该文综述多项研究，探讨利用数据驱动与机器学习方法优化暖通空调控制，涵盖符号回归建模、神经网络需求响应、Transformer温度预测、分布式实时控制、语法进化数据中心建模、深度强化学习与迁移学习等，旨在降低能耗与峰值功率、提升能效并保障热舒适。

该文综述了基于神经网络的数据驱动建筑控制研究，涵盖暖通空调需求响应、能耗优化与热舒适。方法包括深度神经网络模型预测控制、蒙特卡洛树搜索、随机模型预测控制、ADMM分布式优化及占用状态预测等，可降低能耗成本、提升控制精度与住户舒适度。