我应该应用哪种人工神经网络概念？

Question

我想建立一个用于控制设备的ANN，并且无法弄清楚我应该学习和应用哪些概念，这将使其合理化。一般来说，这个问题可以用一个预定义的算法来解决，但是我只是为了我对这些概念的探索而建立ANN。

我想从ANN开始，在给定目标温度，加热器的当前状态以及过去几十个（或多个）温度点的情况下，确定加热器是否需要打开或关闭。现在，需要注意的是，我希望它能够对环境变化做出反应，而不需要对所有可能的条件进行预先培训。例如。从一些非常简单的（甚至是随机的）模型开始，做出决定，将其输入模拟器，然后在“一分钟后”输出一个输出，并将该数据用于成本函数。等等。这个特别复杂的部分（或者我在这里弄错了吗？）是行动的延迟。你只能看到结果，比如说，加热器开启2分钟后，温度继续上升4-5分钟。

有很多关于分类和时间序列预测的信息（特别是LSTM提示它在这里可能有用），但是我找不到任何关于使用这种反馈环路来控制系统的信息。

如果您能指出一些与使用ANN解决这个问题相关的概念，或者可能讨论类似的问题以及如何解决这些问题，我将不胜感激。最后（虽然它可能有点雄心勃勃，主要是对于小数据集），但我想扩展系统以通过以下方式来控制我的HVAC区域：在整个加热周期内操纵阻尼器角度，使目标温度独立保持在多个房间中。我想它来学习，因为它去，因为外部环境的变化，加热循环变成冷却循环，门被敞开，等

Answer 1

IBM家伙竟然发表时间序列预测，带来了外部信息DNN模型预测需求。看到这里http://proceedings.mlr.press/v48/riemer16.pdf

你的问题似乎与他们的问题设置重叠。他们非常强大地关注（调整意义上的强大），将历史时间序列观察，各种背景和其他外部变量汇集在一起​​。

此外，他们在文献调查相关工作部分一个不错的工作，这样将有助于太。

祝你好运！

Answer 2

我在这里非常小心地使用ANN。请注意，它们可以相对容易地被愚弄，并被证明可以记住（而不是学习），远远超出我们想要的（如果需要，可以很乐意提供论文）。

一般来说，HVAC模型入手热力学第一定律产生传热模型。后者通常会涉及：

• 比热
• 传热速率
• 热通量
• 热容量
• 能量变化
（提高由1C1公斤的温度所需要的热量）
• 质量流量
• ...和更多！

一般来说，物理学中存在一大堆方程式，它们可以组成一个非常好且稳健的工程模型。

现在，当然，一个神经网络理论上可以在理论上找出只有一个隐藏层的任何函数。在实践中，你会发现你从ANN中提出了太多的要求 - 要弄清楚热传递的机制！当然，它将能够捕捉到这些东西，但它永远不能一概而论，也不可能是一个等式。不可避免的你会得到一些奇怪的结果。