我應該應用哪種人工神經網絡概念？

Question

我想建立一個用於控制設備的ANN，並且無法弄清楚我應該學習和應用哪些概念，這將使其合理化。一般來說，這個問題可以用一個預定義的算法來解決，但是我只是爲了我對這些概念的探索而建立ANN。

我想從ANN開始，在給定目標溫度，加熱器的當前狀態以及過去幾十個（或多個）溫度點的情況下，確定加熱器是否需要打開或關閉。現在，需要注意的是，我希望它能夠對環境變化做出反應，而不需要對所有可能的條件進行預先培訓。例如。從一些非常簡單的（甚至是隨機的）模型開始，做出決定，將其輸入模擬器，然後在「一分鐘後」輸出一個輸出，並將該數據用於成本函數。等等。這個特別複雜的部分（或者我在這裏弄錯了嗎？）是行動的延遲。你只能看到結果，比如說，加熱器開啓2分鐘後，溫度繼續上升4-5分鐘。

有很多關於分類和時間序列預測的信息（特別是LSTM提示它在這裏可能有用），但是我找不到任何關於使用這種反饋環路來控制系統的信息。

如果您能指出一些與使用ANN解決這個問題相關的概念，或者可能討論類似的問題以及如何解決這些問題，我將不勝感激。最後（雖然它可能有點雄心勃勃，主要是對於小數據集），但我想擴展系統以通過以下方式來控制我的HVAC區域：在整個加熱週期內操縱阻尼器角度，使目標溫度獨立保持在多個房間中。我想它來學習，因爲它去，因爲外部環境的變化，加熱循環變成冷卻循環，門被敞開，等

Answer 1

IBM傢伙竟然發表時間序列預測，帶來了外部信息DNN模型預測需求。看到這裏http://proceedings.mlr.press/v48/riemer16.pdf

你的問題似乎與他們的問題設置重疊。他們非常強大地關注（調整意義上的強大），將歷史時間序列觀察，各種背景和其他外部變量彙集在一起​​。

此外，他們在文獻調查相關工作部分一個不錯的工作，這樣將有助於太。

祝你好運！

Answer 2

我在這裏非常小心地使用ANN。請注意，它們可以相對容易地被愚弄，並被證明可以記住（而不是學習），遠遠超出我們想要的（如果需要，可以很樂意提供論文）。

一般來說，HVAC模型入手熱力學第一定律產生傳熱模型。後者通常會涉及：

• 比熱
• 傳熱速率
• 熱通量
• 熱容量
• 能量變化
（提高由1C1公斤的溫度所需要的熱量）
• 質量流量
• ...和更多！

一般來說，物理學中存在一大堆方程式，它們可以組成一個非常好且穩健的工程模型。

現在，當然，一個神經網絡理論上可以在理論上找出只有一個隱藏層的任何函數。在實踐中，你會發現你從ANN中提出了太多的要求 - 要弄清楚熱傳遞的機制！當然，它將能夠捕捉到這些東西，但它永遠不能一概而論，也不可能是一個等式。不可避免的你會得到一些奇怪的結果。