CN107644255A - 一种人工智能设备的数据处理方法、装置及系统 - Google Patents
一种人工智能设备的数据处理方法、装置及系统 Download PDFInfo
- Publication number
- CN107644255A CN107644255A CN201610580654.5A CN201610580654A CN107644255A CN 107644255 A CN107644255 A CN 107644255A CN 201610580654 A CN201610580654 A CN 201610580654A CN 107644255 A CN107644255 A CN 107644255A
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- decision model
- intelligence equipment
- equipment
- voice
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种人工智能设备的数据处理方法、装置及系统，由于将多个人工智能设备组合在一起，形成人工智能网络，各个人工智能设备就代表网络中的一个节点。在云端设置有数据处理能力更高的人工智能设备作为中央控制节点，对网络中其余各个节点的人工智能设备上传的数据进行采集，根据多个人工智能设备上传的数据，利用遗传算法对这些上传数据进行综合分析，学习出更为优化的策略模型，弥补原有的决策模型中的缺陷，再下发至各个人工智能设备中，对各个节点的人工智能设备原有的决策模型进行更新，可以优化决策模型，进而使各个人工智能设备作出的决策更合理。
Description
技术领域
本发明涉及人工智能数据处理技术领域，具体涉及一种人工智能设备的数据处理方法、装置及系统。
背景技术
人工智能是对人的意识、思维的信息过程的模拟。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
目前，许多人工智能系统已经面世，其中，IBM公司的Watson是人工智能的杰出代表，现有技术的人工智能系统如Watson能够利用大数据平台进行海量数据处理，进行自然语言的转换、识别、语音生成等。但是，现有技术的人工智能系统并不具备本地版本的应用程序，也不能形成集群化的智慧交互，因而现有的人工智能系统在训练和优化的时候，仅能局限在自身的数据处理能力上，不能在其他人工智能系统的引导下进行训练和优化，也不能将自身的数据和模型参数与别的人工智能系统进行交互，引导其他人工智能系统进行优化。现有技术中的人工智能系统缺少交互模式，数据处理局限性很大，大大制约了人工智能设备更新优化的速度。
发明内容
本申请提供一种人工智能设备的数据处理方法、装置及系统，可以将本地的数据上传至云端处理，增强数据处理能力。
根据第一方面，一种实施例中提供一种人工智能设备的数据处理方法，包括：采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息外部的反馈信息，以及基于所述反馈信息更新得到的所述人工智能设备的决策模型；将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型，并将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
根据第二方面，一种实施例中提供一种人工智能设备的数据处理方法，包括：根据外部检测到的语音和/或视觉信息更新本地的决策模型；将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；接收所述中央控制节点下发的总决策模型；基于所述总决策模型对本地的决策模型进行更新。
根据第三方面，一种实施例中提供一种人工智能设备的数据处理装置，包括：采集单元，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息的外部的反馈信息，以及基于所述反馈信息更新得到的决策模型：第一选取单元，用于将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型；下发单元，用于将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
根据第四方面，一种实施例中提供一种人工智能设备的数据处理装置，第一更新单元，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型；上传单元，用于将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；接收单元，用于接收所述中央控制节点下发的总决策模型；第二更新单元，用于基于所述总决策模型对本地的决策模型进行更新。
根据第五方面，一种实施例中提供一种人工智能设备的数据处理系统，包括：人工智能设备，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型，将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；接收中央控制节点下发的总决策模型；基于所述总决策模型对本地的决策模型进行更新；中央控制节点，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息外部的反馈信息，以及基于所述反馈信息更新得到的所述人工智能设备的决策模型；将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型，并将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
依据上述实施例的人工智能设备的数据处理方法、装置及系统，由于将多个人工智能设备组合在一起，形成人工智能网络，各个人工智能设备就代表网络中的一个节点。在云端设置有数据处理能力更高的人工智能设备作为中央控制节点，对网络中其余各个节点的人工智能设备上传的数据进行采集，根据多个人工智能设备上传的数据，利用遗传算法对这些上传数据进行综合分析，学习出更为优化的策略模型，弥补原有的决策模型中的缺陷，再下发至各个人工智能设备中，对各个节点的人工智能设备原有的决策模型进行更新，可以优化决策模型，进而使各个人工智能设备作出的决策更合理。
附图说明
图1为本申请实施例的人工智能设备的数据处理方法流程图；
图2为一种实施例的人工智能设备的数据处理方法流程图；
图3为另一种实施例的人工智能设备的数据处理方法流程图；
图4为另一种实施例的人工智能设备的数据处理方法流程图；
图5为本申请实施例的人工智能设备的数据处理装置的结构示意图；
图6为一种实施例的人工智能设备的数据处理装置的结构示意图；
图7为另一种实施例的人工智能设备的数据处理装置的结构示意图；
图8为另一种实施例的人工智能设备的数据处理装置的结构示意图；
图9为本申请实施例的人工智能设备的数据处理系统的结构示意图。
具体实施方式
在本发明实施例中，将多个人工智能设备组合在一起，形成人工智能网络，各个人工智能设备就代表网络中的一个节点。在云端设置有数据处理能力更高的人工智能设备作为中央控制节点，对网络中其余各个节点的人工智能设备上传的数据进行采集，根据多个人工智能设备上传的数据，利用遗传算法对这些上传数据进行综合分析，学习出更为优化的策略模型，弥补原有的决策模型中的缺陷，再下发至各个人工智能设备中，对各个节点的人工智能设备原有的决策模型进行更新，可以优化决策模型，进而使各个人工智能设备作出的决策更合理。
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例一：
请参考图1，本申请实施例提供一种人工智能设备的数据处理方法，包括以下步骤：
101、采集多个人工智能设备上传的数据。
上传的数据包括多个人工智能设备采集到的语音和/或视觉信息、基于语音和/或视觉信息外部的反馈信息，以及基于反馈信息更新得到的人工智能设备的决策模型。
通常，人工智能设备用于根据外界环境以及用户的需求进行数据处理并作出相应的处理步骤，执行相应动作。用户的需求可以通过语音和/或视觉信息进行表达，人工智能设备通过采集语音和/或视觉信息来感应识别外界环境的变化以及用户的需求。可以理解的是，采集人工智能设备的语音和/或视觉信息即进行下述的识别操作，如：物体识别、人脸识别、表情识别、语音识别等。
网络中各个节点的人工智能设备在接收到外界的语音和/或视觉信息后，会根据本地配置的决策模型对语音和/或视觉信息进行分析，作出相应的数据处理，执行相应的动作，而后检测执行该动作后的结果，即接收外界的反馈信息。例如：机器人(人工智能设备)识别到外部有物体(杯子)掉落，根据本地决策模型，则根据决策模型计算出的控制参数执行合理的动作，而后获取反馈信息：即杯子是否被接住，接住的次数以及接住花费的时间等。而由于外界的语音和/或视觉信息是多种多样，不断变化的，因此人工智能设备可以不断采集这些语音和/或视觉信息以及反馈信息，可以本地进行深度学习，通过反复的迭代训练计算得出决策模型的最优参数，更新决策模型。值得指出的是，本实施例重点在于，网络中各个人工智能设备均将本地的迭代训练过程中语音和/或视觉信息、反馈信息以及基于所述反馈信息更新得到的决策模型发送至中央控制节点中进行处理。中央控制节点在接收到上述信息后，可以根据反馈信息将各个节点的决策模型进行比较，从而选取出最优的决策模型下发给各个节点更新。由于各个节点中的数据都集中上传和处理，因而训练出的决策模型更优，并且各个节点的人工智能设备的信息得到交互，可以互相学习出更优的决策。
102、将多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型。
103、将总决策模型下发到多个人工智能设备中作为各自设备的决策模型进行更新。
实施例二：
请参考图2，本申请实施例提供一种人工智能设备的数据处理方法，还可以包括以下步骤：
104、获取多个人工智能设备上传的用户数据。
用户数据描述了用户的行为习惯。优选的实施例中，人工智能设备可以直接获取用户数据，在得知用户的行为习惯如生活规律、喜好的东西、常去的地方等，并进行数据挖掘，例如通过分析得到用户喜爱旅行，则分析结果提示拓展到旅行智能决策模型，为其提供旅行服务，例如景点导览、旅游提示等。
105、基于用户的行为习惯结合外部的反馈信息，训练出新的决策模型并更新到各个人工智能设备中。
本实施例中，还包括：对多个人工智能设备上传的数据进行分类存储。在采集到各个人工智能设备的数据后，可以按照类别进行存储，以备后续训练时调用，提升数据处理的速度。
实施例三：
请参考图3，本申请实施例提供一种人工智能设备的数据处理方法，包括步骤：
201、根据外部检测到的语音和/或视觉信息更新本地的决策模型。
此外还包括步骤：
202、将语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得中央控制节点计算出总决策模型。
本实施例中步骤202的实施过程可以参照实施例一中的介绍，在此不再进行赘述。
203、接收中央控制节点下发的总决策模型。
204、基于总决策模型对本地的决策模型进行更新。
本申请实施例在接收到总决策模型时，可以将原有的决策模型替换为总决策模型，从而更新本地的决策模型，使决策更优。
请参考图4，一个实施方式中，步骤201、根据外部检测到的和/或视觉信息更新本地的决策模型具体包括：
201A、检测外部的语音和/或视觉信息。
201B、将语音和/或视觉信息输入至预设的决策模型中进行处理，得到对应的决策信息，根据决策信息控制人工智能设备的运行。
201C、获取人工智能设备运行后的反馈信息，基于多个反馈信息及与反馈信息对应的语音和/或视觉信息，通过遗传算法计算得到决策模型的参数。
201D、基于决策模型的参数，更新预设的决策模型。
可以理解的是，网络中各个节点的人工智能设备既可以根据本地采集的语音和/或视觉信息以及反馈信息迭代训练出最优的决策模型，同时也可以将本地采集的数据上传至中央控制节点，根据中央控制节点返回的总决策模型进行更新。
实施例四：
请参考图5，本申请实施例提供一种人工智能设备的数据处理装置，包括：
采集单元40，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息的外部的反馈信息，以及基于所述反馈信息更新得到的决策模型。
第一选取单元41，用于将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型。
下发单元42，用于将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
如图6所示，一个实施例中，人工智能设备的数据处理装置还包括：
获取单元43，用于获取多个人工智能设备上传的用户数据，用户数据描述了用户的行为习惯。
第二选取单元44，用于基于用户的行为习惯结合所述外部的反馈信息，训练出新的决策模型。
更新单元45，用于将新的决策模型更新到各个人工智能设备中。
一个实施例中，人工智能设备的数据处理装置还包括：
存储单元46，用于对所述多个人工智能设备上传的数据进行分类存储。
实施例五：
请参考图7，本申请实施例提供一种人工智能设备的数据处理装置，包括：第一更新单元50，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型。
还包括：
上传单元51，用于将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型。
接收单元52，用于接收中央控制节点下发的总决策模型。
第二更新单元53，用于基于所述总决策模型对本地的决策模型进行更新。
一个实施例中，如图8所示，更新单元50具体包括：
检测子模块50A，用于检测外部的语音和/或视觉信息；
数据处理子模块50B，用于将所述语音和/或视觉信息输入至预设的决策模型中进行处理，得到对应的决策信息，根据所述决策信息控制所述人工智能设备的运行；
计算子模块50C，用于获取所述人工智能设备运行后的反馈信息，基于多个所述反馈信息及与所述反馈信息对应的所述语音和/或视觉信息，通过机器学习算法计算得到决策模型的参数；
更新子模块50D，用于基于所述决策模型的参数，更新所述预设的决策模型。
实施例六：
如图9所示，本申请实施例提供一种人工智能设备的数据处理系统，包括：
人工智能设备60，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型，将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；接收中央控制节点下发的总决策模型；基于所述总决策模型对本地的决策模型进行更新。
中央控制节点61，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息外部的反馈信息，以及基于所述反馈信息更新得到的所述人工智能设备的决策模型；将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型，并将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
Claims (11)
1.一种人工智能设备的数据处理方法，其特征在于，包括：
采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息外部的反馈信息，以及基于所述反馈信息更新得到的决策模型；
将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型，并将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
2.如权利要求1所述的人工智能设备的数据处理方法，其特征在于，还包括：
获取多个人工智能设备上传的用户数据，所述用户数据描述了用户的行为习惯；
基于所述用户的行为习惯结合外部的反馈信息，训练出新的决策模型并更新到各个人工智能设备中。
3.如权利要求1或2所述的人工智能设备的数据处理方法，其特征在于，还包括：
对所述多个人工智能设备上传的数据进行分类存储。
4.一种人工智能设备的数据处理方法，其特征在于，包括：
根据外部检测到的语音和/或视觉信息更新本地的决策模型；
将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；
接收所述中央控制节点下发的总决策模型；
基于所述总决策模型对本地的决策模型进行更新。
5.如权利要求4所述的人工智能设备的数据处理方法，其特征在于，所述根据外部检测到的和/或视觉信息更新本地的决策模型的步骤具体包括：
检测外部的语音和/或视觉信息；
将所述语音和/或视觉信息输入至预设的决策模型中进行处理，得到对应的决策信息，根据所述决策信息控制所述人工智能设备的运行；
获取所述人工智能设备运行后的反馈信息，基于多个所述反馈信息及与所述反馈信息对应的所述语音和/或视觉信息，通过遗传算法计算得到决策模型的参数；
基于所述决策模型的参数，更新所述预设的决策模型。
6.一种人工智能设备的数据处理装置，其特征在于，包括：
采集单元，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息的外部的反馈信息，以及基于所述反馈信息更新得到的决策模型；
第一选取单元，用于将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型；
下发单元，用于将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
7.如权利要求6所述的人工智能设备的数据处理装置，其特征在于，还包括：
获取单元，用于获取人工智能设备上传的用户数据，所述用户数据描述了用户的行为习惯；
第二选取单元，用于基于所述用户的行为习惯结合外部的反馈信息，训练出新的决策模型并更新到各个人工智能设备中；
更新单元，用于将新的决策模型更新到各个人工智能设备中。
8.如权利要求6或7所述的人工智能设备的数据处理装置，其特征在于，还包括：
存储单元，用于对所述多个人工智能设备上传的数据进行分类存储。
9.一种人工智能设备的数据处理装置，其特征在于，包括：
第一更新单元，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型；
上传单元，用于将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；
接收单元，用于接收所述中央控制节点下发的总决策模型；
第二更新单元，用于基于所述总决策模型对本地的决策模型进行更新。
10.如权利要求9所述的人工智能设备的数据处理装置，其特征在于，所述更新单元具体包括：
检测子模块，用于检测外部的语音和/或视觉信息；
数据处理子模块，用于将所述语音和/或视觉信息输入至预设的决策模型中进行处理，得到对应的决策信息，根据所述决策信息控制所述人工智能设备的运行；
计算子模块，用于获取所述人工智能设备运行后的反馈信息，基于多个所述反馈信息及与所述反馈信息对应的所述语音和/或视觉信息，通过机器学习算法计算得到决策模型的参数；
更新子模块，用于基于所述决策模型的参数，更新所述预设的决策模型。
11.一种人工智能设备的数据处理系统，其特征在于，包括：
人工智能设备，用于根据外部检测到的语音和/或视觉信息更新本地的决策模型，将所述语音和/或视觉信息、更新后的本地的决策模型以及获取到的基于所述语音和/或视觉信息的外部的反馈信息上传至中央控制节点中，使得所述中央控制节点计算出总决策模型；接收中央控制节点下发的总决策模型；基于所述总决策模型对本地的决策模型进行更新；
中央控制节点，用于采集多个人工智能设备上传的数据，所述数据包括所述多个人工智能设备采集到的语音和/或视觉信息、基于所述语音和/或视觉信息外部的反馈信息，以及基于所述反馈信息更新得到的所述人工智能设备的决策模型；将所述多个人工智能设备上传的决策模型进行比较，选取决策结果最接近预设结果的决策模型作为总决策模型，并将所述总决策模型下发到所述多个人工智能设备中作为各自设备的决策模型进行更新。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610580654.5A CN107644255B (zh) | 2016-07-21 | 2016-07-21 | 一种人工智能设备的数据处理方法、装置及系统 |
| PCT/CN2017/092039 WO2018014737A1 (zh) | 2016-07-21 | 2017-07-06 | 一种人工智能设备的数据处理方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610580654.5A CN107644255B (zh) | 2016-07-21 | 2016-07-21 | 一种人工智能设备的数据处理方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107644255A true CN107644255A (zh) | 2018-01-30 |
| CN107644255B CN107644255B (zh) | 2022-05-06 |
Family
ID=60992941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610580654.5A Active CN107644255B (zh) | 2016-07-21 | 2016-07-21 | 一种人工智能设备的数据处理方法、装置及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107644255B (zh) |
| WO (1) | WO2018014737A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109327329A (zh) * | 2018-08-31 | 2019-02-12 | 华为技术有限公司 | 数据模型更新方法及装置 |
| CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及系统 |
| CN112035137A (zh) * | 2020-08-12 | 2020-12-04 | 浙江大华技术股份有限公司 | 设备模型升级方法、装置、设备、服务器及存储介质 |
| WO2021115480A1 (zh) * | 2020-06-30 | 2021-06-17 | 平安科技（深圳）有限公司 | 联邦学习方法、装置、设备和存储介质 |
| CN113315649A (zh) * | 2021-04-21 | 2021-08-27 | 重庆科创职业学院 | 一种基于人工智能的通信数据采集方法 |
| CN114942985A (zh) * | 2022-06-08 | 2022-08-26 | 广州芸荟数字软件有限公司 | 一种基于机器学习的人工智能数据处理方法及系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115835185A (zh) * | 2021-09-18 | 2023-03-21 | 华为技术有限公司 | 一种人工智能模型下载方法、装置及系统 |
| CN116245478A (zh) * | 2023-01-13 | 2023-06-09 | 江门市交通建设投资集团有限公司 | 基于机器视觉技术的智慧工地视觉管控系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101944113A (zh) * | 2010-09-16 | 2011-01-12 | 华中科技大学 | 一种基于云计算系统的智能数据采集系统 |
| US20140081717A1 (en) * | 2011-03-04 | 2014-03-20 | Tian Lu | Method and system for robust social choices and vote elicitation |
| CN103856491A (zh) * | 2012-11-28 | 2014-06-11 | 上海贝尔软件有限公司 | 在服务器中制定决策的方法和在设备中获取决策的方法 |
| US20150238692A1 (en) * | 2014-02-24 | 2015-08-27 | Physio-Control, Inc. | Decision support system using intelligent agents |
| CN104965426A (zh) * | 2015-06-24 | 2015-10-07 | 百度在线网络技术（北京）有限公司 | 基于人工智能的智能机器人控制系统、方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060112047A1 (en) * | 2004-10-26 | 2006-05-25 | Parascript Llc | Training a multi-dimensional, expert behavior-emulation system |
| CN103810254A (zh) * | 2014-01-22 | 2014-05-21 | 浙江大学 | 基于云端的用户行为实时分析方法 |
| CN105598972B (zh) * | 2016-02-04 | 2017-08-08 | 北京光年无限科技有限公司 | 一种机器人系统及交互方法 |
-
2016
- 2016-07-21 CN CN201610580654.5A patent/CN107644255B/zh active Active
-
2017
- 2017-07-06 WO PCT/CN2017/092039 patent/WO2018014737A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101944113A (zh) * | 2010-09-16 | 2011-01-12 | 华中科技大学 | 一种基于云计算系统的智能数据采集系统 |
| US20140081717A1 (en) * | 2011-03-04 | 2014-03-20 | Tian Lu | Method and system for robust social choices and vote elicitation |
| CN103856491A (zh) * | 2012-11-28 | 2014-06-11 | 上海贝尔软件有限公司 | 在服务器中制定决策的方法和在设备中获取决策的方法 |
| US20150238692A1 (en) * | 2014-02-24 | 2015-08-27 | Physio-Control, Inc. | Decision support system using intelligent agents |
| CN104965426A (zh) * | 2015-06-24 | 2015-10-07 | 百度在线网络技术（北京）有限公司 | 基于人工智能的智能机器人控制系统、方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| ABIR-BEATRICE KATAMI，ET AL: "《Partially Observable Markov Decision Process for Managing Robot Collaboration With Human》", 《2009 21ST IEEE INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTRLLIGENCE》 * |
| CTI论坛: "《捷通灵云实现远场语音识别 服务智能家居》", 《CTIFORUM.COM/NEWS/GUONEI/465321.HTML》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109327329A (zh) * | 2018-08-31 | 2019-02-12 | 华为技术有限公司 | 数据模型更新方法及装置 |
| CN109327329B (zh) * | 2018-08-31 | 2021-11-09 | 华为技术有限公司 | 数据模型更新方法及装置 |
| CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及系统 |
| CN110333952B (zh) * | 2019-07-09 | 2021-09-14 | 王延晋 | 基于人工智能的数据处理方法及系统 |
| WO2021115480A1 (zh) * | 2020-06-30 | 2021-06-17 | 平安科技（深圳）有限公司 | 联邦学习方法、装置、设备和存储介质 |
| CN112035137A (zh) * | 2020-08-12 | 2020-12-04 | 浙江大华技术股份有限公司 | 设备模型升级方法、装置、设备、服务器及存储介质 |
| CN113315649A (zh) * | 2021-04-21 | 2021-08-27 | 重庆科创职业学院 | 一种基于人工智能的通信数据采集方法 |
| CN114942985A (zh) * | 2022-06-08 | 2022-08-26 | 广州芸荟数字软件有限公司 | 一种基于机器学习的人工智能数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018014737A1 (zh) | 2018-01-25 |
| CN107644255B (zh) | 2022-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107644255A (zh) | 一种人工智能设备的数据处理方法、装置及系统 | |
| CN112383052B (zh) | 基于电力物联网的电网故障修复方法和装置 | |
| CN110963209A (zh) | 一种基于深度强化学习的垃圾分拣装置与方法 | |
| CN106779087A (zh) | 一种通用机器学习数据分析平台 | |
| CN110288035B (zh) | 一种智能垃圾桶在线自主学习方法及系统 | |
| CN107293172A (zh) | 一种自学用智能专家系统、人工智能授课系统及实现方法 | |
| AU2019437767A1 (en) | Artificial intelligence cleaner and operation method thereof | |
| CN107167144A (zh) | 一种基于视觉的移动机器人室内环境识别定位方法 | |
| CN113408087A (zh) | 一种基于云边系统和视频智能分析的变电站巡视方法 | |
| JP2017194782A (ja) | 情報処理装置及び情報処理方法 | |
| CN108075974A (zh) | 一种流量转发控制方法、装置及sdn架构系统 | |
| CN114689965A (zh) | 基于嵌入式智能传感器的电力设备在线监测方法及系统 | |
| CN113349188B (zh) | 一种基于云端杀草谱的草坪及牧草精准除草方法 | |
| CN110427870A (zh) | 眼部图片识别方法、目标识别模型训练方法及装置 | |
| CN106503794A (zh) | 一种风机齿轮箱剩余寿命预测方法 | |
| CN112766599A (zh) | 一种基于深度强化学习的智能运维方法 | |
| CN112861424A (zh) | 一种基于博弈论的在线协同无线充电方法 | |
| Holk et al. | Polite: Preferences combined with highlights in reinforcement learning | |
| CN113807462B (zh) | 一种基于ai的网络设备故障原因定位方法及其系统 | |
| CN110562623A (zh) | 一种智能垃圾分类系统 | |
| CN115731419A (zh) | 一种基于智能判别算法的细胞生长状态判别方法及系统 | |
| CN110334080A (zh) | 一种实现自主学习的知识库构建方法 | |
| CN110348625A (zh) | 基于小世界无标度网络的非线性时间序列预测方法 | |
| CN113934966B (zh) | 一种群体感知中利用图卷积强化学习最小化信息年龄方法 | |
| CN113610191B (zh) | 垃圾分类模型建模方法、垃圾分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220421 Address after: 100176 209, 210, floor 2, building 1, No. 14, Zhonghe street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: BEIJING HEALTHINGKON TECHNOLOGY CO.,LTD. Address before: 518000 Guangdong, Shenzhen, Nanshan District, Nanhai Road, West Guangxi Temple Road North Sunshine Huayi Building 1 15D-02F Applicant before: SHEN ZHEN KUANG-CHI HEZHONG TECHNOLOGY Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |