人工智能控制器

決策機TMAI模型可以處理大量實時性數(shù)據(jù)，從數(shù)據(jù)中挖掘系統(tǒng)能耗潛力，給出超出傳統(tǒng)經(jīng)驗的控制模式，可進一步精細調(diào)控，即使到了深寒期，依然實現(xiàn)節(jié)能運行。1、以“室”為終：以室溫為控制目標，穩(wěn)定室溫，平抑波動；快速調(diào)整、穩(wěn)定室溫，回到供熱的初衷：滿足用戶的室溫舒適。即使到了深寒期，依然實現(xiàn)節(jié)能運行。

誤差反向傳播技術是多層前聵ANN常用的學習技術。如果網(wǎng)絡有足夠多的隱藏層和隱藏結(jié)點以及適宜的激勵函數(shù)，多層ANN只能實現(xiàn)需要的映射，沒有直接的技術選擇優(yōu)隱藏層、結(jié)點數(shù)和激勵函數(shù)，通常用嘗試法解決這個問題，反向傳播訓練算法是基本的快下降法，輸出結(jié)點的誤差反饋回網(wǎng)絡，用于權(quán)重調(diào)整，搜索優(yōu)。

能模仿人的決策和推理模糊控制行為。反模糊化實現(xiàn)量化和反模糊化。有很多反模糊化技術，例如，大化反模糊化，中間平均技術等。輸出結(jié)點的權(quán)重調(diào)整迭代不同于隱藏結(jié)點的權(quán)重調(diào)整迭代。通過使用反向傳播技術，能得到需要的非線性函數(shù)近似值，該算法包括有學習速率參數(shù)，對網(wǎng)絡的特性有很大影響。些模糊控制器不僅用來取代常規(guī)的PI或PID控制器，同時也用于其他任務