研究人员发明新的机器学习方法,助力AI完成过于敏感的任务

贤集网 发表于 2020-09-28 14:08:33 收藏 已收藏
赞(0) •  评论(0
400万+工程师在用
400万+工程师在用

研究人员发明新的机器学习方法,助力AI完成过于敏感的任务

贤集网 发表于 2020-09-28 14:08:33
+关注

瑞士电子和微技术中心的工程师们开发了一种新的机器学习方法,能够减少能源消耗,并允许人工智能(AI)完成一度被认为过于敏感的任务。

强化学习局限性

强化学习(Reinforcement learning)是人工智能的一个重要方面,它通过学习过去的经验不断改进自己。然而,这项技术往往很难应用于现实生活中的场景和情况,例如训练气候控制系统。像这样的应用程序不能处理温度的急剧变化,这将由强化学习带来。

研究人员发明新的机器学习方法,助力AI完成过于敏感的任务

这个问题正是CSEM工程师们着手解决的问题,也是他们提出新方法的时候。工程师们证明,简化的理论模型可以首先用于训练计算机,然后他们将转向现实生活中的系统。这使得机器学习过程在到达实际系统时更加精确,从之前的尝试和错误中学习理论模型。这意味着实际系统不会出现剧烈波动,用气候控制技术解决了问题。

Pierre-Jean-Alet是CSEM智能能源系统研究的负责人,也是这项研究的合著者。

亚历特说:“这就像是在开车前学习驾驶手册一样。“通过这一预训练步骤,计算机建立了一个可以利用的知识库,这样它们就不会在寻找正确答案时盲目飞行。”

减少能源消耗

这种新方法最重要的一个方面是它可以减少20%以上的能源消耗。工程师们在一座有100个房间的大楼里的一个供暖、通风和空调(HVAC)系统上测试了这种方法。

工程师们依赖于三个步骤,第一步是训练计算机学习“虚拟模式”,这个模型是通过简单的方程来建立的,这些方程可以解释建筑物的行为。真实的建筑数据,如温度,天气状况和其他变量,然后输入到计算机,这进一步导致了更准确有针对性的训练。最后一步是让计算机运行强化学习算法,这将最终为暖通空调系统找到最佳解决方法。

CSEM工程师开发的新方法可能会对机器学习产生重大影响。许多曾经被认为是强化学习“不可触及”的应用程序,比如那些波动很大的应用程序,现在可以用一种新的方式来处理。这将降低能源使用、降低财务成本和许多其他好处。
       责任编辑:tzh

打开APP阅读更多精彩内容

收藏

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容图片侵权或者其他问题,请联系本站作侵删。 侵权投诉

相关话题

评论(0)

加载更多评论

分享到

QQ空间 QQ好友 微博
取消