Pongo una domanda generica perché sono all'inizio di un progetto.
Supponete di avere una serie storica (ovvero un insieme di dati in funzione di un tempo discreto, mettiamo pure un singolo dato raccolto ogni minuto).
Supponete di aver sviluppato una serie di indicatori che permettano di analizzare questa serie storica e prendere decisioni "ragionate".
Supponete che questi indicatori non siano fissi ma dipendano da alcuni parametri.
Quale sarebbe, secondo voi, il miglior modello di machine/deep learning da implementare per poter permettere a un programma di migliorare da solo la scelta in funzione di tali parametri e in funzione di quello che avviene dopo (inteso come mirusazioni successive alla scelta).
Un esempio banale: ho una serie storica che mi misura le temperature di casa e un indicatore che "indica" se queste temperature raggiungono un massimo (o un minimo).
La scelta magari è quella di spegnere (o di accendere) il riscaldamento perché l'indicatore mi "indica" che ho raggiunto un presunto massimo (o minimo).
Io vorrei che queste scelte aiutate dagli indicatori venissero ottimizzate dal modello, in virtù di quello che avviene dopo la scelta. Pertanto, il modello di AI dovrebbe capire se l'indicatore segnala di spegnere, ma poi la temperatura successiva indica che la scelta è sbagliata, o vice versa.
Spero di essere stato chiaro.
Grazie in anticipo
