Предметной областью статьи является автоматизация решения задач энергоэффективности в жизненном цикле объектов строительства, где предмет рассмотрения представляет собой специальные задачи на основе нейросетей в технологиях управления жизненным циклом объектов капитального строительства, в особенности объекты малоэтажного строительства. Объектом исследования данной статьи выступают типы используемых нейросетей. Применение алгоритмов искусственного интеллекта в строительной сфере рассматривается авторами как важнейшая специальная задача. Цель и основной вывод статьи заключен в определении приоритетных за последние пять лет типов архитектур нейросетей для обеспечения перехода управления жизненным циклом объектов строительства в новый технологический уклад. Авторы используют методологию обзора исследований, посвящённых архитектуре нейронных сетей для автоматизации решения задач энергоэффективности в строительной сфере. Авторы предлагают разработанную ими иерархию нейронных сетей в решении задач энергоэффективности в жизненном цикле объектов строительства. Также предлагается разработанная авторами визуализация статистики общего распределение типов нейронных сетей в исследованиях по решению задач энергоэффективности в жизненном цикле объектов строительства. Авторами делается вывод о том, что за последние пять лет наиболее часто используемой архитектурой нейронной сети в решении задач энергоэффективности объектов капитального строительства является многослойный перцептрон — нейронная сеть прямого распространения с несколькими слоями, включая один или несколько скрытых слоёв, а также её различные модификации. Также делается предположение, что использование нейросетей с долгой краткосрочной памятью, предназначенных для работы с временными рядами может стать приоритетными в задачах энергоэффективности в ближайшее время.
The domain area of the article is automation of solving energy efficiency problems in the construction facilities life cycle, where the subject of consideration are special tasks based on neural networks in technologies for managing the life cycle, especially low-rise housing construction facilities. The object of the article’s research are the types of neural networks used. The artificial intelligence algorithms implementation to the construction sector is considered by the authors as the most important special task in construction facility life cycle management. The purpose and main conclusion of the article is to identify the types of neural network architectures that have been prioritized over the past five years to ensure the transition of life cycle management of construction projects to a new technological order. The authors use the methodology of a research review on the architecture of neural networks to automate the solution of energy efficiency problems in the construction sector. The authors propose a hierarchy of neural networks developed by them in solving energy efficiency problems in the construction facilities life cycle. The visualization of the general distribution statistics of neural networks types in research on construction facilities solving energy efficiency problems, developed by the authors, is also proposed. The authors conclude that over the past five years, the most commonly used neural network architecture in solving energy efficiency problems for capital construction facilities has been a multilayer perceptron, a direct-propagation neural network with several layers, including one or more hidden layers, as well as its various modifications. It is also suggested that the use of «long short-term memory» neural networks designed to operate with time series may become a priority in energy efficiency tasks in the near future.