitectural engineeringBuilding managementBuilding designHVACFunction (biology)Service (business)Work (physics)SophisticationFacility managementBuilding management systemRisk analysis (engineering)Computer scienceEngineering managementEngineeringSystems engineeringBusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The intelligent building is supposed to provide the environment and means for an optimal utilization of the building, according to its designation. This extended function of a building can be achieved only by means of an extensive use of building service systems, such as HVAC, electric power, communication, safety and security, transportation, sanitation, etc. Building intelligence is not related to the sophistication of service systems in a building, but rather to the integration among the various service systems, and between the systems and the building structure. Systems' integration can be accomplished through teamwork planning of the building, starting at the initial design stages of the building. This paper examines some existing buildings claimed to be “intelligent”, according to their level of systems' integration. Intelligent buildings respond to the needs of occupants and society, promoting the well-being of those living and working in them and providing value through increasing staff productivity and reducing operational costs. Intelligent Buildings considers cultural changes affecting the way people live and work, the importance of an integrated approach to design and management and the benefits technological developments can bring in developing sustainable buildings that meet users' needs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,288
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Manufacturing and Logistics OptimizationTravaux en français237 207