CN108093030A - 一种基于云服务器的人工智能模型部署方法 - Google Patents
一种基于云服务器的人工智能模型部署方法 Download PDFInfo
- Publication number
- CN108093030A CN108093030A CN201711229687.6A CN201711229687A CN108093030A CN 108093030 A CN108093030 A CN 108093030A CN 201711229687 A CN201711229687 A CN 201711229687A CN 108093030 A CN108093030 A CN 108093030A
- Authority
- CN
- China
- Prior art keywords
- cloud server
- intelligent control
- artificial intelligence
- training pattern
- control end
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 59
- 230000008676 import Effects 0.000 claims abstract description 10
- 230000006854 communication Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 14
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/41855—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by local area network [LAN], network structure
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供一种基于云服务器的人工智能模型部署方法,信息采集,传感器端采集并发送采集信息,智能控制端采集历史运行数据;训练模型生成,云服务器端接收采集信息与所述历史运行数据,并将采集信息与所述历史运行数据导入训练得到训练模型;模型部署,将训练模型直接部署至智能控制端,智能控制端导入采集信息运行训练模型。本发明大大释放云服务器端的运算处理的压力,即云服务器端只需负责数据的收集与模型的生成,而将模型的运行处理过程完全下放至智能控制端,为大规模大数量集群的智能控制端的优化控制与智能控制提供可能。本发明构思巧妙,逻辑合理,符合人工智能发展要求。
Description
技术领域
本发明涉及人工智能应用领域,尤其涉及一种基于云服务器的人工智能模型部署方法。
背景技术
“物联网”(Internet of Things)指的是将各种信息传感设备,如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络。其目的是让所有的物品都与网络连接在一起,方便识别和管理。最近物联网的概念兴起有其背后的积极推动因素,从而使得市场形成了一个相对统一的预期,物联网市场至少有万亿以上的市场空间。
首先,于2012年9月1日,中国移动董事长在台湾访问时提及“物联网”的发展及中国移动介入这一巨大市场的决心;之后,9月13日左右,工业和信息化部相关负责人发表讲话,我国传感网标准体系已形成初步框架,向国际标准化组织提交的多项标准提案被采纳,传感网标准化工作已经取得积极进展。经国家标准化管理委员会批准,全国信息技术标准化技术委员会组建了传感器网络标准工作组。“互联网+物联网=智慧地球”-大西洋彼岸的美国提出“智慧地球”的经济振兴战略。IBM认为建设智慧地球需要三个步骤:首先,各种创新的感应科技开始被嵌入各种物体和设施中,从而令物质世界被极大程度的数据化。第二,随着网络的高度发达,人、数据和各种事物都将以不同方式联入网络。第三,先进的技术和超级计算机则可以对这些堆积如山的数据进行整理、加工和分析,将生硬的数据转化成实实在在的洞察,并帮助人们做出正确的行动决策。
现有物联网(IOT)设备绝大部分都是基于嵌入式单片机系统,运算能力以及存储量非常有限,一般只能按照事先预设好的程序运行,无法满足复杂的智能化场景需求。而现有的人工智能、机器学习、深度学习系统构架依赖于GPU、云服务器等复杂昂贵的设备来进行大数据分析处理。随着IOT设备呈指数级别的爆发式增长,按照目前的人工智能系统构架来对上亿数量级别的IOT设备进行智能化控制无论从技术还是成本的角度考虑都是不现实的。目前急需一种能够有效解决上述物联网IOT智能化问题的方法。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于云服务器的人工智能模型部署方法,本发明区别于传统的训练模型与根据训练模型进行数据处理都在云服务器端处理的模式,大大释放云服务器端的运算处理的压力,为大规模大数量集群的智能控制端的优化控制与智能控制提供可能。
本发明提供一种基于云服务器的人工智能模型部署方法,包括以下步骤:
信息采集,传感器端采集并发送采集信息,智能控制端采集历史运行数据;
训练模型生成,云服务器端接收所述采集信息与所述历史运行数据,并将所述采集信息与所述历史运行数据导入训练得到训练模型;
模型部署,将所述训练模型直接部署至智能控制端,所述智能控制端导入所述采集信息运行所述训练模型。
进一步地,所述部署方式包括烧录或在线部署。
进一步地,还包括步骤:网络信息采集,云服务器端根据训练模型的类型在互联网上获取关联的网络信息,所述网络信息与所述采集信息一起导入训练生成训练模型。
进一步地,所述智能控制端接收所述云服务器端发送的所述网络信息与所述采集信息;所述智能控制端将所述网络信息与所述采集信息导入所述训练模型中运行。
进一步地,还包括步骤:反馈更新,智能控制端记录并更新运行的反馈信息至云服务器端,云服务器端判断是否存在更新的反馈信息,若存在则根据反馈信息重新生成或调整训练模型,并将重新生成或调整后的训练模型在线部署至智能控制端;若不存在则不执行模型更新,训练模型不变。
进一步地,所述训练模型为人工智能模型。
进一步地,所述云服务器端分别与所述智能控制端、所述传感器端通过WiFi、Zigbee、蓝牙或RS485连接通信。
进一步地,所述传感器端包括环境传感器、人体感应传感器。
进一步地,所述环境传感器包括温度传感器、湿度传感器、空气质量传感器、光强传感器。
进一步地,所述人体感应传感器包括加速度传感器、陀螺仪、GPS。
相比现有技术,本发明的有益效果在于:
本发明提供一种基于云服务器的人工智能模型部署方法,信息采集,传感器端采集并发送采集信息,智能控制端采集历史运行数据;训练模型生成,云服务器端接收采集信息与所述历史运行数据,并将采集信息与所述历史运行数据导入训练得到训练模型;模型部署,将训练模型直接部署至智能控制端,智能控制端导入采集信息运行训练模型。本发明区别于传统的训练模型与根据训练模型进行数据处理都在云服务器端处理的模式,大大释放云服务器端的运算处理的压力,即云服务器端只需负责数据的收集与模型的生成,而将模型的运行处理过程完全下放至智能控制端,为大规模大数量集群的智能控制端的优化控制与智能控制提供可能。本发明构思巧妙,逻辑合理,符合人工智能发展要求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的一种基于云服务器的人工智能模型部署方法框架示意图;
图2为本发明的一种基于云服务器的人工智能模型部署方法流程示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
一种基于云服务器的人工智能模型部署方法,如图1-图2所示,包括以下步骤:
信息采集,传感器端采集并发送采集信息;如图1所示,传感器端具体为传感器设备,包括环境传感器、人体感应传感器。其中,环境传感器包括温度传感器、湿度传感器、空气质量传感器、光强传感器;人体感应传感器包括加速度传感器、陀螺仪、GPS;通过传感器设备采集环境中的信息,例如温度、湿度、设备加速度、光照强度、空气质量、位姿等。智能控制端记录历史运行数据,与传感器设备采集的采集信息一起发送至云服务器端。
训练模型生成,云服务器端接收采集信息,并将采集信息与历史运行数据导入训练得到训练模型;其中,训练模型为人工智能模型,例如深度学习模型、多元神经网络模型等。如图1所示,云服务器端分别与智能控制端、传感器端通过WiFi、Zigbee、蓝牙无线连接通信或RS485连接有线连接通信。
模型部署,将训练模型直接部署至智能控制端,智能控制端导入采集信息运行训练模型。具体的,如图1所示,智能控制端为智能控制设备;其中,部署方式包括烧录或在线部署;烧录的内容为智能控制设备出厂时根据云服务器端收集的历史数据进行训练得到的初始训练模型。
在一实施例中,还包括步骤:网络信息采集,云服务器端根据训练模型的类型在互联网上获取关联的网络信息,网络信息与采集信息一起导入训练生成训练模型。其中,网络信息中可包括模型参数、针对情景环境的适用的模型类型,还可包括其他区域内用户的平均模型,其中可从用户的年龄、性别、所处地域、周边环境、喜好划分、天气情况不同的模型类型,并存储于互联网后台的数据库中。智能控制端接收云服务器端发送的网络信息与采集信息;智能控制端将网络信息与采集信息导入训练模型中运行。在另一实施例中,如图2中两虚线所示,也可采用智能控制端通过云服务器端实现与传感器端、互联网的直接握手,实现智能控制端与传感器端、互联网直联。
在一实施例中,还包括步骤:反馈更新,智能控制端记录并更新运行的反馈信息至云服务器端,云服务器端判断是否存在更新的反馈信息,若存在则根据反馈信息重新生成或调整训练模型,并将重新生成或调整后的训练模型在线部署至智能控制端;若不存在则不执行模型更新,训练模型不变。
下面进一步说明本发明的优势,在传统的训练模型与根据训练模型进行数据处理都在云服务器端处理的模式中,由于智能控制端的人工智能控制指令完全由云服务器端发出,云服务器端需要一直与人工智能控制形成实时通信,这大大占用了云服务器端的运算处理能力,另一方面对于大集群数量的智能控制端,云服务器端负载过重,容易形成信息拥堵与延时,大大降低了用户体验。而在本发明中,由于将训练模型与根据训练模型进行数据处理分离,云服务器端只需收集数据并将数据导入训练成模型,而无需再将由模型生成的实时指令进行与智能控制端间的交互,解放这部分的运算与通信处理,将这部分直接下放至智能控制端,智能控制端再通过与传感器建立通信后,运行部署的模型,即能在智能控制端本地生成人工智能指令,减少了部署调度与通信过程。
为便于理解,下面举例说明。例如应用基于云服务器的人工智能模型部署方法的智能空调,智能空调学习用户过往行为自动操控空调:首先收集用户过往(比如过去一周内)对于空调的操作数据,同时结合当时天气数据,房间温湿度数据等;云服务器端根据这些收集的数据训练出一个适合的人工智能模型来模仿用户偏好行为;训练完毕后通过WiFi网络把此模型OTA升级部署到用户的空调WiFi模块中;在实际应用中,云服务器端传给空调WiFi模块本地天气数据房间温湿度数据等,然后模块依据人工智能模型来模仿用户行为偏好操作空调,实现完全智能化操作。经过一段时间的运行后,空调WiFi模块把新的相关数据(比如用户是否满意自动操作,有无干涉操作等)反馈给云端服务器,然后云端服务器根据新的数据重新生成模型或者调整原有模型参数,通过在线升级部署到智能空调的WiFi模块,使其性能更新改进,不断适应用户。此种方式区别于传统的训练模型与根据训练模型进行数据处理都在云服务器端处理的模式,大大释放云服务器端的运算处理的压力,即云服务器端只需负责数据的收集与模型的生成,而将模型的运行处理过程完全下放至智能控制端(例如智能空调),为大规模大数量集群的智能控制端的优化控制与智能控制提供可能。
以上,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.一种基于云服务器的人工智能模型部署方法,其特征在于,包括以下步骤:
信息采集,传感器端采集并发送采集信息,智能控制端采集历史运行数据;
训练模型生成,云服务器端接收所述采集信息与所述历史运行数据,并将所述采集信息与所述历史运行数据导入训练得到训练模型;
模型部署,将所述训练模型直接部署至智能控制端,所述智能控制端导入所述采集信息运行所述训练模型。
2.如权利要求1所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述部署方式包括烧录或在线部署。
3.如权利要求1所述的一种基于云服务器的人工智能模型部署方法,其特征在于,还包括步骤:网络信息采集,云服务器端根据训练模型的类型在互联网上获取关联的网络信息,所述网络信息与所述采集信息一起导入训练生成训练模型。
4.如权利要求3所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述智能控制端接收所述云服务器端发送的所述网络信息与所述采集信息;所述智能控制端将所述网络信息与所述采集信息导入所述训练模型中运行。
5.如权利要求3所述的一种基于云服务器的人工智能模型部署方法,其特征在于,还包括步骤:反馈更新,智能控制端记录并更新运行的反馈信息至云服务器端,云服务器端判断是否存在更新的反馈信息,若存在则根据反馈信息重新生成或调整训练模型,并将重新生成或调整后的训练模型在线部署至智能控制端;若不存在则不执行模型更新,训练模型不变。
6.如权利要求1-5任一项所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述训练模型为人工智能模型。
7.如权利要求1-5任一项所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述云服务器端分别与所述智能控制端、所述传感器端通过WiFi、Zigbee、蓝牙或RS485连接通信。
8.如权利要求1-5任一项所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述传感器端包括环境传感器、人体感应传感器。
9.如权利要求8所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述环境传感器包括温度传感器、湿度传感器、空气质量传感器、光强传感器。
10.如权利要求8所述的一种基于云服务器的人工智能模型部署方法,其特征在于:所述人体感应传感器包括加速度传感器、陀螺仪、GPS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711229687.6A CN108093030B (zh) | 2017-11-29 | 2017-11-29 | 一种基于云服务器的人工智能模型部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711229687.6A CN108093030B (zh) | 2017-11-29 | 2017-11-29 | 一种基于云服务器的人工智能模型部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108093030A true CN108093030A (zh) | 2018-05-29 |
CN108093030B CN108093030B (zh) | 2022-02-22 |
Family
ID=62172478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711229687.6A Active CN108093030B (zh) | 2017-11-29 | 2017-11-29 | 一种基于云服务器的人工智能模型部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108093030B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924910A (zh) * | 2018-07-25 | 2018-11-30 | Oppo广东移动通信有限公司 | Ai模型的更新方法及相关产品 |
CN108958205A (zh) * | 2018-08-21 | 2018-12-07 | 深圳艾迪宝智能系统有限公司 | 一种集群网络工作方法与系统 |
CN109558892A (zh) * | 2018-10-30 | 2019-04-02 | 银河水滴科技(北京)有限公司 | 一种基于神经网络的目标识别方法及系统 |
CN109711436A (zh) * | 2018-12-05 | 2019-05-03 | 量子云未来(北京)信息科技有限公司 | 一种人工智能训练模型构建方法、装置及存储介质 |
CN109799718A (zh) * | 2019-01-29 | 2019-05-24 | 特斯联(北京)科技有限公司 | 一种基于物联传感的智慧建筑控制方法和系统 |
CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
CN112394950A (zh) * | 2021-01-19 | 2021-02-23 | 共达地创新技术(深圳)有限公司 | Ai模型部署方法、设备和存储介质 |
CN112541569A (zh) * | 2020-11-24 | 2021-03-23 | 常州罗盘星检测科技有限公司 | 一种基于机器学习的传感器在线训练系统和方法 |
CN113191502A (zh) * | 2021-04-21 | 2021-07-30 | 烽火通信科技股份有限公司 | 一种人工智能模型在线训练方法及系统 |
CN113381865A (zh) * | 2020-02-25 | 2021-09-10 | 华为技术有限公司 | 一种网络运维方法、装置及系统 |
CN113691579A (zh) * | 2021-06-30 | 2021-11-23 | 山东新一代信息产业技术研究院有限公司 | 一种基于云边端的机器人ai服务方法及系统 |
CN113837280A (zh) * | 2021-09-24 | 2021-12-24 | 中关村科学城城市大脑股份有限公司 | 城市大脑场景下一站式构建ai模型的方法和系统 |
CN114037113A (zh) * | 2021-09-24 | 2022-02-11 | 清华大学 | 智能水表控制方法、装置及系统、存储介质、云计算中心 |
CN114661010A (zh) * | 2022-03-17 | 2022-06-24 | 北京金波融安科技有限公司 | 一种基于人工智能的驱动侦测处理方法及云平台 |
WO2023044631A1 (en) * | 2021-09-22 | 2023-03-30 | Siemens Aktiengesellschaft | A device, system, method and storage medium for ai application deployment |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2863582A1 (en) * | 2013-10-18 | 2015-04-22 | Koninklijke KPN N.V. | Scheduling a device batch reconfiguration event in a network |
CN105068515A (zh) * | 2015-07-16 | 2015-11-18 | 华南理工大学 | 一种基于自学习算法的智能家居设备语音控制方法 |
CN106412111A (zh) * | 2016-11-14 | 2017-02-15 | 南京物联传感技术有限公司 | 一种基于云的全屋智能系统 |
CN106572007A (zh) * | 2016-11-10 | 2017-04-19 | 深圳拓邦股份有限公司 | 一种智能网关 |
CN106973009A (zh) * | 2017-04-05 | 2017-07-21 | 美的智慧家居科技有限公司 | 家居设备和智能家居系统 |
CN107358007A (zh) * | 2017-08-14 | 2017-11-17 | 腾讯科技(深圳)有限公司 | 控制智能家居系统的方法、装置和计算可读存储介质 |
-
2017
- 2017-11-29 CN CN201711229687.6A patent/CN108093030B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2863582A1 (en) * | 2013-10-18 | 2015-04-22 | Koninklijke KPN N.V. | Scheduling a device batch reconfiguration event in a network |
CN105068515A (zh) * | 2015-07-16 | 2015-11-18 | 华南理工大学 | 一种基于自学习算法的智能家居设备语音控制方法 |
CN106572007A (zh) * | 2016-11-10 | 2017-04-19 | 深圳拓邦股份有限公司 | 一种智能网关 |
CN106412111A (zh) * | 2016-11-14 | 2017-02-15 | 南京物联传感技术有限公司 | 一种基于云的全屋智能系统 |
CN106973009A (zh) * | 2017-04-05 | 2017-07-21 | 美的智慧家居科技有限公司 | 家居设备和智能家居系统 |
CN107358007A (zh) * | 2017-08-14 | 2017-11-17 | 腾讯科技(深圳)有限公司 | 控制智能家居系统的方法、装置和计算可读存储介质 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924910A (zh) * | 2018-07-25 | 2018-11-30 | Oppo广东移动通信有限公司 | Ai模型的更新方法及相关产品 |
CN108924910B (zh) * | 2018-07-25 | 2021-03-09 | Oppo广东移动通信有限公司 | Ai模型的更新方法及相关产品 |
CN108958205A (zh) * | 2018-08-21 | 2018-12-07 | 深圳艾迪宝智能系统有限公司 | 一种集群网络工作方法与系统 |
CN109558892A (zh) * | 2018-10-30 | 2019-04-02 | 银河水滴科技(北京)有限公司 | 一种基于神经网络的目标识别方法及系统 |
CN109711436A (zh) * | 2018-12-05 | 2019-05-03 | 量子云未来(北京)信息科技有限公司 | 一种人工智能训练模型构建方法、装置及存储介质 |
CN109799718A (zh) * | 2019-01-29 | 2019-05-24 | 特斯联(北京)科技有限公司 | 一种基于物联传感的智慧建筑控制方法和系统 |
CN113381865A (zh) * | 2020-02-25 | 2021-09-10 | 华为技术有限公司 | 一种网络运维方法、装置及系统 |
CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
CN112541569A (zh) * | 2020-11-24 | 2021-03-23 | 常州罗盘星检测科技有限公司 | 一种基于机器学习的传感器在线训练系统和方法 |
CN112394950A (zh) * | 2021-01-19 | 2021-02-23 | 共达地创新技术(深圳)有限公司 | Ai模型部署方法、设备和存储介质 |
CN113191502A (zh) * | 2021-04-21 | 2021-07-30 | 烽火通信科技股份有限公司 | 一种人工智能模型在线训练方法及系统 |
CN113691579A (zh) * | 2021-06-30 | 2021-11-23 | 山东新一代信息产业技术研究院有限公司 | 一种基于云边端的机器人ai服务方法及系统 |
WO2023044631A1 (en) * | 2021-09-22 | 2023-03-30 | Siemens Aktiengesellschaft | A device, system, method and storage medium for ai application deployment |
CN113837280A (zh) * | 2021-09-24 | 2021-12-24 | 中关村科学城城市大脑股份有限公司 | 城市大脑场景下一站式构建ai模型的方法和系统 |
CN114037113A (zh) * | 2021-09-24 | 2022-02-11 | 清华大学 | 智能水表控制方法、装置及系统、存储介质、云计算中心 |
CN114661010A (zh) * | 2022-03-17 | 2022-06-24 | 北京金波融安科技有限公司 | 一种基于人工智能的驱动侦测处理方法及云平台 |
Also Published As
Publication number | Publication date |
---|---|
CN108093030B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108093030A (zh) | 一种基于云服务器的人工智能模型部署方法 | |
CN105005204B (zh) | 可自动触发智能家居和智慧生活情景的智能引擎系统及方法 | |
CN110377278A (zh) | 一种基于人工智能与物联网的可视化编程工具系统 | |
CN102014165A (zh) | 远程农业信息智能分析系统及农业环境调控方法 | |
CN108023952A (zh) | 一种基于云雾结合的模块化物联网应用快速构建平台 | |
CN106873676A (zh) | 一种基于物联网的智慧农业数据采集方法及系统 | |
CN102307222A (zh) | 基于物联网技术的智能温室示范测控系统 | |
CN105843147A (zh) | 一种智慧农业监控管理系统 | |
CN204733413U (zh) | 一种基于深度学习的智能led灯控制装置 | |
CN114690799A (zh) | 基于信息年龄的空天地一体化无人机物联网数据采集方法 | |
Zhou et al. | Applications of Internet of Things in the facility agriculture | |
CN105005234A (zh) | 基于zigbee的智能温室环境遥测与控制系统 | |
CN104750008B (zh) | 一种ZigBee网络中的农业机器人无线遥控系统 | |
CN105450654A (zh) | 基于中间件技术的智能家居开发平台及其业务开发方法 | |
CN107463195B (zh) | 基于自定义web页面的养殖场环境远程监控系统 | |
CN113359486A (zh) | 一种基于神经网络算法调控的智能窗户系统及调节方法 | |
CN113191914A (zh) | 用于日光温室精准监测的数字孪生体构造系统 | |
CN111680927A (zh) | 一种ai人工智能训练装置及其训练方法 | |
CN206671790U (zh) | 带学习功能的智能家居管家中控系统 | |
CN104049602A (zh) | 一种多路径路由算法的保育猪舍监控系统 | |
CN115047821A (zh) | 一种生猪养殖环境智能监测系统及其评价方法 | |
CN206096919U (zh) | 一种基于物联网的智能农业监控系统 | |
Peng et al. | Smart home system based on deep learning algorithm | |
CN104375450B (zh) | 一种用于控制远程设备的自动化控制装置及其使用方法 | |
CN110471337A (zh) | 一种基于低功耗窄带网的日光温室卷帘机智能监控系统与方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 310051 Room 101, 1st Floor, Block C, No. 57, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Bolian Intelligent Technology Co., Ltd. Address before: 310051 Room 106, Building No. 1, 611 Jianghong Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Gubei Electronic Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |