CN109062094A - 模型的控制方法、装置及存储介质 - Google Patents
模型的控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109062094A CN109062094A CN201810823105.5A CN201810823105A CN109062094A CN 109062094 A CN109062094 A CN 109062094A CN 201810823105 A CN201810823105 A CN 201810823105A CN 109062094 A CN109062094 A CN 109062094A
- Authority
- CN
- China
- Prior art keywords
- model
- control
- knowledge base
- response
- message
- 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
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Abstract
本发明公开了一种模型的控制方法，包括以下步骤：在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；控制模型执行所述响应指令。本发明还公开了一种模型的控制装置以及计算机可读存储介质。本发明解决了模型与用户实现智能互动的问题，提升了用户的体验。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种模型的控制方法、装置以及计算机可读存储介质。
背景技术
目前在博物馆、科学馆、公园、会展中心和商场等场地展出的模型大多都是通过预先设计和编制好的程序，定时和周期性循环地执行指定的动作和发出预先录制的声音，无法响应游客或用户发出的语音或动作等，实现和游客或用户的智能互动。
发明内容
本发明的主要目的在于提供一种模型的控制方法、装置以及计算机可读存储介质，解决了模型与用户实现智能互动的问题，提升了用户的体验。
为实现上述目的，本发明提供一种模型的控制方法，所述模型的控制方法包括以下步骤：
在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；
在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；
控制模型执行所述响应指令。
优选地，所述控制消息包括语音消息和动作消息中的至少一个。
优选地，所述响应指令包括语音响应和动作响应中的至少一个。
优选地，所述在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令的步骤之后，还包括：
在检测到所述知识库存在与所述控制消息对应的所述响应指令时，获取所述响应指令；
控制所述模型执行所述响应指令。
优选地，所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤之后，还包括：
将所述响应指令与所述控制消息相关联，生成响应数据，并将所述响应数据添加到所述知识库中。
优选地，所述模型的控制方法还包括：
在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限；
在所述控制权限通过时，执行所述系统设置指令。
优选地，所述获取所述系统设置指令的发送端的控制权限的步骤之后，还包括：
在所述控制权限不通过时，发送控制权限错误提示信息。
优选地，所述模型的控制方法还包括：
在接收到基于所述模型的知识库更新指令时，从云服务器上获取知识库更新数据；
根据所述知识库更新数据，更新所述知识库。
优选地，所述模型的控制方法还包括：
在接收到基于所述模型的软件升级指令时，从所述云服务器上获取软件升级程序；
在接收到所述软件升级程序时，对所述模型的软件进行升级。
为实现上述目的，本发明还提供一种模型的控制装置，所述模型的控制装置包括：
所述模型的控制装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模型的控制程序，所述模型的控制程序被所述处理器执行时实现如上述模型的控制方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有模型的控制程序，所述模型的控制程序被处理器执行时实现如上述模型的控制方法的步骤。
本发明提供的模型的控制方法、装置以及计算机可读存储介质，在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；控制模型执行所述响应指令。这样，解决了模型与用户实现智能互动的问题，提升了用户的体验。
附图说明
图1为本发明实施例方案涉及的实施例终端的硬件运行环境示意图；
图2为本发明模型的控制方法第一实施例的流程示意图；
图3为本发明模型的控制方法第二实施例的流程示意图；
图4为本发明模型的控制方法第三实施例的流程示意图；
图5为本发明模型的控制方法第四实施例的流程示意图；
图6为本发明模型的控制方法第五实施例的流程示意图；
图7为本发明模型的控制方法第六实施例的流程示意图；
图8为本发明模型的控制方法第七实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种模型的控制方法，解决了模型与用户实现智能互动的问题，提升了用户的体验。
如图1所示，图1是本发明实施例方案涉及的实施例终端的硬件运行环境示意图；
本发明实施例终端可以是服务器，可以是控制中心，也可以是智能控制器，其中，所述智能控制器与网络连接。
如图1所示，该终端可以包括：处理器1001，例如CPU，存储器1002，通信总线1003，语音识别模块1004，动作识别模块1005。其中，通信总线1003用于实现该终端中各组成部件之间的连接通信；语音识别模块1004具有麦克风阵列，能捕捉识别语音消息；动作识别模块1005可以识别动作感应器检测范围内的动作消息。存储器1002可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端的结构并不构成对本发明实施例终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1002中可以包括模型的控制程序。
在图1所示的服务器中，处理器1001可以用于调用存储器1002中存储的模型的控制程序，并执行以下操作：
在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；
在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；
控制模型执行所述响应指令。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
所述控制消息包括语音消息和动作消息中的至少一个。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
所述响应指令包括语音响应和动作响应中的至少一个。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
在检测到所述知识库存在与所述控制消息对应的所述响应指令时，获取所述响应指令；
控制所述模型执行所述响应指令。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
将所述响应指令与所述控制消息相关联，生成响应数据，并将所述响应数据添加到所述知识库中。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限；
在所述控制权限通过时，执行所述系统设置指令。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
在所述控制权限不通过时，发送控制权限错误提示信息。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
在接收到基于所述模型的知识库更新指令时，从云服务器上获取知识库更新数据；
根据所述知识库更新数据，更新所述知识库。
进一步地，处理器1001可以调用存储器1002中存储的模型的控制程序，还执行以下操作：
在接收到基于所述模型的软件升级指令时，从所述云服务器上获取软件升级程序；
在接收到所述软件升级程序时，对所述模型的软件进行升级。
参照图2，在一实施例中，所述模型的控制方法包括：
步骤S10、在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；
本实施例中，所述模型是指物理模型类别中的实物模型，根据相似性理论制造的按原系统比例缩小或放大，或者与原系统比例一样的实物。根据应用场景的不同，所述模型可以是不同的形态，例如，可以是在博物馆展览中的霸王龙模型。当然，所述模型也可以是玩具。
在终端接收到控制消息时，解析控制消息，该控制消息包括语音消息和动作消息中的至少一个。需要说明的是，该语音消息和动作消息均可由用户发出的。具体地，在终端接收到控制消息时，解析所述控制消息的步骤包括：在用户发出语音消息时，终端通过将声音输入器接收到语音消息进行语音识别，在识别出语音消息后，再进行语义分析；在用户发出动作消息时，终端通过将动作感应器接收到动作消息进行动作识别，在识别出动作消息后，再进行动作分析。需要说明的是，用户发出动作消息的步骤，可以是用户在动作感应器识别范围内作出了一个具体的动作，比如用户作出了一个手势动作。
需要说明的是，所述模型内置自然语言识别引擎，能够识别多种语言，包括普通话、英语、粤语等。
在解析接收到的控制消息之后，检测知识库是否存在与该控制消息对应的响应指令，其中，所述知识库根据知识图谱技术构建，结合了数据检索、数据匹配、数据推理分析等功能。需要说明的是，所述响应指令包括语音响应和动作响应中的至少一个。
步骤S20、在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；
本实施例中，检测到所述知识库不存在与所述控制消息对应的所述响应指令，即终端通过调用知识库数据及知识库的功能，依然无法得到与控制消息对应的响应指令时，根据接收到控制消息结合知识库，通过调用深度学习系统，利用深度学习技术，即根据决策树模型和神经网络进行深度学习，其中，所述神经网络可以是采用监督学习方式和无监督学习方式相结合的半监督学习方式。需要说明的是，所述深度学习系统可以是内置在所述模型中的，也可以是具有深度学习系统的服务器，其中，在所述深度学习系统为服务器时，所述模型可以通过网络连接所述服务器，调用所述服务器的深度学习功能。
经过深度学习之后，产生与控制消息对应的响应指令。比如，当用户向霸王龙模型发出“你吃草吗？”语音消息时，在检测到知识库没有与该语音消息对应的响应指令时，而知识库存在着“霸王龙属于肉食性动物”的数据时，根据该语音消息结合知识库进行深度学习，生成“我不吃草，我只吃肉。”语音响应，同时还可以生成进食动作的动作响应。需要说明的是，不同外形特征的模型可以具有不同的知识库，比如，狗玩具的知识库可以是以狗的特征构建的。
所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤包括：在所述控制消息包括语音消息和动作消息时，根据所述语音消息和所述知识库进行深度学习，并生成所述响应指令。
所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤包括：在所述控制消息包括语音消息和动作消息时，根据所述动作消息和所述知识库进行深度学习，并生成所述响应指令。
所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤包括：在所述控制消息包括语音消息和动作消息时，提取所述语音消息和所述动作消息的共同特征值，根据所述共同特征值和所述知识库进行深度学习，并生成所述响应指令。
所述共同特征值为解析所述语音消息和所述动作消息得到的共同关键词。例如，语音消息中有关键词“跳舞”，动作消息的动作分析中也包含关键词“跳舞”，所以所述语音消息和所述动作消息的共同特征值即为“跳舞”。
步骤S30、控制模型执行所述响应指令。
本实施例中，在检测到知识库不存在与控制消息对应的响应指令时，根据控制消息和知识库进行深度学习，并生成响应指令的步骤之后，终端输出该响应指令。具体地，通过发声器和动作控制器实现控制所述模型执行响应指令。需要说明的是，对于大型模型，可以采用电动或者压缩气压等驱动方式，驱动大型模型完成肢体动作；对于小型模型或者玩具，可以是采用电驱动方式完成肢体动作。
在第一实施例中，在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；控制模型执行所述响应指令。这样，解决了模型与用户实现智能互动的问题，提升了用户的体验。
在第二实施例中，如图3所示，在上述图2所示的实施例基础上，所述在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令的步骤之后，还包括：
步骤S21、在检测到所述知识库存在与所述控制消息对应的所述响应指令时，获取所述响应指令；
步骤S22、控制所述模型执行所述响应指令。
本实施例中，在检测到知识库存在与控制消息对应的响应指令时，在获取所述响应指令后，终端输出该响应指令。具体地，通过发声器和动作控制器实现控制所述模型执行响应指令。需要说明的是，所述控制消息包括语音消息和动作消息中的至少一个；所述响应指令包括语音响应和动作响应中的至少一个。
比如，当用户向霸王龙模型发出“你叫什么名字啊？”语音消息时，在检测到知识库存在与该语音消息对应的“我叫霸王龙。”语音响应时，控制模型通过发声器发出“我叫霸王龙。”语音响应。需要说明的是，不同外形特征的模型可以具有不同的知识库，比如，狗玩具的知识库可以是以狗的特征构建的。
又比如，当用户在模型范围内跳舞时，终端通过动作感应器接收用户跳舞的动作消息，在经过动作分析后，分析该动作消息为跳舞动作，在检测到知识库存在与跳舞动作对应的跳舞的动作响应时，通过动作控制器，控制所述模型执行跳舞的动作响应。这样，实现了模型与用户跳舞的互动。
在第二实施例中，在检测到所述知识库存在与所述控制消息对应的所述响应指令时，获取所述响应指令；控制所述模型执行所述响应指令。这样，解决了模型与用户实现智能互动的问题，提升了用户的体验。
在第三实施例中，如图4所示，在上述图2至图3的实施例基础上，所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤之后，还包括：
步骤S31、将所述响应指令与所述控制消息相关联，生成响应数据，并将所述响应数据添加到所述知识库中。
本实施例中，经过深度学习，产生与控制消息对应的响应指令之后，将将响应指令与控制消息相关联，生成响应数据。通过将该响应数据添加到知识库中，实现了知识库的更新。
比如，当用户向霸王龙模型发出“你吃草吗？”语音消息时，在检测到知识库没有与该语音消息对应的响应指令时，根据该语音消息结合知识库进行深度学习，生成“我不吃草，我只吃肉。”语音响应后，将该语音响应和该语音消息相关联，生成响应数据，并将该响应数据添加到知识库中。
在第三实施例中，将所述响应指令与所述控制消息相关联，生成响应数据，并将所述响应数据添加到所述知识库中。这样，通过将深度学习后产生的响应指令生成响应数据添加到知识库中，以更新知识库，实现了知识库的优化训练。
在第四实施例中，如图5所示，在上述图2至图4的实施例基础上，所述模型的控制方法还包括：
步骤S40、在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限；
步骤S41、在所述控制权限通过时，执行所述系统设置指令。
本实施例中，在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限，其中，所述系统设置指令的发送端可以是通过所述模型的遥控器发送所述系统设置指令，也可以是通过智能手机、平板等移动端发送所述系统设置指令。
所述获取所述系统设置指令的发送端的控制权限的步骤包括：获取所述发送端输入的系统管理员对应的账号和密码。在获取所述系统设置指令的发送端的控制权限之后，判断所述发送端的控制权限是否通过。在所述控制权限通过时，执行所述系统设置指令。
在第四实施例中，在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限；在所述控制权限通过时，执行所述系统设置指令。这样，通过验证系统设置指令的发送端的控制权限，有效降低了本实施例终端被非法入侵的风险。
在第五实施例中，如图6所示，在上述图2至图5的实施例基础上，所述获取所述系统设置指令的发送端的控制权限的步骤之后，还包括：
步骤S42、在所述控制权限不通过时，发送控制权限错误提示信息。
本实施例中，获取所述系统设置指令的发送端的控制权限之后，验证所述控制权限，在所述控制权限不通过时，向所述发送端发送控制权限错误提示信息。
在第五实施例中，在所述控制权限不通过时，发送控制权限错误提示信息。这样，实现了对利用所述发送端发送系统设置指令的用户的提示。
在第六实施例中，如图7所示，在上述图2至图6的实施例基础上，所述模型的控制方法还包括：
步骤S50、在接收到基于所述模型的知识库更新指令时，从云服务器上获取知识库更新数据；
步骤S51、根据所述知识库更新数据，更新所述知识库。
本实施例中，所述知识库更新指令可以是云服务器发出的，也可以是在终端检测到云服务器有所述模型对应的知识库的知识库更新数据时，向管理员发出知识库更新提示之后，由管理员发出的。在从云服务器获取到所述知识库更新数据之后，将所述知识库更新数据添加到所述知识库中。
在第六实施例中，在接收到基于所述模型的知识库更新指令时，从云服务器上获取知识库更新数据；根据所述知识库更新数据，更新所述知识库。这样，在无需拆机的情况下，即实现了对所述模型对应的知识库的更新。
在第七实施例中，如图8所示，在上述图2至图3的实施例基础上，所述模型的控制方法还包括：
步骤S60、在接收到基于所述模型的软件升级指令时，从所述云服务器上获取软件升级程序；
步骤S61、在接收到所述软件升级程序时，对所述模型的软件进行升级。
本实施例中，所述软件升级指令可以是云服务器发出的，也可以是在终端检测到云服务器有所述模型对应的知识库的软件升级程序时，向管理员发出软件升级提示之后，由管理员发出的。在从云服务器获取到所述软件升级程序之后，对所述模型的软件进行升级。
在第七实施例中，在接收到基于所述模型的软件升级指令时，从所述云服务器上获取软件升级程序；在接收到所述软件升级程序时，对所述模型的软件进行升级。这样，在无需拆机的情况下，实现了对所述模型的软件进行升级。
此外，本发明还提出一种模型的控制装置，所述模型的控制装置包括存储器、处理器及存储在存储器上并可在处理器上运行的模型的控制程序，所述处理器执行所述模型的控制程序时实现如以上实施例所述的模型的控制方法的步骤。
此外，本发明还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括模型的控制程序，所述模型的控制程序被处理器执行时实现如以上实施例所述的模型的控制方法的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是电视机，手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种模型的控制方法，其特征在于，所述模型的控制方法包括以下步骤：
在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令；
在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令；
控制模型执行所述响应指令。
2.如权利要求1所述的模型的控制方法，其特征在于，所述控制消息包括语音消息和动作消息中的至少一个。
3.如权利要求1所述的模型的控制方法，其特征在于，所述响应指令包括语音响应和动作响应中的至少一个。
4.如权利要求1所述的模型的控制方法，其特征在于，所述在接收到控制消息时，解析所述控制消息，并检测知识库是否存在与所述控制消息对应的响应指令的步骤之后，还包括：
在检测到所述知识库存在与所述控制消息对应的所述响应指令时，获取所述响应指令；
控制所述模型执行所述响应指令。
5.如权利要求1所述的模型的控制方法，其特征在于，所述在检测到所述知识库不存在与所述控制消息对应的所述响应指令时，根据所述控制消息和所述知识库进行深度学习，并生成所述响应指令的步骤之后，还包括：
将所述响应指令与所述控制消息相关联，生成响应数据，并将所述响应数据添加到所述知识库中。
6.如权利要求1所述的模型的控制方法，其特征在于，所述模型的控制方法还包括：
在接收到基于所述模型的系统设置指令时，获取所述系统设置指令的发送端的控制权限；
在所述控制权限通过时，执行所述系统设置指令。
7.如权利要求6所述的模型的控制方法，其特征在于，所述获取所述系统设置指令的发送端的控制权限的步骤之后，还包括：
在所述控制权限不通过时，发送控制权限错误提示信息。
8.如权利要求1所述的模型的控制方法，其特征在于，所述模型的控制方法还包括：
在接收到基于所述模型的知识库更新指令时，从云服务器上获取知识库更新数据；
根据所述知识库更新数据，更新所述知识库。
9.如权利要求8所述的模型的控制方法，其特征在于，所述模型的控制方法还包括：
在接收到基于所述模型的软件升级指令时，从所述云服务器上获取软件升级程序；
在接收到所述软件升级程序时，对所述模型的软件进行升级。
10.一种模型的控制装置，其特征在于，所述模型的控制装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模型的控制程序，所述模型的控制程序被所述处理器执行时实现如权利要求1至9中任一项所述的模型的控制方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有模型的控制程序，所述模型的控制程序被处理器执行时实现如权利要求1至9中任一项所述的模型的控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810823105.5A CN109062094B (zh) | 2018-07-24 | 2018-07-24 | 模型的控制方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810823105.5A CN109062094B (zh) | 2018-07-24 | 2018-07-24 | 模型的控制方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109062094A true CN109062094A (zh) | 2018-12-21 |
| CN109062094B CN109062094B (zh) | 2021-08-06 |
Family
ID=64835433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810823105.5A Active CN109062094B (zh) | 2018-07-24 | 2018-07-24 | 模型的控制方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109062094B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110675876A (zh) * | 2019-10-17 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种语义识别智能控制方法、智能控制器、系统及存储介质 |
| CN117492359A (zh) * | 2024-01-02 | 2024-02-02 | 济南大学 | 一种自适应pid控制器的参数优化方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150200902A1 (en) * | 2014-01-10 | 2015-07-16 | Ebay Inc. | Methods and systems to process a social networking message |
| CN105049231A (zh) * | 2015-06-19 | 2015-11-11 | 中国人民解放军信息工程大学 | 一种分层跨域的网络管理控制系统 |
| CN106570100A (zh) * | 2016-10-31 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 信息搜索方法和装置 |
| CN107291828A (zh) * | 2017-05-27 | 2017-10-24 | 北京百度网讯科技有限公司 | 基于人工智能的口语查询解析方法、装置及存储介质 |
| CN108074571A (zh) * | 2017-12-27 | 2018-05-25 | 深圳市亿道信息股份有限公司 | 增强现实设备的语音控制方法、系统及存储介质 |
| CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
-
2018
- 2018-07-24 CN CN201810823105.5A patent/CN109062094B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150200902A1 (en) * | 2014-01-10 | 2015-07-16 | Ebay Inc. | Methods and systems to process a social networking message |
| CN105049231A (zh) * | 2015-06-19 | 2015-11-11 | 中国人民解放军信息工程大学 | 一种分层跨域的网络管理控制系统 |
| CN106570100A (zh) * | 2016-10-31 | 2017-04-19 | 腾讯科技（深圳）有限公司 | 信息搜索方法和装置 |
| CN107291828A (zh) * | 2017-05-27 | 2017-10-24 | 北京百度网讯科技有限公司 | 基于人工智能的口语查询解析方法、装置及存储介质 |
| CN108074571A (zh) * | 2017-12-27 | 2018-05-25 | 深圳市亿道信息股份有限公司 | 增强现实设备的语音控制方法、系统及存储介质 |
| CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110675876A (zh) * | 2019-10-17 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种语义识别智能控制方法、智能控制器、系统及存储介质 |
| CN117492359A (zh) * | 2024-01-02 | 2024-02-02 | 济南大学 | 一种自适应pid控制器的参数优化方法 |
| CN117492359B (zh) * | 2024-01-02 | 2024-03-22 | 济南大学 | 一种自适应pid控制器的参数优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109062094B (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10929759B2 (en) | Intelligent robot software platform | |
| CN109618202B (zh) | 控制外设的方法、电视及可读存储介质 | |
| US20190197402A1 (en) | Adding deep learning based ai control | |
| CN106560892B (zh) | 智能机器人及其云端交互方法、云端交互系统 | |
| CN111049996B (zh) | 多场景语音识别方法及装置、和应用其的智能客服系统 | |
| CN109710748B (zh) | 一种面向智能机器人的绘本阅读交互方法和系统 | |
| US20180314942A1 (en) | Scalable framework for autonomous artificial intelligence characters | |
| WO2014086238A1 (zh) | 语音后台控制方法及移动终端 | |
| CN110047481A (zh) | 用于语音识别的方法和装置 | |
| CN111933108A (zh) | 一种智能网联终端智能语音交互系统自动化测试方法 | |
| CN106790598A (zh) | 功能配置方法和系统 | |
| CN107733762B (zh) | 一种智能家居的语音控制方法及装置、系统 | |
| CN106373566A (zh) | 数据传输控制方法及装置 | |
| CN109062094A (zh) | 模型的控制方法、装置及存储介质 | |
| CN111179915A (zh) | 基于语音的年龄识别方法及装置 | |
| CN111191590A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| KR20210033809A (ko) | 인공 신경망을 이용하여 로봇을 제어하는 제어 서버 및 방법와, 이를 구현하는 로봇 | |
| CN110109365A (zh) | 音箱控制方法、装置及计算机可读存储介质 | |
| CN110232924A (zh) | 车载语音管理方法、装置、车辆及存储介质 | |
| CN109215640A (zh) | 语音识别方法、智能终端及计算机可读存储介质 | |
| CN113168552A (zh) | 人工智能应用开发系统、计算机设备及存储介质 | |
| WO2019196378A1 (zh) | 应用程序的内容推送方法、内容推送系统及智能终端 | |
| CN109740302B (zh) | 一种神经网络的仿真方法和装置 | |
| CN111933135A (zh) | 终端控制方法、装置、智能终端及计算机可读存储介质 | |
| WO2019228140A1 (zh) | 指令执行方法、装置、存储介质及电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |