Conceptual cost estimates are impor

Conceptual cost estimates are important to project feasibility studies and impact upon final project success. Such estimates provide significant information that can be used in project evaluations, engineering designs, cost budgeting and cost management. This study proposes an artificial intelligence approach, the evolutionary fuzzy hybrid neural network (EFHNN), to improve conceptual cost estimate precision. This approach first integrates neural networks (NN) and high order neural networks (HONN) into a hybrid neural network (HNN), which operates with alternating linear and non-linear neuron layer connectors. Fuzzy logic (FL) is then used in the HNN to handle uncertainties, an approach that evolves the HNN into a fuzzy hybrid neural network (FHNN). As a genetic algorithm is employed on the FL and HNN to optimize the FHNN, the final version used for this study may be most aptly termed an ‘EFHNN’. For this study, estimates of overall and category costs for actual projects were calculated and compared. Results showed that the proposed EFHNN may be deployed effectively as an accurate cost estimator during the early stages of construction projects. Moreover, the performance of linear and non-linear neuron layer connectors in EFHNN surpasses models that deploy a singular linear NN.

ผลลัพธ์ (ไทย) 1:

ประเมินต้นทุนแนวคิดมีความสำคัญเพื่อศึกษาความเป็นไปได้ของโครงการและผลกระทบเมื่อสำเร็จโครงการขั้นสุดท้าย ประเมินดังกล่าวให้ข้อมูลสำคัญที่ใช้ในการประเมินโครงการ วิศวกรรม การออกแบบ จัดทำงบประมาณต้นทุน และต้นทุนการจัดการ การศึกษานี้เสนอวิธีการปัญญาประดิษฐ์ เครือข่ายประสาทไฮบริเอิบวิวัฒนาการ (EFHNN), การปรับปรุงแนวคิดต้นทุนประเมินความแม่นยำ วิธีการนี้ก่อนรวมเครือข่ายประสาท (NN) และเครือข่ายประสาทสั่งสูง (HONN) เข้าผสมประสาทเครือ (HNN), ซึ่งดำเนินงาน ด้วยการเชื่อมต่อเซลล์ประสาทเชิงเส้น และไม่เชิงเส้นชั้นสลับ ตรรกศาสตร์ (FL) นั้นถูกใช้ใน HNN การจัดการความไม่แน่นอน วิธีการอยู่เสมอ HNN ที่เป็นเครือข่ายประสาทผสมปุย (FHNN) เป็นอัลกอริทึมทางพันธุกรรมเป็นลูกจ้างใน FL และ HNN เพื่อเพิ่มประสิทธิภาพการ FHNN รุ่นสุดท้ายที่ใช้สำหรับการศึกษานี้อาจมาก aptly เรียกว่า 'EFHNN' การศึกษา การประเมินโดยรวมและประเภทต้นทุนสำหรับโครงการจริงถูกคำนวณ และเปรียบเทียบ ผลพบว่า EFHNN นำเสนออาจจัดวางอย่างมีประสิทธิภาพเป็นการประมาณการต้นทุนที่ถูกต้องในขั้นต้นของโครงการก่อสร้าง นอกจากนี้ ประสิทธิภาพการทำงานของเซลล์ประสาทที่เชิงเส้น และไม่เชิงเส้นเชื่อมต่อชั้นใน EFHNN สำหรับรุ่นที่ปรับใช้เอ็นเอ็นเส้นเป็นเอกพจน์

ผลลัพธ์ (ไทย) 2:

ประมาณการค่าใช้จ่ายแนวคิดที่มีความสำคัญกับโครงการศึกษาความเป็นไปและผลกระทบต่อความสำเร็จของโครงการสุดท้าย ประมาณการดังกล่าวให้ข้อมูลสำคัญที่สามารถนำมาใช้ในการประเมินผลโครงการออกแบบวิศวกรรม, การจัดทำงบประมาณค่าใช้จ่ายและการจัดการค่าใช้จ่าย การศึกษาครั้งนี้ได้นำเสนอวิธีการประดิษฐ์ไฮบริดเลือนวิวัฒนาการเครือข่ายประสาท (EFHNN), ค่าใช้จ่ายในการปรับปรุงความแม่นยำประมาณการแนวคิด วิธีการนี​​้เป็นครั้งแรกรวมเครือข่ายประสาท (NN) และการสั่งซื้อสูงเครือข่ายประสาท (Honn) เป็นเครือข่ายประสาทไฮบริด (HNN) ซึ่งดำเนินการเชิงเส้นที่มีการสลับและการเชื่อมต่อชั้นเซลล์ประสาทไม่เชิงเส้น ตรรกศาสตร์ (FL) จะถูกนำไปใช้ใน HNN ที่จะจัดการกับความไม่แน่นอนวิธีการที่วิวัฒนาการ HNN เป็นเครือข่ายประสาทเลือนไฮบริด (FHNN) ในฐานะที่เป็นขั้นตอนวิธีทางพันธุกรรมเป็นลูกจ้างในฟลอริด้าและ HNN เพื่อเพิ่มประสิทธิภาพ FHNN รุ่นสุดท้ายที่ใช้ในการศึกษาครั้งนี้อาจจะมากที่สุดเหมาะเจาะเรียกว่า 'EFHNN' สำหรับการศึกษาครั้งนี้การประเมินโดยรวมและค่าใช้จ่ายในหมวดหมู่สำหรับโครงการที่เกิดขึ้นจริงจะถูกคำนวณและเปรียบเทียบ ผลการศึกษาพบว่า EFHNN เสนออาจจะถูกนำไปใช้อย่างมีประสิทธิภาพเป็นประมาณการค่าใช้จ่ายที่ถูกต้องในช่วงแรกของโครงการก่อสร้าง นอกจากนี้ผลการดำเนินงานของการเชื่อมต่อชั้นเซลล์ประสาทเชิงเส้นและไม่เชิงเส้นใน EFHNN เกินกว่าที่ปรับเอกพจน์เชิงเส้น NN

ผลลัพธ์ (ไทย) 3:

ประมาณการค่าใช้จ่ายเบื้องต้นเป็นสำคัญเพื่อศึกษาความเป็นไปได้ของโครงการและผลกระทบต่อ สุดท้าย ความสำเร็จของโครงการ การประมาณการดังกล่าวให้ข้อมูลสำคัญที่สามารถใช้ในการประเมินผลโครงการวิศวกรรมการออกแบบ , ค่าใช้จ่ายงบประมาณและการบริหารต้นทุน การศึกษานี้เสนอแนวทางปัญญาประดิษฐ์ วิวัฒนาการแบบไฮบริด โครงข่ายประสาทเทียม ( efhnn )ปรับปรุงประมาณการค่าใช้จ่ายเพื่อความแม่นยำ วิธีแรกนี้รวมโครงข่ายประสาท ( NN ) และสินค้าสูงโครงข่ายประสาทเทียม ( honn ) เป็นลูกผสมโดยใช้โครงข่ายประสาทเทียม ( hnn ) ซึ่งทำงานด้วยสลับเส้นและเส้นประสาทตัวเชื่อมต่อชั้น ตรรกศาสตร์ ( FL ) ถูกใช้ใน hnn เพื่อจัดการกับความไม่แน่นอน , วิธีที่ hnn วิวัฒนาการออกเป็นฝอยผสมโครงข่ายประสาทเทียม ( fhnn )เป็นขั้นตอนวิธีเชิงพันธุกรรมมาใช้ในฟลอริด้าและ hnn เพื่อเพิ่ม fhnn , รุ่นสุดท้ายที่ใช้ในการศึกษาครั้งนี้ อาจจะมากที่สุด efhnn aptly เรียกว่า ' ' สำหรับการศึกษานี้ประมาณการค่าใช้จ่ายโดยรวมและประเภทของโครงการที่แท้จริงคำนวณและเปรียบเทียบผลการศึกษาพบว่า การนำเสนอ efhnn อาจจะใช้งานได้อย่างมีประสิทธิภาพเป็นประมาณการค่าใช้จ่ายที่ถูกต้องในระหว่างขั้นตอนแรกของโครงการก่อสร้าง นอกจากนี้ประสิทธิภาพของเส้นและเส้นเชื่อมต่อเซลล์ประสาทในชั้น efhnn เกินกว่ารุ่นที่ปรับพจน์เชิงเส้น NN .