Machine learning 我应该应用哪些人工神经网络概念？
我想建立一个用于控制设备的人工神经网络，并且很难弄清楚我应该学习和应用哪些概念，这将使它变得合理。一般来说，使用预定义的算法可以更简单地解决这个问题，但是为了探索这些概念，我想为此构建ANN 我想从ANN开始，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，决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的变化做出反应，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（甚至随机）的模型开始，做出决定，将其输入模拟器，然后“一分钟后”输出，并将该数据用于成本函数。等等其中特别复杂的部分（或者我在这里弄错了吗？）是动作的延迟。你们只看到结果，比如说，加热器打开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（特别是对于LSTM，这暗示了它在这里可能是有用的），但我找不到任何关于使用这种反馈回路控制系统的信息 如果您能为我指出一些与使用ANN解决此问题相关的概念，或者对类似问题的讨论以及如何解决这些问题，我将不胜感激Machine learning 我应该应用哪些人工神经网络概念？,machine-learning,neural-network,Machine Learning,Neural Network,我想建立一个用于控制设备的人工神经网络，并且很难弄清楚我应该学习和应用哪些概念，这将使它变得合理。一般来说，使用预定义的算法可以更简单地解决这个问题，但是为了探索这些概念，我想为此构建ANN 我想从ANN开始，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，决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的变化做出反应，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（甚至随机）的模型开始，做出决定，将其输入模拟器，然后“一分钟后”输出，并将该数据用
PS：为了给我提供一些背景信息，最终（虽然可能有点雄心勃勃，主要是针对小数据集），我想扩展系统，通过在整个加热循环中操纵风门角度来控制我的HVAC区域，以便在多个房间中独立地保持目标温度。我想让它了解，随着外部环境的变化，加热循环变成冷却循环，门一直开着，等等。IBM公司实际上发布了timeseries forecasting DNN模型，该模型引入了外部信息来预测需求。看这里 你的问题似乎与他们的问题设置重叠。他们非常稳健地利用注意力（在调整的意义上稳健地）将历史时间序列观察、各种上下文和其他外部变量结合在一起 此外，他们在相关的文献调查工作中也做得很好，所以这也会有所帮助
祝你好运 在这里使用安时，我会非常小心。记住，他们相对容易被愚弄，并且被证明记忆（而不是学习）比我们想的要多得多（如果需要的话，很乐意提供论文） 一般来说，HVAC模型从热力学第一定律开始生成热传递模型。后者通常包括：
- 比热（将1kg的温度提高1C所需的热量）
- 传热率
- 热通量
- 热容
- 能量变化
- 质量流量
- 。。。还有更多