我想建立一个用于控制设备的人工神经网络，并且无法确定我应该学习和应用这些概念的哪些概念，这将使其变得合情合理。一般来说，使用预定义算法可以更简单地解决问题，但我想为此探讨概念而为此构建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的几十（或多个）温度点，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的变化做出响应，而无需对所有可能的条件进行预先培训。例如。从一些非常简单（甚至是随机）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。特别复杂的部分（或者我错在这里？）是行动的延迟。你只看到结果，比如说，加热器打开后2分钟，关闭后，温度会继续攀升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暗示它可能在这里有用），但我找不到任何关于用这种反馈循环来控制系统的讨论。
如果你能指出一些与使用人工神经网络解决这个问题相关的概念，或者对类似问题的讨论以及如何解决它们，我将不胜感激。
PS：只是为了给我的目标提供一些背景，最终（虽然它可能有点雄心勃勃，主要针对小型数据集），我想扩展系统以通过操纵来控制我的HVAC区域整个加热循环中的阻尼器角度使得目标温度独立地保持在多个房间中。随着环境的变化，加热周期进入冷却循环，门被打开等等，我希望它能够随时学习。
答案 0 :(得分：0)
您的问题似乎与他们的问题设置重叠。他们非常稳健地使用注意力（在调整意义上很强大），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。
他们在文献调查的“相关工作”部分也做得很好，所以也应该有所帮助。
祝你好运！
答案 1 :(得分：0)
我在这里非常小心地使用ANN。请记住，他们可以相对容易被愚弄并被证明记忆（而不是学习）远远超过我们想要的（如果需要，乐意提供论文）。
通常，HVAC模型从热力学第一定律开始，以产生传热模型。后者通常涉及：
一般来说，物理学中有很多方程式可以形成一个非常好的和稳健的工程模型。
现在，理论上神经网络理论上可以只用一个隐藏层找出任何函数。在实践中，你会发现你从人工神经网络中提出太多要求 - 想出一个传热机制！当然，它能够捕捉到一些这样的东西，但它永远无法概括为一个等式。你不可避免地会得到一些奇怪的结果。