Fuzzy Clustering-Based Model for Productivity Forcasting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fuzzy Clustering-Based Model for Productivity Forcasting Farid Mirahadi, Tarek Zayed Pages 596-607 (2013 Proceedings of the 30th ISARC, Montréal, Canada, ISBN 978-1-62993-294-1, ISSN 2413-5844) Abstract: Forecasting productivity of construction operations is a difficult but crucial task in planning construction projects. Over the past decades, many models have been developed to forecast productivity for different construction operations. Models made up of several functional relations and controlled by a specific number of control rules are more in line with human reasoning and logic. Neural-Network-Driven Fuzzy Reasoning (NNDFR) structure as one of these models shows a great performance for modeling datasets among which clear clusters are recognizable. Lack of the compatibility of conventional NNDFR with fuzzy clustering algorithms besides the insufficient attention paid to the optimization of number of clusters in this model, created a potential area for further research. The main contribution of the proposed model is to develop a modified NNDFR system to model construction data. To this end, Fuzzy C-Means (FCM) algorithm is substituted for K-means in NNDFR structure, and its parameters such as the number of clusters and weighting exponent are optimized through genetic algorithm. The proposed model is further verified through simulation of a construction operation in which several qualitative and quantitative factors are considered. Its implementation to the case study shows a considerable improvement of model performance with lower Mean Squared Error (MSE). The developed model assists researchers and practitioners in utilizing historical construction data to forecast productivity of construction operations with a high accuracy that could not be obtained by traditional techniques. Keywords: Productivity forecasting, Fuzzy reasoning, Fuzzy clustering, Neural network, Clustering-based model, Genetic algorithm, Multi-dimensional membership function DOI: https://doi.org/10.22260/ISARC2013/0065 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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