Cykliczny sterownik rozmyto-neuronowy

Na wejściu dostaję wartości dwóch zmiennych i z pomocą logiki rozmytej(rozmywanie, wnioskowanie, wyostrzanie) ustalam ostrą wartość zmiennej wyjściowej.
Sterownik ma być cykliczny więc na podstawie tej wartości powinienem zmienić wartości zmiennych wejściowych.

W jaki sposób za pomocą sztucznych sieci neuronowych ustawić wartości zmiennych wejściowych?

Wejście:
-Temperatura kotła centralnego ogrzewania
-Temperatura w pomieszczeniu z kaloryferem
Wyjście:
-Prędkość nawiewu do kotła

Musić znać parametry pomieszczenia oraz pieca np bezwladność termiczna.

Takich danych nie mam, ale z tego co zrozumiałem to sieci neuronowe są właśnie do problemów gdzie nie wiadomo jak coś się robi i nie ma dokładnych danych.

Kłopot w tym, że jeszcze nic pracującego na sieciach nie napisałem, i nie bardzo wiem jaką sieć dobrać, tzn model, ilość warstw, wagi, funkcję aktywacji, czy aktualizację wag.

Zarówno w zmiennej lingwistycznej Temperatura_kotła jak i Temperatura_pokoju mam określone zbiory uważane za optymalne, ale żeby nie ominąć części rozmytej sterownika nie mogę ich chyba(?) podać jako parametry wejściowe sieci neuronowej.
Wydaje mi się, że sieć Hopfielda oparta o Hebba by pasowała(?) ale pojęcia nie mam jak się za to zabrać.

Chodzi mi o coś takiego:

Tkotła=x;
Tpokoju=y;
Vpowietrza=z;

while(true){
    rozmywanie(x,y);
    wnioskowanie();
    Vpowietrza=wyostrzanie();
    sieć_ustawiająca_xiy(z);
}

neuronowy_laik napisał(a)

Tkotła=x;
Tpokoju=y;
Vpowietrza;

while(true){
    rozmywanie(Tkotła, Tpokoju);
    wnioskowanie();
    Vpowietrza=wyostrzanie();
    sieć_ustawiająca_xiy(Vpowietrza);
}

Miało być tak.

Myślę że bardziej, że sieć Kohonena w oparciu o neurony McCullocha-Pittsa.