%0 Conference Paper %1 kalmbach_anwendung_2020 %A Kalmbach, Silas %A Haase, Walter %A Sobek, Werner %B BauSIM 2020, Graz %D 2020 %K %P Paper 311 %T Anwendung von Methoden des Maschinellen Lernens zur ganzheitlichen Raumregelung %X In diesem Beitrag wird eine von den Autoren erstellte, sich selbst konditionierende Raumregelung vorgestellt, die Methoden aus dem Bereich des Maschinellen Lernens anwendet. Das sogenannte bestärkende Lernen wurde mit Simulationen zum Raumklima und der Beleuchtung für einen Testraum verknüpft mit dem Ziel, eine künstliche neuronale Netzstruktur zu trainieren. In einer Simulation konnte gezeigt werden, dass es mit Methoden des bestärkenden Lernens möglich ist, ein künstliches neuronales Netz so zu trainieren, dass die Regelung einer adaptiven Verglasung, der künstlichen Beleuchtung sowie der Heizung und Kühlung mit guter Effizienz ausgeführt werden kann.

@inproceedings{kalmbach_anwendung_2020, abstract = {In diesem Beitrag wird eine von den Autoren erstellte, sich selbst konditionierende Raumregelung vorgestellt, die Methoden aus dem Bereich des Maschinellen Lernens anwendet. Das sogenannte bestärkende Lernen wurde mit Simulationen zum Raumklima und der Beleuchtung für einen Testraum verknüpft mit dem Ziel, eine künstliche neuronale Netzstruktur zu trainieren. In einer Simulation konnte gezeigt werden, dass es mit Methoden des bestärkenden Lernens möglich ist, ein künstliches neuronales Netz so zu trainieren, dass die Regelung einer adaptiven Verglasung, der künstlichen Beleuchtung sowie der Heizung und Kühlung mit guter Effizienz ausgeführt werden kann.}, added-at = {2024-02-27T14:49:19.000+0100}, author = {Kalmbach, Silas and Haase, Walter and Sobek, Werner}, biburl = {https://puma.ub.uni-stuttgart.de/bibtex/2edaa5eaa266bc5057a88366b6ba1447f/roberta.toscano}, booktitle = {{BauSIM} 2020, {Graz}}, interhash = {213e591918fd61b32a6d2c3a97c268c1}, intrahash = {edaa5eaa266bc5057a88366b6ba1447f}, keywords = {}, pages = {Paper 311}, timestamp = {2024-02-27T13:49:19.000+0100}, title = {Anwendung von {Methoden} des {Maschinellen} {Lernens} zur ganzheitlichen {Raumregelung}}, year = 2020 }