CN104978947A - 显示状态的调节方法、显示状态调节装置及显示装置 - Google Patents

显示状态的调节方法、显示状态调节装置及显示装置 Download PDF

Info

Publication number
CN104978947A
CN104978947A CN201510425488.7A CN201510425488A CN104978947A CN 104978947 A CN104978947 A CN 104978947A CN 201510425488 A CN201510425488 A CN 201510425488A CN 104978947 A CN104978947 A CN 104978947A
Authority
CN
China
Prior art keywords
wavelet
neural network
display
training
display state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510425488.7A
Other languages
English (en)
Other versions
CN104978947B (zh
Inventor
王笛
张�浩
时凌云
董学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Beijing BOE Optoelectronics Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201510425488.7A priority Critical patent/CN104978947B/zh
Publication of CN104978947A publication Critical patent/CN104978947A/zh
Priority to US15/107,384 priority patent/US10565955B2/en
Priority to PCT/CN2016/071713 priority patent/WO2017012321A1/zh
Application granted granted Critical
Publication of CN104978947B publication Critical patent/CN104978947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
    • G09G5/003—Details of a display terminal, the details relating to the control arrangement of the display terminal and to the interfaces thereto
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G06F3/147—Digital output to display device ; Cooperation and interconnection of the display device with other functional units using display panels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/06—Adjustment of display parameters
    • G09G2320/0626—Adjustment of display parameters for control of overall brightness
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/08—Arrangements within a display terminal for setting, manually or automatically, display parameters of the display terminal
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2340/00—Aspects of display data processing
    • G09G2340/04—Changes in size, position or resolution of an image
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2340/00—Aspects of display data processing
    • G09G2340/04—Changes in size, position or resolution of an image
    • G09G2340/0407—Resolution change, inclusive of the use of different resolutions for different screen areas
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2360/00—Aspects of the architecture of display systems
    • G09G2360/14—Detecting light within display terminals, e.g. using a single or a plurality of photosensors
    • G09G2360/144—Detecting light within display terminals, e.g. using a single or a plurality of photosensors the light being ambient light
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2360/00—Aspects of the architecture of display systems
    • G09G2360/16—Calculation or use of calculated indices related to luminance levels in display data

Abstract

本发明提供一种显示状态的调节方法、显示状态调节装置及显示装置，属于显示技术领域，其可解决现有的显示器的显示状态调整方法单一且精确度低的问题。本发明的显示状态的调节方法，其包括：采集显示器所处环境的信息参数；将所采集的信息参数输入至预先建立的小波神经网络模型中进行分析，得出显示器将要进行显示的显示状态；根据分析结果调整显示器的显示状态。

Description

显示状态的调节方法、显示状态调节装置及显示装置
技术领域
本发明属于显示技术领域，具体涉及一种显示状态的调节方法、显示状态调节装置及显示装置。
背景技术
显示装置最终展现在用户面前的是屏幕的输出、外形的设计以及产品的性能。适宜的亮度和分辨率可以提高用户对品牌的认知度和体验。
用户在不同的使用场景下对屏幕的亮度有着不同的需求，例如：在白天阳光下，需要将显示装置的屏幕亮度调高以满足观看的需求；在夜晚的环境，需要将屏幕的亮度调低，保持合适的亮度避免强光对眼睛的损害。
以手机为例，目前通用的手机屏幕控制方法包括1)通过位于手机前面板的光线传感器自动调节手机屏幕的亮度；2)通过手机系统的个性化设置调节手机的屏幕分辨率和刷新率，例如通过打开超级省电开关降低屏幕的分辨率和降低刷新率。
发明人发现现有技术中至少存在如下问题：以上的两种方法前者仅采集了光线传感器数据，只能够调节手机的亮度，不具备通用性；后者仅仅通过人的手工设置，不能够自动调节。
发明内容
本发明所要解决的技术问题包括，针对现有的显示器屏幕的调节方法存在的上述问题，提供一种智能且便捷的显示状态的调节方法、显示状态调节装置及显示装置。
解决本发明技术问题所采用的技术方案是一种显示状态的调节方法，其包括：
采集显示器所处环境的信息参数；
将所采集的信息参数输入至预先建立的小波神经网络模型中进行分析，得出显示器将要进行显示的显示状态；
根据分析结果调整显示器的显示状态。
优选的是，所述采集显示器所处环境的信息参数中的信息参数包括：重力加速度参数、光线参数、位置参数、温度参数、角度参数中的至少一种。
优选的是，所述显示状态包括：亮暗、待机、分辨率、刷新频率中的至少一种。
优选的是，每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
优选的是，所述小波神经网络模型采用小波基函数生成。
进一步优选的是，所述小波神经网络模型包括输入层、隐含层和输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k，k为正整数；所述隐含层的输出为hn(j)，式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
进一步优选的是，所述输出层为yn(k)，式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。
优选的是，在采集显示所处环境的信息参数之前还包括：
对预先建立的小波神经网络进行训练，以及对小波神经网络进行测试的步骤。
优选的是，所述小波神经网络模型采用小波基函数生成，其中，对小波神经网络进行训练包括：
小波神经网络初始化：随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；
样本分类：把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；
计算分析：把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，以及计算小波神经网络的预测输出与期望输出的误差，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出，否则进行以下步骤：
权值修正：小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。
解决本发明技术问题所采用的技术方案是一种显示状态调节装置，其包括：
采集单元，用于采集显示器所处环境的信息参数；
分析单元，用于将所采集的信息参数输入至预先建立的小波神经网络模型中，分析得出显示器将要进行显示的显示状态；
调整单元，用于根据分析结果调整显示器的显示状态。
优选的是，所述采集单元包括：重力加速度传感器、光线传感器、温度传感器、定位模块、电子罗盘中的至少一种。
优选的是，所述显示状态包括：亮暗、待机、分辨率、刷新频率中的至少一种。
优选的是，所述显示状态调节装置还包括：
训练单元，用于对预先建立的小波神经网络进行训练；
测试单元，用于对小波神经网络进行测试。
进一步优选的是，所述训练单元包括：
初始化模块，用于随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；
样本分类模块，用于把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；
计算分析模块，用于把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出；
权值修正模块，用于在误差大于0.0001时，将小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。
优选的是，所述分析单元还用于，分析所述采集单元所采集的次数，且每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
优选的是，所述小波神经网络模型采用小波基函数生成。
进一步优选的是，所述小波神经网络模型包括输入层、隐含层和输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k，k为正整数；所述隐含层的输出为hn(j)，式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
进一步优选的是，所述输出层为yn(k)，式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。
解决本发明技术问题所采用的技术方案是一种显示器，其包括上述的显示状态调节装置。
本发明具有如下有益效果：
在本发明的显示状态的调节方法中，通过小波神经网络对所采集的显示器(或者用户)所处环境的信息参数进行分析，得到显示器所处环境的信息，该信息则对应显示器的一种显示状态，从而对显示器的显示状态进行调整，该调节方法非常智能，且适用性强。
本发明的显示状态调节装置分析单元通过小波神经网络对采集单元所采集的显示器(或者用户)所处环境的信息参数进行分析，得到显示器所处环境的信息，该信息则对应显示器的一种显示状态，从而通过调整单元对显示器的显示状态进行调整，该调节装置非常智能，且适用性强。
本发明的显示器包括上述显示状态调节装置，故其性能更优。
附图说明
图1为本发明的实施例1的显示状态的调节方法的流程图；
图2为本发明的实施例2的小波神经网络模式的示意图；
图3为本发明的实施例2的显示状态的调节方法中智能算法建模的流程图；
图4为本发明的实施例2的显示状态的调节方法中对小波神经网络进行训练的流程图；
图5为本发明的实施例3的显示状态调节装置的示意图；
图6为本发明的实施例3的显示状态调节装置的示意图；
图7为本发明的实施例3的显示状态调节装置中训练单元的示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
实施例1：
如图1所示，本实施例提供一种显示状态的调节方法，用于调整显示器的显示屏幕的显示状态，例如手机显示屏的亮度、分辨率、刷新频率等。该调节方法包括：
采集显示器所处环境的信息参数；
将所采集的信息参数输入至预先建立的小波神经网络模型中，分析得出显示器将要进行显示的显示状态；
根据分析结果调整显示器的显示状态。
在本实施例中，通过小波神经网络对所采集的显示器(或者用户)所处环境的信息参数进行分析，得到显示器所处环境的信息，该信息则对应显示器的一种显示状态，从而对显示器的显示状态进行调整，该调节方法非常智能，且适用性强。具体实现方法结合下述实施例进行说明。
实施例2：
结合图1-4所示，本实施例提供一种显示状态的调节方法，具体包括如下步骤：
步骤一、智能算法建模。
如图3所示，该步骤具体的包括：
建立小波神经网络模型，该小波神经网络采用小波基函数生产的。其中，小波基函数的数学公式为：
如图2所示，小波神经网络模型包括输入层、隐含层、输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k；k为正整数；所述隐含层的输出为hn(j)，
式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
所述输出层为yn(k)，
式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。在此需要说明的是，由于每采集多次显示器所处环境的信息参数之后，都会更新一次小神经网络模型，其中hn(j)表示小波神经网络更新n次后的隐含层输出，hn-1(j)则表示在小波神经网络更新n-1次后的隐含层输出。
对小波神经网络进行训练。
如图4所示，该步骤具体包括：
小波神经网络初始化：随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；学习速度通常为0.1。
样本分类：把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；
计算分析：把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，以及计算小波神经网络的预测输出与期望输出的误差，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出，否则进行以下步骤：
权值修正：小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。至此完成小波神经网络的训练。
对小波神经网络进行测试。
在该步骤中，也就是将该小波神经网络应用至显示器显示状态的调节当中，对所采集的环境信息参数进行测试。
其中，在本实施例中为了提高上述步骤中对所处环境分析的精确度，优选的每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
步骤二、采集显示器所处环境的信息参数。
在该步骤中，具体的采集重力加速度参数、光线参数、位置参数、温度参数、角度参数中的至少一种。优选的采集尽可能多的信息参数进行分析，以使下一步骤的分析更加准确。
在此需要说明的是，在本实施例中无论采集的环境信息参数为电流还是电压信号，因为传到显示器都是数字信号，这些数字信号可以作为小波神经网络的训练输入。至于小波神经网络的训练属于小波神经网络的基础知识，通过获得样本数据得到小波神经网络的参数权值。
步骤三、将所采集的信息参数输入至预先建立的小波神经网络模型中进行分析，得出显示器将要进行显示的显示状态。
在该步骤中，具体的以判断夜间使用手机(显示器)的用户已经睡着为例进行说明。
当采集到的光线参数为亮度较低，位置(GPS)参数为在家，角度参数为90°，重力加速度参数为20分钟未发生变化，之后根据小波神经网络模型中的各个参数的权值，分析出用户状态为睡眠状态，此时对应出用户睡眠状态对应的手机将要显示的显示状态为待机。
步骤四、根据上述的分析结果调整显示器的显示状态，以是显示器满足用户的需要。
其中，显示状态包括亮暗、待机、分辨率、刷新频率中的至少一种。
本实施例所提供的显示状态的调整方法，将重力加速度参数、光线参数、位置参数、温度参数、角度参数中的至少一种，最好为多种，通过小波神经网络将这些参数进行融合，使得对显示状态的调整更加准确，而且该方法较现有技术而言更加智能，适用性强。同时，该种方法可以获得更高的容错性，相对传统的阈值设定方式，可以更加准确。
实施例3：
如图5所示，本实施例提供一种显示状态调节装置，包括：采集单元、分析单元、调整单元；其中，采集单元，用于采集显示器所处环境的信息参数；分析单元，用于将所采集的信息参数输入至预先建立的小波神经网络模型中，分析得出显示器将要进行显示的显示状态；调整单元，用于根据分析结果调整显示器的显示状态。
本实施例中的显示状态调节装置分析单元通过小波神经网络对采集单元所采集的显示器(或者用户)所处环境的信息参数进行分析，得到显示器所处环境的信息，该信息则对应显示器的一种显示状态，从而通过调整单元对显示器的显示状态进行调整，该调节装置非常智能，且适用性强。
优选的，上述的采集单元包括：重力加速度传感器、光线传感器、温度传感器、定位模块、电子罗盘中的至少一种。其中，重力加速度传感器用于感应显示器的运动信息参数；光线传感器用于感应显示器所处环境中光线的亮度信息参数；温度传感器用于感应显示器所处环境的温度信息参数；定位模块(GPS)用于感应显示器所处环境的位置参数(室内/室外)；电子罗盘用于感应显示器的倾角参数。
优选的，上述的显示状态包括：亮暗、待机、分辨率、刷新频率中的至少一种。
如图6所示，优选的，本实施例的显示状态调节装置还包括：建模单元、训练单元、测试单元；其中，建模单元用于建立小波神经网络模型；训练单元用于对小波神经网络进行训练；测试单元用于对小波神经网络进行测试。
如图7所示，进一步的，训练单元包括：初始化模块、样本分类模块、计算分析模块、权值修正模块；其中，初始化模块用于随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；样本分类模块用于把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；计算分析模块，用于把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出；
权值修正模块，用于在误差大于0.0001时，将小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。
其中，本实施例显示状态调节装置建模模块建立的小波神经网络模型是采用小波基函数生成的。
为了使得更加准确的调整显示器屏幕的显示状态，本实施例中的分析单元还用于，分析所述采集单元所采集的次数，且每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
具体的，小波神经网络模型包括输入层、隐含层和输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k，k为正整数；所述隐含层的输出为hn(j)，
式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
其中，所述输出层为yn(k)，
式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。
本实施例所提供的显示状态调节装置，通过小波神经网络将重力加速度传感器、光线传感器、温度传感器、定位模块、电子罗盘所检测的显示器所处环境信息参数进行融合分析，相对传统的单一单功能传感器会获得更高的识别精度和应用广度。
实施例4：
本实施例提供一种显示器，其包括实施例3中所述的显示状态调节装置。
本实施例的显示器优选为手机，也可以是其它显示器。该显示器还包括其它已知的元件。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (19)

1.一种显示状态的调节方法，其特征在于，包括：
采集显示器所处环境的信息参数；
将所采集的信息参数输入至预先建立的小波神经网络模型中进行分析，得出显示器将要进行显示的显示状态；
根据分析结果调整显示器的显示状态。
2.根据权利要求1所述的显示状态的调节方法，其特征在于，所述采集显示器所处环境的信息参数中的信息参数包括：重力加速度参数、光线参数、位置参数、温度参数、角度参数中的至少一种。
3.根据权利要求1所述的调节方法，其特征在于，所述显示状态包括：亮暗、待机、分辨率、刷新频率中的至少一种。
4.根据权利要求1所述的显示状态的调节方法，其特征在于，每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
5.根据权利要求1所述的显示状态的调节方法，其特征在于，所述小波神经网络模型采用小波基函数生成。
6.根据权利要求5所述的显示状态的调节方法，其特征在于，所述小波神经网络模型包括输入层、隐含层和输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k，k为正整数；所述隐含层的输出为hn(j)，式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
7.根据权利要求6所述的显示状态的调节方法，其特征在于，所述输出层为yn(k)，式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。
8.根据权利要求1-7中任一项所述的显示状态的调节方法，其特征在于，在采集显示所处环境的信息参数之前还包括：
对预先建立的小波神经网络进行训练，以及对小波神经网络进行测试的步骤。
9.根据权利要求8所述的显示状态的调节方法，其特征在于，所述小波神经网络模型采用小波基函数生成，其中，对小波神经网络进行训练包括：
小波神经网络初始化：随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；
样本分类：把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；
计算分析：把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，以及计算小波神经网络的预测输出与期望输出的误差，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出，否则进行以下步骤：
权值修正：小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。
10.一种显示状态调节装置，其特征在于，包括：
采集单元，用于采集显示器所处环境的信息参数；
分析单元，用于将所采集的信息参数输入至预先建立的小波神经网络模型中，分析得出显示器将要进行显示的显示状态；
调整单元，用于根据分析结果调整显示器的显示状态。
11.根据权利要求10所述的显示状态调节装置，其特征在于，所述采集单元包括：重力加速度传感器、光线传感器、温度传感器、定位模块、电子罗盘中的至少一种。
12.根据权利要求10所述的显示状态调节装置，其特征在于，所述显示状态包括：亮暗、待机、分辨率、刷新频率中的至少一种。
13.根据权利要求10所述的显示状态调节装置，其特征在于，还包括：
训练单元，用于对预先建立的小波神经网络进行训练；
测试单元，用于对小波神经网络进行测试。
14.根据权利要求13所述的显示状态调节装置，其特征在于，所述训练单元包括：
初始化模块，用于随机初始化小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值，并设置小波神经网络的学习速度；
样本分类模块，用于把样本分为训练样本和测试样本，训练样本用于训练网络，测试样本用于测试小波神经网络的测试精度；
计算分析模块，用于把训练样本输入至小波神经网络中，计算小波神经网络的预测输出，分析得到训练次数；其中，若误差小于等于0.0001则进行预测输出；或者分析得到训练次数达到预设值则进行预测输出；
权值修正模块，用于在误差大于0.0001时，将小波基函数中的伸缩因子、平阴因子以及小波神经网络的连接权值进行修正，以使小波神经网络的预测输出与期望输出的误差小于等于0.0001；或者分析得到训练次数达到预设值则进行预测输出。
15.根据权利要求10所述的显示状态调节装置，其特征在于，所述分析单元还用于，分析所述采集单元所采集的次数，且每采集100次显示器所处环境的信息参数，更新一次小波神经网络模型。
16.根据权利要求10所述的显示状态调节装置，其特征在于，所述小波神经网络模型采用小波基函数生成。
17.根据权利要求16所述的显示状态调节装置，其特征在于，所述小波神经网络模型包括输入层、隐含层和输出层；其中，当向输入层输入的信息参数为Xi，i＝1、2、3……k，k为正整数；所述隐含层的输出为hn(j)，式中j为隐含层第j个节点输出值，j为正整数；ωij为输入层的第i个节点和隐含层的第j个节点之间的连接权值；bj为小波基函数hj的平移因子；aj为小波基函数hj的伸缩因子；hj为小波基函数；n为正整数。
18.根据权利要求17所述的显示状态调节装置，其特征在于，所述输出层为yn(k)，式中，ωjk为隐含层第j个节点到输出层第k个节点之间的连接权值。
19.一种显示器，其特征在于，包括权利要求10-18中任一项所述的显示状态调节装置。
CN201510425488.7A 2015-07-17 2015-07-17 显示状态的调节方法、显示状态调节装置及显示装置 Active CN104978947B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510425488.7A CN104978947B (zh) 2015-07-17 2015-07-17 显示状态的调节方法、显示状态调节装置及显示装置
US15/107,384 US10565955B2 (en) 2015-07-17 2016-01-22 Display status adjustment method, display status adjustment device and display device
PCT/CN2016/071713 WO2017012321A1 (zh) 2015-07-17 2016-01-22 显示状态的调节方法、显示状态调节装置及显示装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510425488.7A CN104978947B (zh) 2015-07-17 2015-07-17 显示状态的调节方法、显示状态调节装置及显示装置

Publications (2)

Publication Number Publication Date
CN104978947A true CN104978947A (zh) 2015-10-14
CN104978947B CN104978947B (zh) 2018-06-05

Family

ID=54275407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510425488.7A Active CN104978947B (zh) 2015-07-17 2015-07-17 显示状态的调节方法、显示状态调节装置及显示装置

Country Status (3)

Country Link
US (1) US10565955B2 (zh)
CN (1) CN104978947B (zh)
WO (1) WO2017012321A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869580A (zh) * 2016-06-15 2016-08-17 京东方科技集团股份有限公司 色温调节方法及装置、背光源、显示设备
WO2017012321A1 (zh) * 2015-07-17 2017-01-26 京东方科技集团股份有限公司 显示状态的调节方法、显示状态调节装置及显示装置
CN106528024A (zh) * 2016-11-20 2017-03-22 滁州职业技术学院 一种显示屏分辨率调整的方法及显示终端
CN106951054A (zh) * 2017-03-10 2017-07-14 广东欧珀移动通信有限公司 一种应用程序的控制方法、装置及移动终端
CN107835324A (zh) * 2017-12-13 2018-03-23 维沃移动通信有限公司 一种背光亮度调节方法及移动终端
CN108154853A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 硅基液晶显示设备的控制方法
CN109147715A (zh) * 2018-08-28 2019-01-04 武汉华星光电技术有限公司 用于降低显示面板功耗的方法及低功耗的显示装置
CN109643514A (zh) * 2016-08-26 2019-04-16 株式会社半导体能源研究所 显示装置及电子设备
CN110188886A (zh) * 2018-08-17 2019-08-30 第四范式（北京）技术有限公司 对机器学习过程的数据处理步骤进行可视化的方法和系统
CN110598488A (zh) * 2019-09-17 2019-12-20 山东大学 半导体单元器件、半导体芯片系统及puf信息处理系统
CN111295700A (zh) * 2017-12-15 2020-06-16 谷歌有限责任公司 自适应显示器亮度调整
US10692467B2 (en) 2018-05-04 2020-06-23 Microsoft Technology Licensing, Llc Automatic application of mapping functions to video signals based on inferred parameters
CN111341286A (zh) * 2020-02-25 2020-06-26 惠州Tcl移动通信有限公司 屏幕显示控制方法、装置、存储介质及终端
CN115083337A (zh) * 2022-07-08 2022-09-20 深圳市安信泰科技有限公司 一种led显示驱动系统及方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10445401B2 (en) 2018-02-08 2019-10-15 Deep Labs Inc. Systems and methods for converting discrete wavelets to tensor fields and using neural networks to process tensor fields
CN109471803B (zh) * 2018-11-05 2021-10-01 湖南工学院 基于人因可靠性的复杂工业系统数字化人机界面画面配置方法
CN111460617B (zh) * 2020-03-03 2022-10-14 华中科技大学 一种基于神经网络的igbt结温预测方法
US11637920B2 (en) 2020-07-27 2023-04-25 Samsung Electronics Co., Ltd. Providing situational device settings for consumer electronics and discovering user-preferred device settings for consumer electronics
CN112530352B (zh) * 2020-12-24 2023-07-25 武汉天马微电子有限公司 一种显示装置的驱动方法及驱动装置
CN114974056A (zh) * 2021-02-24 2022-08-30 广州三星通信技术研究有限公司 屏幕刷新率的调整方法及其装置
CN113947008B (zh) * 2021-08-30 2023-08-15 西安电子科技大学 一种基于bp神经网络模型的半导体器件温度分布预测方法
GB2611817A (en) * 2021-10-18 2023-04-19 Samsung Electronics Co Ltd Mobile device and method
CN114333736B (zh) * 2021-12-29 2023-06-02 深圳市华星光电半导体显示技术有限公司 显示装置和显示装置的亮度调节方法
CN115051864B (zh) * 2022-06-21 2024-02-27 郑州轻工业大学 基于pca-mf-wnn的网络安全态势要素提取方法及系统
CN115984889B (zh) * 2023-03-22 2023-06-09 中国人民解放军总医院 基于人工智能的医疗文书完整性分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5760760A (en) * 1995-07-17 1998-06-02 Dell Usa, L.P. Intelligent LCD brightness control system
CN101404150A (zh) * 2008-11-14 2009-04-08 凯立德欣技术（深圳）有限公司 亮度调整装置及亮度调整方法和导航装置及导航方法
CN101521973A (zh) * 2009-03-19 2009-09-02 浙江大学 舞台彩幕亮度的自适应控制系统和方法
CN201409246Y (zh) * 2009-03-19 2010-02-17 杭州剧院 一种舞台彩幕亮度的自适应控制系统
US20120320014A1 (en) * 2010-02-22 2012-12-20 Dolby Laboratories Licensing Corporation System and Method for Adjusting Display Based on Detected Environment
US20140368483A1 (en) * 2013-06-14 2014-12-18 Lenovo (Beijing) Limited Method of adjusting display unit and electronic device
CN104596957A (zh) * 2015-01-12 2015-05-06 西安科技大学 基于可见光近红外光谱技术的土壤铜含量估算方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6550320B1 (en) * 2000-05-31 2003-04-22 Continental Ag System and method for predicting tire forces using tire deformation sensors
US7389432B2 (en) * 2004-11-10 2008-06-17 Microsoft Corporation Advanced power management for computer displays
EP2453433B1 (en) 2010-11-15 2018-10-10 Ignis Innovation Inc. System and method for compensation of non-uniformities in light emitting device displays
US20120158631A1 (en) * 2010-12-15 2012-06-21 Scientific Conservation, Inc. Analyzing inputs to an artificial neural network
CN102122133B (zh) * 2011-01-21 2012-10-10 北京工业大学 自适应小波神经网络异常检测故障诊断分类系统及方法
US8706918B2 (en) * 2011-11-15 2014-04-22 International Business Machines Corporation External environment sensitive predictive application and memory initiation
WO2013093173A1 (en) * 2011-12-21 2013-06-27 Nokia Corporation A method, an apparatus and a computer software for context recognition
US9379546B2 (en) * 2013-06-07 2016-06-28 The Board Of Trustees Of The University Of Alabama Vector control of grid-connected power electronic converter using artificial neural networks
CN103707769A (zh) * 2014-01-02 2014-04-09 上海理工大学 透明车载数字式仪表控制器及其显示亮度控制方法
US9248789B2 (en) * 2014-01-08 2016-02-02 Verizon Patent And Licensing Inc. Method and apparatus for detecting key-on and key-off states using time-to-frequency transforms
US10321870B2 (en) 2014-05-01 2019-06-18 Ramot At Tel-Aviv University Ltd. Method and system for behavioral monitoring
CN104036474B (zh) * 2014-06-12 2017-12-19 厦门美图之家科技有限公司 一种图像亮度和对比度的自动调节方法
US10375344B2 (en) * 2014-10-24 2019-08-06 Dish Ukraine L.L.C. Display device viewing angle compensation
CN104320881B (zh) 2014-10-28 2017-06-16 许敏 一种led无影灯照明系统中的智能调光控制器
CN104978947B (zh) 2015-07-17 2018-06-05 京东方科技集团股份有限公司 显示状态的调节方法、显示状态调节装置及显示装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5760760A (en) * 1995-07-17 1998-06-02 Dell Usa, L.P. Intelligent LCD brightness control system
CN101404150A (zh) * 2008-11-14 2009-04-08 凯立德欣技术（深圳）有限公司 亮度调整装置及亮度调整方法和导航装置及导航方法
CN101521973A (zh) * 2009-03-19 2009-09-02 浙江大学 舞台彩幕亮度的自适应控制系统和方法
CN201409246Y (zh) * 2009-03-19 2010-02-17 杭州剧院 一种舞台彩幕亮度的自适应控制系统
US20120320014A1 (en) * 2010-02-22 2012-12-20 Dolby Laboratories Licensing Corporation System and Method for Adjusting Display Based on Detected Environment
US20140368483A1 (en) * 2013-06-14 2014-12-18 Lenovo (Beijing) Limited Method of adjusting display unit and electronic device
CN104596957A (zh) * 2015-01-12 2015-05-06 西安科技大学 基于可见光近红外光谱技术的土壤铜含量估算方法

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10565955B2 (en) 2015-07-17 2020-02-18 Boe Technology Group Co., Ltd. Display status adjustment method, display status adjustment device and display device
WO2017012321A1 (zh) * 2015-07-17 2017-01-26 京东方科技集团股份有限公司 显示状态的调节方法、显示状态调节装置及显示装置
US10568178B2 (en) 2016-06-15 2020-02-18 Boe Technology Group Co., Ltd. Color temperature adjustment method and device, light source, display apparatus
CN105869580B (zh) * 2016-06-15 2018-05-22 京东方科技集团股份有限公司 色温调节方法及装置、背光源、显示设备
WO2017215508A1 (zh) * 2016-06-15 2017-12-21 京东方科技集团股份有限公司 色温调节方法及装置、光源、显示设备
CN105869580A (zh) * 2016-06-15 2016-08-17 京东方科技集团股份有限公司 色温调节方法及装置、背光源、显示设备
CN109643514A (zh) * 2016-08-26 2019-04-16 株式会社半导体能源研究所 显示装置及电子设备
US11404016B2 (en) 2016-08-26 2022-08-02 Semiconductor Energy Laboratory Co., Ltd. Display device and electronic device having neural network for calculating set values of luminance and color tone
CN106528024A (zh) * 2016-11-20 2017-03-22 滁州职业技术学院 一种显示屏分辨率调整的方法及显示终端
CN106951054A (zh) * 2017-03-10 2017-07-14 广东欧珀移动通信有限公司 一种应用程序的控制方法、装置及移动终端
CN106951054B (zh) * 2017-03-10 2020-03-10 Oppo广东移动通信有限公司 一种应用程序的控制方法、装置及移动终端
CN108154853A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 硅基液晶显示设备的控制方法
CN107835324A (zh) * 2017-12-13 2018-03-23 维沃移动通信有限公司 一种背光亮度调节方法及移动终端
US11419197B2 (en) 2017-12-15 2022-08-16 Google Llc Adaptive display brightness adjustment
CN111295700B (zh) * 2017-12-15 2023-03-14 谷歌有限责任公司 自适应显示器亮度调整
CN111295700A (zh) * 2017-12-15 2020-06-16 谷歌有限责任公司 自适应显示器亮度调整
US11096259B2 (en) 2017-12-15 2021-08-17 Google Llc Adaptive display brightness adjustment
WO2019212838A3 (en) * 2018-05-04 2021-04-01 Microsoft Technology Licensing, Llc Automatic application of mapping functions to video signals based on inferred parameters
US10692467B2 (en) 2018-05-04 2020-06-23 Microsoft Technology Licensing, Llc Automatic application of mapping functions to video signals based on inferred parameters
CN110188886A (zh) * 2018-08-17 2019-08-30 第四范式（北京）技术有限公司 对机器学习过程的数据处理步骤进行可视化的方法和系统
CN109147715A (zh) * 2018-08-28 2019-01-04 武汉华星光电技术有限公司 用于降低显示面板功耗的方法及低功耗的显示装置
CN110598488A (zh) * 2019-09-17 2019-12-20 山东大学 半导体单元器件、半导体芯片系统及puf信息处理系统
CN111341286A (zh) * 2020-02-25 2020-06-26 惠州Tcl移动通信有限公司 屏幕显示控制方法、装置、存储介质及终端
CN115083337A (zh) * 2022-07-08 2022-09-20 深圳市安信泰科技有限公司 一种led显示驱动系统及方法

Also Published As

Publication number Publication date
CN104978947B (zh) 2018-06-05
US20180197499A1 (en) 2018-07-12
US10565955B2 (en) 2020-02-18
WO2017012321A1 (zh) 2017-01-26

Similar Documents

Publication Publication Date Title
CN104978947A (zh) 显示状态的调节方法、显示状态调节装置及显示装置
Krasnopolsky et al. Using ensemble of neural networks to learn stochastic convection parameterizations for climate and numerical weather prediction models from data simulated by a cloud resolving model
CN105243435B (zh) 一种基于深度学习元胞自动机模型的土壤含水量预测方法
CN104702680B (zh) 一种资源监测方法及系统
CN103985137B (zh) 应用于人机交互的运动物体跟踪方法及系统
CN104048676B (zh) 基于改进粒子滤波的mems陀螺随机误差补偿方法
CN108596780B (zh) 一种基于多元信息的储层类型划分方法及系统
CN106067079A (zh) 一种基于bp神经网络的灰霾预测的系统和方法
CN111126220B (zh) 一种视频监控目标实时定位方法
CN106354940B (zh) 基于wasp水质模型不确定性输入的景观水水质模拟与预警方法
CN106556877B (zh) 一种地磁通化方法及装置
CN110991776A (zh) 一种基于gru网络实现水位预测的方法及系统
CN111157413A (zh) 一种pm2.5网格化监控网络系统及其一致性校准方法
Cauteruccio et al. Wind tunnel validation of a particle tracking model to evaluate the wind‐induced bias of precipitation measurements
CN111513723A (zh) 运动姿态监测方法、调整方法、装置和终端
CN103218664A (zh) 一种基于小波神经网络的告警权值确定方法
CN103279030B (zh) 基于贝叶斯框架的动态软测量建模方法及装置
CN104463916A (zh) 基于随机游走的眼动注视点测定方法
CN105574619A (zh) 一种太阳能光伏发电出力预测系统及预测方法
Nguyen et al. Projection of climate variables by general circulation and deep learning model for Lahore, Pakistan
CN105891637A (zh) 一种智能变电站二次设备测试方法及系统
CN104331836B (zh) 农作物决策支持方法和装置
CN115759181A (zh) 一种基于玉米卷叶监测识别并处理旱情的方法和装置
CN107437112A (zh) 一种基于改进多尺度核函数的混合rvm模型预测方法
Zhou et al. Application of Kriging algorithm based on ACFPSO in geomagnetic data interpolation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant