XiaoMi-AI文件搜索系统
World File Search System舒适
整合和应用舒适模型
只有用户才能决定是否舒适 研究舒适度的难点在于产品本身永远不会舒适（Vink，2005）。只有在使用过程中才会变得舒适（或不舒适）。尽管文献中对舒适度的含义存在持续的争论（Looze 等人，2003），但人们普遍认为舒适度是一种主观定义的个人性质的构造。用户通过使用产品来决定产品是否舒适或是否会导致不适。一些人将宽松的“舒适”边界定义为疼痛受体不活跃的体验（例如Mansfield 等人，2014），但即使是这在某些情况下也是一个难以确定的工作边界，例如医疗保健，舒适和疼痛可能同时发生。这使得设计舒适的产品变得困难。另一方面，设计舒适的产品并非不可能。人们正在努力了解整体舒适印象的起源，并定义舒适的不同方面以及使用人类作为测量工具的相应测试方法（Frohriep，2009）。一方面，舒适体验不可能比其最薄弱的方面更好。另一方面，一些研究表明，关注更好的产品或服务会带来更多的舒适感或更少的不适感（Vink，2005）。
机器学习如何革新建筑舒适
全球通风控制系统构成建筑行业最重要的能源需求之一。优化此类系统的能源使用对于建造可持续建筑至关重要，对于实现环境可持续性至关重要。这些建筑物的占用因素，尤其是加热，通风和空调（HVAC）优化，对于能量优化至关重要。在这项工作中，我们采用机器学习方法来提高Prairie View A＆M University在Prairie View A＆M University的工程课堂和研究大楼（ENCARB）的HVAC系统的效率。我们专注于通过基于占用模式对HVAC温度进行准确估计来支持实时自动化的HVAC控制。因此，我们介绍了Airflo，这是一个具有功率的强大框架，用于学习优化HVAC能源消耗。我们的框架整合了从班级时间表获得的几个占用因素，以估算理想的HVAC温度。具体来说，我们在Encarb建筑物内相对于Energy HVAC服务期提供了用户非特异性行为，以收集有用的矩阵作为模型设计的基础。为了学习数据中的复杂模式，我们使用监督的机器学习培训了我们的框架。具体来说，我们最初使用多层神经网络的集合使用我们的培训数据训练了我们的框架，并观察到独立验证集中的估计性能。要学习更深的表示并执行系统的比较模型分析，我们提出了我们的计划，以合并卷积神经网络（CNN）和图神经网络（GNNS）。总的来说，我们提出的方法将为优化HVAC能源优化提供一个全面，可扩展的框架，从而改善可持续性。
区域杂物：南方舒适
这些材料已由美国银行研究所（Bank of America Institute）准备，仅出于一般信息目的提供给您。在这些材料参考银行数据的范围内，此类材料并非旨在反思或指示，也不应依靠美国银行的运营，财务状况或绩效结果。美国银行研究所是一个智囊团，致力于发现推动商业和社会向前发展的强大见解。利用来自银行和世界各地的数据和资源，该研究所提供了有关经济，可持续性和全球转型的重要原始观点。除非另有明确说明，否则此处表达的任何观点或意见仅是美国银行研究所和所列出的任何个人作者，并且不是BOFA全球研究部或美国银行公司的任何其他分支机构或其分支机构和其附属公司和/或子公司（美国银行）的产物。这些材料中的观点可能与美国银行全球研究部或美国银行其他部门或美国部门所表达的观点和意见有所不同。已从认为可靠的消息来源获得了信息，但美国银行并不保证其完整性或准确性。观点和估计构成了这些材料之日起的判断，并且可能会更改，恕不另行通知。该材料不构成任何人或代表美国银行或代表任何人购买或出售任何安全或金融工具或从事任何银行服务的要约或邀请。保留所有权利。本文所表达的观点不应被解释为任何特定客户的个人投资建议，也不旨在作为特定客户的特定证券，金融工具，策略或银行服务的建议。这些材料中的任何内容构成了投资，法律，会计或税收建议。版权2023美国银行公司。
