CN109491253B - 一种在线学习型个性化智能家居系统及其控制方法 - Google Patents
一种在线学习型个性化智能家居系统及其控制方法 Download PDFInfo
- Publication number
- CN109491253B CN109491253B CN201710811097.8A CN201710811097A CN109491253B CN 109491253 B CN109491253 B CN 109491253B CN 201710811097 A CN201710811097 A CN 201710811097A CN 109491253 B CN109491253 B CN 109491253B
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent
- neural network
- user
- home
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 32
- 238000010801 machine learning Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 230000007423 decrease Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Telephonic Communication Services (AREA)
- Air Conditioning Control Device (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种在线学习型个性化智能家居系统及其控制方法,用以实现让智能家居系统能够学习用户习惯,从而在线个性化营造出更贴近与用户习惯的家居环境,本发明采用如下的技术方案实现,通过部署在家居环境中的各类具有WIFI通信模块的数据采集节点将家居环境中的温度、湿度、光照强度实时数据上传到在线学习型个性化智能家居系统数据库中,以及记录用户手动调节的温度、湿度、光照强度数据保存到在线学习型个性化智能家居系统数据库中,提出机器学习和智能家居相结合,通过在机器学习系统中引入径向基函数神经网络不断的学习数据库中用户数据,从而让智能家居系统自己做出预测调节空调、LED灯、加湿器、窗帘智能家居,使其展现出比传统智能家居更高的智能性和便利性。
Description
技术领域
本发明涉及智能家居领域,是一种在线学习型个性化智能家居系统及其控制方法。
背景技术
随着人们对生活质量的要求越来越高,传统的智能家居系统主要是靠人去触发,以及一些场景设置等控制,是一种低智能化的智能家居系统已经不能满足人们的需求了。
智能家居系统作为一种智能化的系统应该具有“大脑”去学习用户数据,让智能家居系统自己去调节家居中的各种智能设备,从而营造一种符合用户习惯的家居生活环境。
随着人工智能的不断发展,以机器学习为代表的算法逐步应用于实践,将机器学习和智能家居相结合,通过在机器学习系统中引入径向基函数神经网络,对智能家居系统中的用户数据进行处理学习,让智能家居系统表现出比传统智能家居系统更高的智能化,让人不参与智能家居系统的控制,从而使人从整个智能家居系统中“解放”出来,让智能家居系统独立运行。
发明内容
本发明目的在于提供一种在线学习型个性化智能家居系统及其控制方法,使智能家居系统能够智能化的控制智能家居设备。
本发明为了实现上述目的,公开了一种在线学习型个性化智能家居系统,所述在线学习型个性化智能家居系统包括:具有WIFI通信模块的温度采集节点,具有WIFI通信模块的湿度采集节点,具有WIFI通信模块的光照采集节点,具有WIFI通信模块的各个智能家居设备,智能家居服务器,所述智能家居服务器、智能家居设备、数据采集节点通过WIFI连接在一起共同组成了一种在线学习型个性化智能家居系统。
所述数据采集节点包括具有WIFI通信模块的温度采集节点(001),具有WIFI通信模块的湿度采集节点(002),具有WIFI通信模块的光照采集节点(003),各数据采集节点通过WIFI网络将采集到的温度、湿度、光照强度实时数据上传至智能家居服务器后台数据库中。
所述智能家居服务器接受数据采集节点上传的家居环境数据并将其存入数据库中,同时接受用户通过手机APP发送来的数据指令并将其转发给智能家居设备。
所述智能家居设备用于接受由智能家居服务器发送来的数据指令,调整自身参数,从而改变家居环境参数。
所述家居环境参数包括:温度、湿度、光照强度,其中温度对应的智能家居设备为空调(004),湿度对应的智能家居设备为加湿器(005),光照强度对应的智能家居设备为窗帘(006)和LED灯(007)。
用户使用手机连接WIFI连入在线学习型个性化智能家居系统中,可以通过手机APP监测到当前温度、湿度、光照强度家居环境数据。
用户在手机APP界面可以选择手动调节和智能模式,如果当前用户选择手动调节,直接将用户设置的家居环境数据发送给智能家居服务器,智能家居服务器将数据在转发给相应的智能家居设备,智能家居设备根据接受到的数据做出相应的参数调节,如果当前用户选择智能模式,此时在线学习型个性化智能家居系统进入智能模式状态,机器学习系统调用后台数据库,以当前用户按下智能模式前6个小时内,以5分钟为间隔,共72条数据采集节点上传的家居环境数据以及相对应时间间隔内72条用户调节的习惯数据分别作为输入样本和目标输出,对机器学习系统中的径向基函数神经网络进行训练,训练完毕后,机器学习系统调用当前时间上传的家居环境数据实时数据作为径向基函数神经网络的输入,径向基函数神经网络的输出作为预测数据,通过智能家居服务器将预测数据发送给智能空调、智能LED灯、智能窗帘、智能加湿器,各个智能家居设备接受到预测数据后做出相应参数调节,从而改变环境参数。此时上传的家居环境数据和径向基函数神经网络输出的预测数据又成为新的家居环境实时数据和用户习惯数据记录到数据库中,成为下一时刻径向基函数神经网络训练的输入样本和目标输出。
为达到上述目的,本发明还提供了一种在线学习型个性化智能家居系统的控制方法,应用于智能家居系统中,有效提高了智能家居系统的智能化。
用户如果在手机APP界面选择手动调节,直接将用户设置的家居环境数据发送给智能家居服务器,智能家居服务器将数据在转发给相应的智能家居设备,从而使智能家居设备做出相应的参数调节。
用户如果在手机APP界面选择智能模式,机器学习系统将调用数据库中最新的用户数据对径向基函数神经网络进行训练,训练完毕后,将当前采集到的温度、湿度、光照强度数据作为输入,神经网络的输出作为预测输出,通过智能家居服务器转发给相应的智能家居设备。
径向基函数神经网络学习训练过程中采用可变学习速率,前期的学习速率比较大,而后学习速率随着迭代次数增加而线性减小,即以当前时间为原点,对越接近原点的用户数据的学习其学习速率越大,对越远离原点的用户数据的学习其学习速率越小,充分考虑到不同时间点的用户数据对神经网络权重改变具有不同的影响,时间越近的用户数据的学习对神经网络权重的改变就越大,时间越远的用户数据的学习对神经网络权重的改变就越小。
对机器学习系统中的径向基函数神经网络进行训练的样本和目标输出,都是最新6个小时内的用户数据,这样即使用户发生更换以及用户习惯发生变化,在线学习型个性化智能家居系统都能做出有效调整,从而在线个性化营造出符合用户习惯的家居环境。
用户选择智能模式后,对机器学习系统中的径向基函数神经网络进行实时不断的训练,每隔5分钟并以当前时间点前6个小时内的用户数据对径向基函数神经网络重新训练,通过在线不断的学习,有效的提高预测的准确性。
本发明专利与最新申请公布号为CN106444690A的发明专利相比较,其区别在于,最新申请公布号为CN106444690A的发明专利通过用户设定家居环境数据的方式去控制智能家居设备,而本发明专利是让智能家居系统独立运行,通过在机器学习系统中引入径向基函数神经网络对用户数据进行学习从而使整个智能家居系统实现真正的智能化调节,在线个性化营造出符合用户习惯的家居环境,机器学习系统中的径向基函数神经网络通过在线不断的学习用户最新的数据,即使用户发生更换以及用户习惯发生变化,在线学习型个性化智能家居系统都能做出有效调整,同时对于整个智能家居系统而言所增加的成本也比较低以及耗费的时间也比较少。
附图说明
图1是本发明系统框架示意图。
图2是本发明手机APP界面控制示意图。
图3是本发明系统流程控制图。
图4是本发明径向基函数神经网络示意图。
具体实施方式
本发明的核心思想:将智能家居系统与机器学习相结合,通过在机器学习系统中引入径向基函数神经网络学习数据库中不断更新的用户数据,使径向基函数神经网络掌握用户习惯,不需要人为的调节控制,而是使智能家居系统自己调节控制,在线个性化营造出符合特定用户习惯的家居生活环境,结合附图及具体实施过程对本发明进行详细描述。
结合图1,采用具有WIFI通信模块的温度采集节点(001),将家居环境的温度信息上传至智能家居服务器后台的数据库中,这样具有WIFI通信模块的温度采集节点就通过WIFI连入到了在线学习型个性化智能家居系统中不断的定时上传家居环境的温度信息。采用具有WIFI通信模块的湿度采集节点(002),将家居环境的湿度信息上传至智能家居服务器后台的数据库中,这样具有WIFI通信模块的湿度采集节点就通过WIFI连入到了在线学习型个性化智能家居系统中不断的定时上传家居环境的湿度信息。采用具有WIFI通信模块的光照采集节点(003),将家居环境的光照强度信息上传至智能家居服务器后台的数据库中,这样具有WIFI通信模块的光照采集节点就通过WIFI连入到了在线学习型个性化智能家居系统中不断的定时上传家居环境的光照强度信息。
结合图2,用户使用智能手机连接WIFI接入在线学习型个性化智能家居系统中,通过手机APP可以查看当前智能家居环境数据,用户可以通过手动调节和选择智能模式对智能家居设备进行控制。
结合图2和图3,用户如果在手机APP界面手动调节按下升温或降温按钮调节空调(004)达到升温或降温目的,通过手动调节按下加湿或减湿按钮调节加湿器(005)达到加湿或减湿目的,通过手动调节按下补光和减光按钮调节LED灯(006)和窗帘(007)达到加光或减光目的。
结合图3和图4,用户如果在手机APP界面选择智能模式时,此时在线学习型个性化智能家居系统进入智能模式状态,机器学习系统调用后台数据库,以当前用户按下智能模式前6个小时内的以5分钟为间隔的共72条数据采集节点上传的家居环境数据以及相对应时间间隔内72条用户调节的习惯数据分别作为输入样本和目标输出,即径向基函数神经网络输入为72条(温度,湿度,光照强度)三维家居环境数据样本,目标输出是相对应时间内72条(温度,湿度,光照强度)三维用户调节的习惯数据样本,对机器学习系统中的径向基函数神经网络进行训练,训练完毕后,机器学习系统调用当前时间上传的家居环境数据实时数据作为径向基函数神经网络的输入,径向基函数神经网络的输出作为预测数据,通过智能家居服务器将预测数据发送给智能空调、智能LED灯、智能窗帘、智能加湿器,而且此时上传的家居环境数据和径向基函数神经网络输出的预测数据又成为新的家居环境实时数据和用户习惯数据记录到数据库中,成为下一时刻径向基函数神经网络训练的输入样本和目标输出,同时对机器学习系统中的径向基函数神经网络进行实时不断的训练,通过在线不断的学习提高预测的准确性。
径向基函数神经网络学习训练过程中采用可变学习速率,前期学习速率比较大,而后学习速率随着迭代次数增加而线性减小,即以当前时间为原点,对越接近原点的用户数据的学习其学习速率越大,对越远离原点的用户数据的学习其学习速率越小,充分考虑到不同时间点的用户数据对神经网络权重改变具有不同的影响,时间越近的用户数据的学习对神经网络权重的改变就越大,时间越远的用户数据的学习对神经网络权重的改变就越小。
综合上述描述,本发明一种在线学习型个性化智能家居系统及其控制方法,用户不仅能够通过手机APP监控智能家居设备运行,还能手动调节设备和触发智能模式,通过机器学习系统引入径向基函数神经网络学习用户数据,从而使智能家居系统自我调节出符合当前用户习惯的家居生活环境,由于机器学习系统中径向基函数神经网络不断的学习最新的用户数据,即使用户发生更换以及用户习惯发生变化,在线学习型个性化智能家居系统都能做出有效调整,从而在线个性化营造出符合用户习惯的家居环境。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种在线学习型个性化智能家居系统的控制方法,其特征在于,用户在手机APP界面可以选择手动调节和智能模式,当用户选择手动调节,直接将用户设置的家居环境数据发送给智能家居服务器,智能家居服务器将数据在转发给相应的智能家居设备,智能家居设备接受到数据后做出相应参数调整,从而改变环境参数,当用户选择智能模式,此时在线学习型个性化智能家居系统进入智能模式状态,机器学习系统调用后台数据库,以当前用户按下智能模式时间点前6个小时内的用户数据,以5分钟为间隔,共72条数据采集节点上传的家居环境数据以及相对应时间间隔内72条用户调节的习惯数据分别作为输入样本和目标输出,对机器学习系统中的径向基函数神经网络进行训练,训练完毕后,机器学习系统调用当前时间上传的家居环境数据实时数据作为径向基函数神经网络的输入,径向基函数神经网络的输出作为预测数据,通过智能家居服务器将预测数据发送给智能空调、智能LED灯、智能窗帘、智能加湿器,各个智能家居设备接受到预测数据后做出相应参数调节,从而改变环境参数,此时上传的家居环境数据和径向基函数神经网络输出的预测数据又成为新的家居环境实时数据和用户习惯数据记录到数据库中,成为下一时刻径向基函数神经网络训练的输入样本和目标输出;用户选择智能模式后,对机器学习系统中的径向基函数神经网络进行实时不断的训练,每隔5分钟并以当前时间点前6个小时内的用户数据对径向基函数神经网络重新训练,通过在线不断的学习,有效的提高预测的准确性。
2.根据权利要求1所述的控制方法,其特征在于,径向基函数神经网络学习训练过程中采用可变学习速率,前期的学习速率比较大,而后学习速率随着迭代次数增加而线性减小,即以当前时间为原点,对越接近原点的用户数据的学习其学习速率越大,对越远离原点的用户数据的学习其学习速率越小,充分考虑到不同时间点的用户数据对神经网络权重改变具有不同的影响,时间越近的用户数据的学习对神经网络权重的改变就越大,时间越远的用户数据的学习对神经网络权重的改变就越小。
3.根据权利要求2所述的控制方法,其特征在于,对机器学习系统中的径向基函数神经网络进行训练的样本和目标输出样本,都是最新6个小时内的用户数据。
4.一种在线学习型个性化智能家居系统,其特征在于,所述智能家居系统用于运行如权利要求1-3任一所述的控制方法,所述系统具有WIFI通信模块的温度采集节点(001),具有WIFI通信模块的湿度采集节点(002),具有WIFI通信模块的光照采集节点(003),智能空调(004),智能加湿器(005),智能窗帘(006),智能LED灯(007),智能家居服务器,通过WIFI连接在一起共同组成了在线学习型个性化智能家居系统,各数据采集节点通过WIFI网络将采集到的温度、湿度、光照强度实时数据上传至智能家居服务器后台数据库中,智能家居服务器接受各数据采集节点上传的家居环境数据并将其存入数据库中,同时接受用户通过手机APP发送来的数据指令并将其转发给各智能家居设备,各智能家居设备接受由智能家居服务器发送来的数据指令,调整自身参数,从而改变家居环境参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811097.8A CN109491253B (zh) | 2017-09-11 | 2017-09-11 | 一种在线学习型个性化智能家居系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811097.8A CN109491253B (zh) | 2017-09-11 | 2017-09-11 | 一种在线学习型个性化智能家居系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109491253A CN109491253A (zh) | 2019-03-19 |
CN109491253B true CN109491253B (zh) | 2021-12-21 |
Family
ID=65687480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710811097.8A Active CN109491253B (zh) | 2017-09-11 | 2017-09-11 | 一种在线学习型个性化智能家居系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109491253B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456647B (zh) * | 2019-07-02 | 2020-11-27 | 珠海格力电器股份有限公司 | 一种智能家居控制方法及智能家居控制装置 |
CN110517648A (zh) * | 2019-09-05 | 2019-11-29 | 四川长虹电器股份有限公司 | 显示装置的调光方法及系统 |
CN110687808A (zh) * | 2019-10-14 | 2020-01-14 | 苏州数言信息技术有限公司 | 基于物联网和机器学习的室内智慧节能系统 |
CN111007731A (zh) * | 2019-11-11 | 2020-04-14 | 珠海格力电器股份有限公司 | 用户操作预测方法、装置、电子设备及可读存储介质 |
CN113377018A (zh) * | 2020-03-09 | 2021-09-10 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
CN111797980A (zh) * | 2020-07-20 | 2020-10-20 | 房健 | 一种个性化地暖使用习惯的自适应学习方法 |
CN113639861A (zh) * | 2021-07-30 | 2021-11-12 | 上海探寻信息技术有限公司 | 一种光感检测方法及可穿戴设备 |
CN113341759A (zh) * | 2021-08-09 | 2021-09-03 | 临沂星源电子衡器有限公司 | 一种基于5g通信设备的智能家居系统 |
CN115905688B (zh) * | 2022-11-08 | 2023-07-28 | 南京鼎山信息科技有限公司 | 一种基于人工智能和智能家居的参考信息生成方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010049928A1 (en) * | 2008-10-27 | 2010-05-06 | Kaminario Tehnologies Ltd. | System and methods for raid writing and asynchronous parity computation |
CN103389719A (zh) * | 2013-08-02 | 2013-11-13 | 临沂市拓普网络股份有限公司 | 基于云计算的智能家居监控系统及方法 |
CN103744411A (zh) * | 2014-02-07 | 2014-04-23 | 上海金牌软件开发有限公司 | 一种有关ZigBee技术实现智能家居的控制方法 |
CN104133427A (zh) * | 2013-05-03 | 2014-11-05 | 于庆广 | 智能家居控制方法及其系统 |
CN104597761A (zh) * | 2014-12-31 | 2015-05-06 | 珠海格力电器股份有限公司 | 智能家用设备的控制方法及装置 |
CN105021221A (zh) * | 2015-07-10 | 2015-11-04 | 安徽师范大学 | 一种分布式多终端同期数据采集分析系统 |
CN105259778A (zh) * | 2015-11-23 | 2016-01-20 | 王丽华 | 一种基于机器学习的智能家居控制系统 |
CN105353727A (zh) * | 2014-08-19 | 2016-02-24 | 深圳市科瑞电子有限公司 | 一种智慧家庭中央分析处理方法及服务器 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN106502121A (zh) * | 2017-01-12 | 2017-03-15 | 深圳万发创新进出口贸易有限公司 | 一种智能家居控制系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242988B1 (en) * | 1991-12-23 | 2007-07-10 | Linda Irene Hoffberg | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
CN102254226A (zh) * | 2011-06-15 | 2011-11-23 | 河海大学 | 基于bp神经网络的人类活动在智能家居环境中的辨识方法 |
CN104636801B (zh) * | 2013-11-08 | 2018-03-16 | 国家电网公司 | 一种基于优化bp神经网络的预测输电线路可听噪声方法 |
CN105068515B (zh) * | 2015-07-16 | 2017-08-25 | 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 |
CN104965503A (zh) * | 2015-07-17 | 2015-10-07 | 江西洪都航空工业集团有限责任公司 | 一种基于机器学习的智能家居控制系统 |
-
2017
- 2017-09-11 CN CN201710811097.8A patent/CN109491253B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010049928A1 (en) * | 2008-10-27 | 2010-05-06 | Kaminario Tehnologies Ltd. | System and methods for raid writing and asynchronous parity computation |
CN104133427A (zh) * | 2013-05-03 | 2014-11-05 | 于庆广 | 智能家居控制方法及其系统 |
CN103389719A (zh) * | 2013-08-02 | 2013-11-13 | 临沂市拓普网络股份有限公司 | 基于云计算的智能家居监控系统及方法 |
CN103744411A (zh) * | 2014-02-07 | 2014-04-23 | 上海金牌软件开发有限公司 | 一种有关ZigBee技术实现智能家居的控制方法 |
CN105353727A (zh) * | 2014-08-19 | 2016-02-24 | 深圳市科瑞电子有限公司 | 一种智慧家庭中央分析处理方法及服务器 |
CN104597761A (zh) * | 2014-12-31 | 2015-05-06 | 珠海格力电器股份有限公司 | 智能家用设备的控制方法及装置 |
CN105021221A (zh) * | 2015-07-10 | 2015-11-04 | 安徽师范大学 | 一种分布式多终端同期数据采集分析系统 |
CN105259778A (zh) * | 2015-11-23 | 2016-01-20 | 王丽华 | 一种基于机器学习的智能家居控制系统 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN106502121A (zh) * | 2017-01-12 | 2017-03-15 | 深圳万发创新进出口贸易有限公司 | 一种智能家居控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109491253A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491253B (zh) | 一种在线学习型个性化智能家居系统及其控制方法 | |
CN105068515B (zh) | 一种基于自学习算法的智能家居设备语音控制方法 | |
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
CN108413588B (zh) | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 | |
CN107515531B (zh) | 一种植物工厂的智能控制方法及系统、智能监控系统 | |
CN105867158A (zh) | 基于人工智能的智能家居控制方法、装置及系统 | |
CN107179700A (zh) | 一种基于Alljoyn和机器学习的智能家居控制系统和方法 | |
CN104121663A (zh) | 一种控制智能空调的方法及设备 | |
CN110531633B (zh) | 基于智能家居操作系统的协同控制方法及装置、存储介质 | |
CN108989162B (zh) | 一种家用智能机器人管家系统 | |
CN205161283U (zh) | 一种智能种植机 | |
WO2022041987A1 (zh) | 空调器的智能控制方法与智能控制设备 | |
CN112685139A (zh) | 基于K8S和Kubeedge的云边深度学习模型管理系统及模型训练方法 | |
CN105912632A (zh) | 一种设备服务推荐方法和装置 | |
CN113597071A (zh) | 照明方法及系统 | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制系统及方法 | |
CN117492380B (zh) | 智能家居的中央控制系统的控制方法和控制装置 | |
CN109270848A (zh) | 情景模式的推荐方法、服务器、家电设备以及存储介质 | |
CN114115394A (zh) | 一种烟叶智能烘烤控制系统及方法 | |
CN111381505A (zh) | 智能家居控制系统及其控制方法 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN113535233A (zh) | 用于暖通云边协同的人工智能系统 | |
CN117628678A (zh) | 一种基于无线网络控制的节能型空调控制面板 | |
CN104968121B (zh) | 一种自动学习的灯光控制方法和装置 | |
CN108459575B (zh) | 智慧家庭管理系统 |
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 |