基于 ASHRAE RP-884 与 ASHRAE 全球热舒适数据库 II 开发可靠浅层监督学习热舒适模型
系统与控制
2024-04-09 v1 人工智能
机器学习
系统与控制
摘要
面向热舒适的人工智能(AI)系统设计师面临来自当前用户的记录数据不足或因不可靠训练数据导致过拟合的问题。本工作引入了用于训练热舒适 AI 子系统的可靠数据集。本文提出基于浅层监督学习的控制算法,其足够简单,可使用 ASHRAE RP-884 与 ASHRAE 全球热舒适数据库 II 在面向住宅使用的物联网(IoT)系统中实现。尚无任何热舒适训练数据如该数据集般可靠,但直接使用该数据会导致过拟合。本工作给出了针对 ASHRAE 数据库进行监督学习过程的数据过滤与语义数据增强算法。由于热舒适决策中心理因素的参与,过拟合始终成为问题。给出了基于焓湿图检验 AI 系统是否过拟合的方法。本文还评估了实现人体热舒适所需的最重要参数。该方法可支持热舒适强化学习的发展。
引用
@article{arxiv.2303.03873,
title = {Developing the Reliable Shallow Supervised Learning for Thermal Comfort using ASHRAE RP-884 and ASHRAE Global Thermal Comfort Database II},
author = {Kanisius Karyono and Badr M. Abdullah and Alison J. Cotgrave and Ana Bras and Jeff Cullen},
journal= {arXiv preprint arXiv:2303.03873},
year = {2024}
}
备注
15 pages with Appendix