单调神经网络：融合深度学习与领域知识用于冷水机组能源优化
信号处理
2021-06-14 v1 机器学习
摘要
本文致力于构建基于领域知识的深度学习框架，以解决冷水机组能源优化问题。相较于深度学习的热点应用(如图像分类与NLP)，在真实物理系统中收集海量数据用于深度网络训练十分困难。现有多数方法将复杂系统化简为线性模型，以便于小样本训练。为应对小样本量问题，本文在深度网络的结构与损失设计中考虑领域知识，以构建具有较低冗余函数空间的非线性模型。具体而言，大多数冷水机组的能耗估算在物理上可视为输入-输出单调问题。因此，我们可设计带单调约束的神经网络来模拟系统的物理行为。我们在某数据中心冷却系统中验证了所提方法，实验结果表明，相较于现有方法，我们的框架在能源优化方面具有优越性。
引用
@article{arxiv.2106.06143,
title = {Monotonic Neural Network: combining Deep Learning with Domain Knowledge for Chiller Plants Energy Optimization},
author = {Fanhe Ma and Faen Zhang and Shenglan Ben and Shuxin Qin and Pengcheng Zhou and Changsheng Zhou and Fengyi Xu},
journal= {arXiv preprint arXiv:2106.06143},
year = {2021}
}