CN117150347B - 用于卫浴遥控器的自决策方法及系统 - Google Patents
用于卫浴遥控器的自决策方法及系统 Download PDFInfo
- Publication number
- CN117150347B CN117150347B CN202311386395.9A CN202311386395A CN117150347B CN 117150347 B CN117150347 B CN 117150347B CN 202311386395 A CN202311386395 A CN 202311386395A CN 117150347 B CN117150347 B CN 117150347B
- Authority
- CN
- China
- Prior art keywords
- bathroom
- time
- real
- decision
- self
- 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 42
- 230000002452 interceptive effect Effects 0.000 claims abstract description 7
- 230000004913 activation Effects 0.000 claims description 40
- 238000012544 monitoring process Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 35
- 230000003993 interaction Effects 0.000 claims description 22
- 238000012795 verification Methods 0.000 claims description 19
- 230000005764 inhibitory process Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010013647 Drowning Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了用于卫浴遥控器的自决策方法及系统,涉及人工智能领域,其中,所述方法包括:根据K个用户特征信息和K个卫浴数据集构建K个自决策辅助子网络;构建目标自决策模块;基于实时用户图像进行身份识别,获得实时用户身份;将实时用户身份发送至目标自决策模块,获得实时自决策辅助子网络;交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;基于所述实时卫浴控制参数进行卫浴控制。解决了现有技术中卫浴设备的使用参数需要用户根据个人使用需求进行人工设置,导致卫浴设备的控制精度差,以及卫浴设备的控制自动化程度低、智能性低的技术问题。
Description
技术领域
本发明涉及人工智能领域,具体地,涉及用于卫浴遥控器的自决策方法及系统。
背景技术
随着人工智能的广泛应用,人们的生活便捷性和生活舒适度大幅提高,卫浴控制的便利性也大幅增强。与此同时,卫浴设备的使用参数需要用户根据个人使用需求进行人工设置,存在着卫浴设备的控制精度差,以及卫浴设备的控制自动化程度低、智能性低等诸多问题。研究设计一种用于卫浴控制的自决策方法,具有重要的现实意义。
发明内容
本申请提供了用于卫浴遥控器的自决策方法及系统。解决了现有技术中卫浴设备的使用参数需要用户根据个人使用需求进行人工设置,导致卫浴设备的控制精度差,以及卫浴设备的控制自动化程度低、智能性低的技术问题。达到了提高卫浴设备的控制精度,提高卫浴设备的控制自动化程度,提高卫浴设备的控制智能性的技术效果。
鉴于上述问题,本申请提供了用于卫浴遥控器的自决策方法及系统。
第一方面,本申请提供了一种用于卫浴遥控器的自决策方法,其中,所述方法应用于一种用于卫浴遥控器的自决策系统,所述方法包括:交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;基于所述实时卫浴控制参数进行卫浴控制。
第二方面,本申请还提供了一种用于卫浴遥控器的自决策系统,其中,所述系统包括:卫浴信息交互模块,所述卫浴信息交互模块用于交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;决策子网络构建模块,所述决策子网络构建模块用于获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;子网络集成模块,所述子网络集成模块用于构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;用户身份识别模块,所述用户身份识别模块用于获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;子网络激活模块,所述子网络激活模块用于将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;卫浴控制参数获得模块,所述卫浴控制参数获得模块用于交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;卫浴控制模块,所述卫浴控制模块用于基于所述实时卫浴控制参数进行卫浴控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过交互目标卫浴室的使用日志,获得目标卫浴信息;根据K个用户特征信息和目标卫浴信息,构建K个自决策辅助子网络;通过集成K个自决策辅助子网络,构建目标自决策模块;基于实时用户图像进行身份识别,获得实时用户身份;将实时用户身份发送至目标自决策模块,遍历K个用户身份标识激活获得实时自决策辅助子网络;交互目标卫浴遥控器获得实时卫浴需求信息,将实时卫浴需求信息输入实时自决策辅助子网络,获得实时卫浴控制参数,并根据实时卫浴控制参数进行卫浴控制。达到了提高卫浴设备的控制精度,提高卫浴设备的控制自动化程度,提高卫浴设备的控制智能性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本申请一种用于卫浴遥控器的自决策方法的流程示意图;
图2为本申请一种用于卫浴遥控器的自决策方法中获得实时卫浴控制参数的流程示意图;
图3为本申请一种用于卫浴遥控器的自决策系统的结构示意图。
具体实施方式
本申请通过提供用于卫浴遥控器的自决策方法及系统。解决了现有技术中卫浴设备的使用参数需要用户根据个人使用需求进行人工设置,导致卫浴设备的控制精度差,以及卫浴设备的控制自动化程度低、智能性低的技术问题。达到了提高卫浴设备的控制精度,提高卫浴设备的控制自动化程度,提高卫浴设备的控制智能性的技术效果。
实施例1
请参阅附图1,本申请提供一种用于卫浴遥控器的自决策方法,其中,所述方法应用于一种用于卫浴遥控器的自决策系统,所述方法具体包括如下步骤:
交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;
连接目标卫浴室,查询目标卫浴室的使用日志,获得目标卫浴信息。其中,目标卫浴室可以为使用所述一种用于卫浴遥控器的自决策系统进行自动化决策的任意卫浴室。目标卫浴室包括M个智能卫浴设备。且,M为正整数。M个智能卫浴设备包括智能马桶、智能淋浴、智能浴缸等。目标卫浴信息包括K个目标卫浴用户对应的K个卫浴数据集。且,K为正整数。K个目标卫浴用户包括目标卫浴室的所有使用用户。例如,目标卫浴室位于某个四口之家内,则,K个目标卫浴用户包括该四口之家内的四位家庭成员。每个卫浴数据集包括短期历史时间(如,最近的一个月或最近的三个月)内,每个目标卫浴用户的多组历史卫浴数据。每组历史卫浴数据包括短期历史时间内,目标卫浴用户对应的多个历史控制参数,以及每个历史控制参数对应的历史环境温度参数、历史环境湿度参数。多个历史控制参数包括M个智能卫浴设备对应的M个设备历史控制参数。M个设备历史控制参数包括M个智能卫浴设备对应的马桶圈历史温度、淋浴历史温度、浴缸历史水温等。
获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;
所述目标卫浴室包括M个智能卫浴设备,基于所述M个智能卫浴设备调用获得第一卫浴设备,其中,M为正整数;
基于所述K个目标卫浴用户调用获得第一目标卫浴用户,并基于所述第一目标卫浴用户在所述K个卫浴数据集对应调用获得第一卫浴数据集;
基于所述第一目标卫浴用户在所述K个用户特征信息调用获得第一用户特征信息;
根据所述第一卫浴设备在第一卫浴数据集进行数据调用,获得第一设备使用数据集,其中,所述第一设备使用数据集包括多组第一设备控制参数-第一设备环境参数;
序列化所述第一设备使用数据集获得第一控制参数阈值;
根据所述第一用户特征信息和所述第一控制参数阈值进行数据扩充,获得第一样本卫浴数据集;
对M个智能卫浴设备进行随机选择,获得第一卫浴设备。第一卫浴设备可以为M个智能卫浴设备中的任意一个智能卫浴设备。继而,对K个目标卫浴用户进行随机选择,获得第一目标卫浴用户,并根据第一目标卫浴用户对K个卫浴数据集进行数据提取,获得第一卫浴数据集。第一目标卫浴用户可以为K个目标卫浴用户中的任意一个目标卫浴用户。第一卫浴数据集包括K个卫浴数据集中,第一目标卫浴用户对应的卫浴数据集。
连接所述一种用于卫浴遥控器的自决策系统,对K个目标卫浴用户进行基础信息采集,获得K个用户特征信息,并将第一目标卫浴用户对应的用户特征信息输出为第一用户特征信息。每个用户特征信息包括每个目标卫浴用户对应的性别、年龄、姓名等基础参数。继而,根据第一卫浴设备对第一卫浴数据集进行数据提取,得到第一设备使用数据集。第一设备使用数据集包括多组第一设备控制参数-第一设备环境参数。多组第一设备控制参数-第一设备环境参数即为第一卫浴数据集中,第一卫浴设备对应的多个设备历史控制参数,以及每个设备历史控制参数对应的历史环境温度参数、历史环境湿度参数。
进一步,对第一设备使用数据集进行多个设备历史控制参数的最值提取,获得第一设备使用数据集中的最大设备历史控制参数、最小设备历史控制参数,并将最大设备历史控制参数、最小设备历史控制参数添加至第一控制参数阈值。第一控制参数阈值包括由最小设备历史控制参数、最大设备历史控制参数构成的参数范围。
进一步,根据第一用户特征信息和第一控制参数阈值进行数据扩充,即,基于第一用户特征信息和第一控制参数阈值进行历史数据查询,获得第一样本卫浴数据集。第一样本卫浴数据集包括多个样本用户对应的多个样本卫浴数据集合。多个样本用户包括与第一用户特征信息的年龄、性别等基础参数相同的多个用户。每个样本卫浴数据集合包括每个样本用户对应的多个设备历史控制参数信息,以及每个设备历史控制参数信息对应的历史环境温度参数、历史环境湿度参数。且,多个设备历史控制参数信息满足第一控制参数阈值。
通过第一用户特征信息和第一控制参数阈值进行数据扩充,提高了样本数据的可靠性,提升了卫浴设备的控制、自决策的有效性。
预构建标准自决策辅助网络,并基于所述第一样本卫浴数据集进行所述标准自决策辅助网络的训练,获得第一设备自决策网络,其中,所述第一设备自决策网络带有所述第一卫浴设备标识;
所述标准自决策辅助网络包括解码器单元和编码器单元;
所述第一样本卫浴数据集包括多组样本控制参数-样本环境温度参数-样本环境湿度参数;
预构建训练数据划分权重,并基于所述训练数据划分权重对所述第一样本卫浴数据集进行数据划分,获得第一训练数据;
采用所述第一训练数据进行所述解码器单元和所述编码器单元的监督训练,获得所述第一设备自决策网络;
采用所述第一卫浴设备进行所述第一设备自决策网络的标签标识。
第一样本卫浴数据集包括多组样本控制参数-样本环境温度参数-样本环境湿度参数。多组样本控制参数-样本环境温度参数-样本环境湿度参数即为多个样本用户对应的多个样本卫浴数据集合。继而,构建标准自决策辅助网络。标准自决策辅助网络包括解码器单元和编码器单元。编码器单元用于提取输入数据的环境信息,并构建环境信息对应的特征向量。编码器单元包括卷积层和池化层。解码器单元用来将编码器单元提取的特征向量转换为对应输出数据的识别标记。解码器单元包括全连接层或者逆卷积层。进一步,训练数据划分权重包括由所述一种用于卫浴遥控器的自决策系统预先设置确定的数据划分比例。例如,训练数据划分权重为8:1:1,则,在按照训练数据划分权重对第一样本卫浴数据集进行数据划分时,将第一样本卫浴数据集中80%的数据信息划分为第一训练数据,将第一样本卫浴数据集中10%的数据信息划分为第一测试数据,将第一样本卫浴数据集中10%的数据信息划分为第一验证数据。进而,根据第一训练数据对解码器单元和编码器单元进行交叉监督训练,将第一训练数据输入编码器,然后使用解码器进行输出识别标记,根据输出标记和真实标记的差异反向传播优化网络参数,并通过第一测试数据、第一验证数据对解码器单元和编码器单元进行验证和测试,直至解码器单元和编码器单元的输出准确率满足由所述一种用于卫浴遥控器的自决策系统预先设置确定的预设准确率范围,获得第一设备自决策网络,并将第一卫浴设备标识为第一设备自决策网络的第一卫浴设备标识。
以此类推,构建获得所述M个智能卫浴设备的M个设备自决策网络;
所述M个设备自决策网络构成所述第一目标卫浴用户的第一自决策辅助子网络;
以此类推,构建所述K个自决策辅助子网络。
构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;
获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;
以此类推,继续构建M个智能卫浴设备的M个设备自决策网络,并将M个设备自决策网络添加至第一目标卫浴用户的第一自决策辅助子网络。第一自决策辅助子网络包括第一目标卫浴用户的M个智能卫浴设备对应的M个设备自决策网络。且,M个设备自决策网络与第一设备自决策网络的构建方式相同,在此不再赘述。继而,以此类推,构建K个自决策辅助子网络,并将K个自决策辅助子网络添加至目标自决策模块。目标自决策模块包括K个自决策辅助子网络。每个自决策辅助子网络包括每个目标卫浴用户的M个智能卫浴设备对应的M个设备自决策网络。且,K个自决策辅助子网络与第一自决策辅助子网络的构建方式相同,在此不再赘述。此外,K个自决策辅助子网络具有K个用户身份标识。每个用户身份标识包括每个自决策辅助子网络对应的目标卫浴用户信息。
进一步,通过所述一种用于卫浴遥控器的自决策系统内的图像采集装置对目标卫浴室进行实时图像采集,获得实时用户图像,并对实时用户图像进行身份识别,获得实时用户身份。实时用户图像包括目标卫浴室内的实时用户对应的图像信息。实时用户身份包括实时用户图像对应的用户性别、用户名称等用户身份信息。
将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;
根据所述M个智能卫浴设备对第一卫浴数据集进行数据拆分,获得M个设备使用数据集,其中,所述M个设备使用数据集中,每个设备使用数据具有使用时间标识;
预设N级时间划分区间,并基于所述N级时间划分区间进行所述M个设备使用数据集的二级划分,获得N个时域设备使用记录;
基于所述N个时域设备使用记录进行设备使用频次排序,获得N个时域设备激活序列;
交互所述实时用户图像,获得实时图像采集时间;
基于所述实时图像采集时间遍历所述N个时域设备激活序列,获得实时设备激活序列;
所述实时自决策辅助子网络包括所述M个设备自决策网络;
根据所述实时设备激活序列进行所述M个设备自决策网络的顺序激活。
按照M个智能卫浴设备对第一卫浴数据集进行数据拆分,获得M个设备使用数据集。每个设备使用数据集包括第一卫浴数据集中,每个智能卫浴设备对应的多个设备使用数据。且,每个设备使用数据具有使用时间标识。每个设备使用数据即为设备历史控制参数。使用时间标识包括每个设备历史控制参数对应的历史使用时间。
N级时间划分区间包括由所述一种用于卫浴遥控器的自决策系统预先设置确定的多个时间划分区间。例如,多个时间划分区间包括0:00至2:00、2:00至4:00……22:00至0:00等多个时间区间。继而,按照N级时间划分区间对M个设备使用数据集进行二级划分,即,按照N级时间划分区间内的多个时间划分区间对M个设备使用数据集进行分类,将同一个时间划分区间内的多个设备使用数据归为一类,获得N个时域设备使用记录。每个时域设备使用记录包括每个时间划分区间内的多个设备使用数据。且,每个时域设备使用记录具有M个设备使用频次。每个设备使用频次包括每个时域设备使用记录内,每个智能卫浴设备对应的设备使用数据出现的次数信息。
继而,按照每个时域设备使用记录对应的M个设备使用频次,分别对N个时域设备使用记录内的M个智能卫浴设备进行设备使用频次排序,获得第一目标卫浴用户对应的N个时域设备激活序列。每个时域设备激活序列包括每个时域设备使用记录中,按照M个设备使用频次进行排序的M个智能卫浴设备。设备使用频次越高,对应的智能卫浴设备的排序越靠前。继而,基于此,分别对K个目标卫浴用户对应的K个卫浴数据集进行数据拆分、二级划分、设备使用频次排序,获得每个目标卫浴用户对应的N个时域设备激活序列,并根据实时用户身份,匹配实时用户对应的N个时域设备激活序列。
进一步,根据实时图像采集时间对实时用户对应的N个时域设备激活序列进行匹配,获得实时设备激活序列。将实时用户身份输入目标自决策模块,根据实时用户身份匹配对应的实时自决策辅助子网络,并根据实时设备激活序列对实时自决策辅助子网络内的M个设备自决策网络进行顺序激活,减少用户功能使用延时。其中,实时图像采集时间包括实时用户图像对应的图像采集时间。实时设备激活序列包括实时用户对应的N个时域设备激活序列中,实时图像采集时间对应的一个时域设备激活序列。实时自决策辅助子网络包括实时用户身份对应的M个设备自决策网络。且,实时自决策辅助子网络中的M个设备自决策网络的激活顺序满足实时设备激活序列。
交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;
如附图2所示,获得实时卫浴控制参数,还包括:
所述目标卫浴遥控器包括M个卫浴需求选择,其中,所述M个卫浴需求选择与所述M个智能卫浴设备关联映射;
实时用户基于所述目标卫浴遥控器在所述M个卫浴需求选择进行功能选定,生成所述实时卫浴需求信息;
获得实时自决策网络,其中,所述实时自决策网络通过根据所述实时卫浴需求信息对应的卫浴需求选择在所述实时自决策辅助子网络的所述M个设备自决策网络中进行对应激活获得;
交互实时环境参数,并将所述实时环境参数输入所述实时自决策网络进行控制参数自决策,获得所述实时卫浴控制参数。
基于所述实时卫浴控制参数进行卫浴控制。
目标卫浴遥控器是用于对目标卫浴室内的M个智能卫浴设备进行智能控制的遥控设备。目标卫浴遥控器包括M个智能卫浴设备对应的M个卫浴需求选择。M个卫浴需求选择包括M个智能卫浴设备对应的功能信息。继而,实时用户通过目标卫浴遥控器,对M个卫浴需求选择进行功能选定,生成实时卫浴需求信息。实时卫浴需求信息包括实时用户对应的卫浴需求选择、卫浴需求设备。
根据实时卫浴需求信息对应的卫浴需求选择,对实时自决策辅助子网络的M个设备自决策网络进行匹配,获得实时自决策网络。继而,将实时环境参数输入实时自决策网络,由实时自决策网络对实时环境参数进行控制参数自决策,获得实时卫浴控制参数,并按照实时卫浴控制参数进行卫浴控制。从而提高卫浴设备的控制精度,以及卫浴设备的控制智能性。实时自决策网络包括实时自决策辅助子网络的M个设备自决策网络中,实时卫浴需求信息对应的设备自决策网络。实时环境参数包括实时环境温度、实时环境湿度。
交互获得所述M个智能卫浴设备的M个使用年龄约束;
根据所述K个用户特征信息和所述M个使用年龄约束生成K个功能监护限制。
对M个智能卫浴设备进行使用用户年龄范围查询,获得M个使用年龄约束,并结合K个用户特征信息,生成K个功能监护限制。每个使用年龄约束包括每个智能卫浴设备对应的使用用户年龄范围。K个功能监护限制包括M个使用年龄约束下,K个目标卫浴用户对应的K个用户功能监护限制信息。例如,K个用户功能监护限制信息包括年龄小于6岁的儿童,在使用浴缸、淋浴时需要成年监护人在场。
根据所述实时用户身份进行功能禁止效验,生成第一效验结果;
根据所述第一效验结果生成监护状态判断;
若监护状态判断结果为无监护状态,则根据所述监护状态判断结果生成第一禁用指令;
基于所述实时用户身份在所述K个功能监护限制调用获得实时功能监护限制;
根据所述实时功能监护限制在所述M个智能卫浴设备进行对应卫浴设备的功能禁用。
根据实时用户身份进行功能禁止效验,生成第一效验结果。第一效验结果包括实时用户在使用目标卫浴室时,是否需要监护人陪同。例如,当实时用户身份表明实时用户为年龄小于6岁的儿童时,对应的第一效验结果为实时用户在使用目标卫浴室时,需要监护人陪同。
当第一效验结果为实时用户在使用目标卫浴室时,需要监护人陪同,根据第一效验结果进行监护状态判断,获得监护状态判断结果。监护状态判断结果包括实时用户在使用目标卫浴室时,实际是否存在监护人陪同。当监护状态判断结果为实时用户在使用目标卫浴室时,实际不存在监护人陪同时,监护状态判断结果为无监护状态,所述一种用于卫浴遥控器的自决策系统自动生成第一禁用指令。根据第一禁用指令,按照实时用户身份对K个功能监护限制进行提取,获得实时功能监护限制,并根据实时功能监护限制对M个智能卫浴设备对应的卫浴设备进行功能禁用。第一禁用指令是用于表征监护状态判断结果为无监护状态,需要对目标卫浴室进行功能限制的指令信息。实时功能监护限制包括K个功能监护限制中,实时用户身份对应的功能监护限制。
示例性地,在根据实时功能监护限制对M个智能卫浴设备进行对应卫浴设备的功能禁用时,对智能淋浴、智能浴缸进行功能禁用,断掉智能淋浴、智能浴缸的供水,以防止儿童发生呛水、溺水等危险事件。
综上所述,本申请所提供的一种用于卫浴遥控器的自决策方法具有如下技术效果:
通过交互目标卫浴室的使用日志,获得目标卫浴信息;根据K个用户特征信息和目标卫浴信息,构建K个自决策辅助子网络;通过集成K个自决策辅助子网络,构建目标自决策模块;基于实时用户图像进行身份识别,获得实时用户身份;将实时用户身份发送至目标自决策模块,遍历K个用户身份标识激活获得实时自决策辅助子网络;交互目标卫浴遥控器获得实时卫浴需求信息,将实时卫浴需求信息输入实时自决策辅助子网络,获得实时卫浴控制参数,并根据实时卫浴控制参数进行卫浴控制。达到了提高卫浴设备的控制精度,提高卫浴设备的控制自动化程度,提高卫浴设备的控制智能性的技术效果。
实施例2
基于与前述实施例中一种用于卫浴遥控器的自决策方法,同样发明构思,本发明还提供了一种用于卫浴遥控器的自决策系统,请参阅附图3,所述系统包括:
卫浴信息交互模块,所述卫浴信息交互模块用于交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;
决策子网络构建模块,所述决策子网络构建模块用于获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;
子网络集成模块,所述子网络集成模块用于构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;
用户身份识别模块,所述用户身份识别模块用于获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;
子网络激活模块,所述子网络激活模块用于将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;
卫浴控制参数获得模块,所述卫浴控制参数获得模块用于交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;
卫浴控制模块,所述卫浴控制模块用于基于所述实时卫浴控制参数进行卫浴控制。
进一步的,所述系统还包括:
卫浴调用模块,所述卫浴调用模块用于所述目标卫浴室包括M个智能卫浴设备,基于所述M个智能卫浴设备调用获得第一卫浴设备,其中,M为正整数;
卫浴数据调用模块,所述卫浴数据调用模块用于基于所述K个目标卫浴用户调用获得第一目标卫浴用户,并基于所述第一目标卫浴用户在所述K个卫浴数据集对应调用获得第一卫浴数据集;
用户特征确定模块,所述用户特征确定模块用于基于所述第一目标卫浴用户在所述K个用户特征信息调用获得第一用户特征信息;
第一执行模块,所述第一执行模块用于根据所述第一卫浴设备在第一卫浴数据集进行数据调用,获得第一设备使用数据集,其中,所述第一设备使用数据集包括多组第一设备控制参数-第一设备环境参数;
控制参数阈值获得模块,所述控制参数阈值获得模块用于序列化所述第一设备使用数据集获得第一控制参数阈值;
数据扩充模块,所述数据扩充模块用于根据所述第一用户特征信息和所述第一控制参数阈值进行数据扩充,获得第一样本卫浴数据集;
网络训练模块,所述网络训练模块用于预构建标准自决策辅助网络,并基于所述第一样本卫浴数据集进行所述标准自决策辅助网络的训练,获得第一设备自决策网络,其中,所述第一设备自决策网络带有所述第一卫浴设备标识;
第二执行模块,所述第二执行模块用于以此类推,构建获得所述M个智能卫浴设备的M个设备自决策网络;
第一自决策辅助子网络生成模块,所述第一自决策辅助子网络生成模块用于所述M个设备自决策网络构成所述第一目标卫浴用户的第一自决策辅助子网络;
第三执行模块,所述第三执行模块用于以此类推,构建所述K个自决策辅助子网络。
进一步的,所述系统还包括:
网络组成模块,所述网络组成模块用于所述标准自决策辅助网络包括解码器单元和编码器单元;
样本数据集组成模块,所述样本数据集组成模块用于所述第一样本卫浴数据集包括多组样本控制参数-样本环境温度参数-样本环境湿度参数;
数据划分模块,所述数据划分模块用于预构建训练数据划分权重,并基于所述训练数据划分权重对所述第一样本卫浴数据集进行数据划分,获得第一训练数据;
数据监督训练模块,所述数据监督训练模块用于采用所述第一训练数据进行所述解码器单元和所述编码器单元的监督训练,获得所述第一设备自决策网络;
网络标识模块,所述网络标识模块用于采用所述第一卫浴设备进行所述第一设备自决策网络的标签标识。
进一步的,所述系统还包括:
数据集拆分模块,所述数据集拆分模块用于根据所述M个智能卫浴设备对第一卫浴数据集进行数据拆分,获得M个设备使用数据集,其中,所述M个设备使用数据集中,每个设备使用数据具有使用时间标识;
第四执行模块,所述第四执行模块用于预设N级时间划分区间,并基于所述N级时间划分区间进行所述M个设备使用数据集的二级划分,获得N个时域设备使用记录;
频次排序模块,所述频次排序模块用于基于所述N个时域设备使用记录进行设备使用频次排序,获得N个时域设备激活序列;
采集时间确定模块,所述采集时间确定模块用于交互所述实时用户图像,获得实时图像采集时间;
激活序列获得模块,所述激活序列获得模块用于基于所述实时图像采集时间遍历所述N个时域设备激活序列,获得实时设备激活序列;
子网络组成模块,所述子网络组成模块用于所述实时自决策辅助子网络包括所述M个设备自决策网络;
网络顺序激活模块,所述网络顺序激活模块用于根据所述实时设备激活序列进行所述M个设备自决策网络的顺序激活。
进一步的,所述系统还包括:
卫浴需求选择组成模块,所述卫浴需求选择组成模块用于所述目标卫浴遥控器包括M个卫浴需求选择,其中,所述M个卫浴需求选择与所述M个智能卫浴设备关联映射;
功能选定模块,所述功能选定模块用于实时用户基于所述目标卫浴遥控器在所述M个卫浴需求选择进行功能选定,生成所述实时卫浴需求信息;
第五执行模块,所述第五执行模块用于获得实时自决策网络,其中,所述实时自决策网络通过根据所述实时卫浴需求信息对应的卫浴需求选择在所述实时自决策辅助子网络的所述M个设备自决策网络中进行对应激活获得;
控制参数自决策模块,所述控制参数自决策模块用于交互实时环境参数,并将所述实时环境参数输入所述实时自决策网络进行控制参数自决策,获得所述实时卫浴控制参数。
进一步的,所述系统还包括:
年龄约束交互模块,所述年龄约束交互模块用于交互获得所述M个智能卫浴设备的M个使用年龄约束;
功能监护限制模块,所述功能监护限制模块用于根据所述K个用户特征信息和所述M个使用年龄约束生成K个功能监护限制。
进一步的,所述系统还包括:
功能禁止效验模块,所述功能禁止效验模块用于根据所述实时用户身份进行功能禁止效验,生成第一效验结果;
监护判断模块,所述监护判断模块用于根据所述第一效验结果生成监护状态判断;
禁用指令生成模块,所述禁用指令生成模块用于若监护状态判断结果为无监护状态,则根据所述监护状态判断结果生成第一禁用指令;
限制调用模块,所述限制调用模块用于基于所述实时用户身份在所述K个功能监护限制调用获得实时功能监护限制;
设备功能禁用模块,所述设备功能禁用模块用于根据所述实时功能监护限制在所述M个智能卫浴设备进行对应卫浴设备的功能禁用。
本发明实施例所提供的一种用于卫浴遥控器的自决策系统可执行本发明任意实施例所提供的一种用于卫浴遥控器的自决策方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了一种用于卫浴遥控器的自决策方法,其中,所述方法应用于一种用于卫浴遥控器的自决策系统,所述方法包括:通过交互目标卫浴室的使用日志,获得目标卫浴信息;根据K个用户特征信息和目标卫浴信息,构建K个自决策辅助子网络;通过集成K个自决策辅助子网络,构建目标自决策模块;基于实时用户图像进行身份识别,获得实时用户身份;将实时用户身份发送至目标自决策模块,遍历K个用户身份标识激活获得实时自决策辅助子网络;交互目标卫浴遥控器获得实时卫浴需求信息,将实时卫浴需求信息输入实时自决策辅助子网络,获得实时卫浴控制参数,并根据实时卫浴控制参数进行卫浴控制。解决了现有技术中卫浴设备的使用参数需要用户根据个人使用需求进行人工设置,导致卫浴设备的控制精度差,以及卫浴设备的控制自动化程度低、智能性低的技术问题。达到了提高卫浴设备的控制精度,提高卫浴设备的控制自动化程度,提高卫浴设备的控制智能性的技术效果。
虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.用于卫浴遥控器的自决策方法,其特征在于,所述方法包括:
交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;
获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;
构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;
获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;
将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;
交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;
基于所述实时卫浴控制参数进行卫浴控制;
所述目标卫浴室包括M个智能卫浴设备,基于所述M个智能卫浴设备调用获得第一卫浴设备,其中,M为正整数;
基于所述K个目标卫浴用户调用获得第一目标卫浴用户,并基于所述第一目标卫浴用户在所述K个卫浴数据集对应调用获得第一卫浴数据集;
基于所述第一目标卫浴用户在所述K个用户特征信息调用获得第一用户特征信息;
根据所述第一卫浴设备在第一卫浴数据集进行数据调用,获得第一设备使用数据集,其中,所述第一设备使用数据集包括多组第一设备控制参数-第一设备环境参数;
序列化所述第一设备使用数据集获得第一控制参数阈值;
根据所述第一用户特征信息和所述第一控制参数阈值进行数据扩充,获得第一样本卫浴数据集;
预构建标准自决策辅助网络,并基于所述第一样本卫浴数据集进行所述标准自决策辅助网络的训练,获得第一设备自决策网络,其中,所述第一设备自决策网络带有所述第一卫浴设备标识;
以此类推,构建获得所述M个智能卫浴设备的M个设备自决策网络;
所述M个设备自决策网络构成所述第一目标卫浴用户的第一自决策辅助子网络;
以此类推,构建所述K个自决策辅助子网络;
所述标准自决策辅助网络包括解码器单元和编码器单元;
所述第一样本卫浴数据集包括多组样本控制参数-样本环境温度参数-样本环境湿度参数;
预构建训练数据划分权重,并基于所述训练数据划分权重对所述第一样本卫浴数据集进行数据划分,获得第一训练数据;
采用所述第一训练数据进行所述解码器单元和所述编码器单元的监督训练,获得所述第一设备自决策网络;
采用所述第一卫浴设备进行所述第一设备自决策网络的标签标识;
根据所述M个智能卫浴设备对第一卫浴数据集进行数据拆分,获得M个设备使用数据集,其中,所述M个设备使用数据集中,每个设备使用数据具有使用时间标识;
预设N级时间划分区间,并基于所述N级时间划分区间进行所述M个设备使用数据集的二级划分,获得N个时域设备使用记录,其中,N为正整数;
基于所述N个时域设备使用记录进行设备使用频次排序,获得N个时域设备激活序列;
交互所述实时用户图像,获得实时图像采集时间;
基于所述实时图像采集时间遍历所述N个时域设备激活序列,获得实时设备激活序列;
所述实时自决策辅助子网络包括所述M个设备自决策网络;
根据所述实时设备激活序列进行所述M个设备自决策网络的顺序激活。
2.如权利要求1所述的方法,其特征在于,交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数,所述方法还包括:
所述目标卫浴遥控器包括M个卫浴需求选择,其中,所述M个卫浴需求选择与所述M个智能卫浴设备关联映射;
实时用户基于所述目标卫浴遥控器在所述M个卫浴需求选择进行功能选定,生成所述实时卫浴需求信息;
获得实时自决策网络,其中,所述实时自决策网络通过根据所述实时卫浴需求信息对应的卫浴需求选择在所述实时自决策辅助子网络的所述M个设备自决策网络中进行对应激活获得;
交互实时环境参数,并将所述实时环境参数输入所述实时自决策网络进行控制参数自决策,获得所述实时卫浴控制参数。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
交互获得所述M个智能卫浴设备的M个使用年龄约束;
根据所述K个用户特征信息和所述M个使用年龄约束生成K个功能监护限制。
4.如权利要求3所述的方法,其特征在于,获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份,之后,所述方法还包括:
根据所述实时用户身份进行功能禁止效验,生成第一效验结果;
根据所述第一效验结果生成监护状态判断;
若监护状态判断结果为无监护状态,则根据所述监护状态判断结果生成第一禁用指令;
基于所述实时用户身份在所述K个功能监护限制调用获得实时功能监护限制;
根据所述实时功能监护限制在所述M个智能卫浴设备进行对应卫浴设备的功能禁用。
5.用于卫浴遥控器的自决策系统,其特征在于,所述系统用于执行权利要求1至4任一项所述的方法,所述系统包括:
卫浴信息交互模块,所述卫浴信息交互模块用于交互获得目标卫浴信息,其中,所述目标卫浴信息通过交互目标卫浴室的使用日志获得,所述目标卫浴信息包括K个卫浴数据集,所述K个卫浴数据集对应于K个目标卫浴用户,K为正整数;
决策子网络构建模块,所述决策子网络构建模块用于获得K个用户特征信息,并根据所述K个用户特征信息和所述K个卫浴数据集构建K个自决策辅助子网络,其中,所述K个自决策辅助子网络具有K个用户身份标识;
子网络集成模块,所述子网络集成模块用于构建目标自决策模块,其中,所述目标自决策模块通过集成所述K个自决策辅助子网络获得;
用户身份识别模块,所述用户身份识别模块用于获得实时用户图像,并基于所述实时用户图像进行身份识别,获得实时用户身份;
子网络激活模块,所述子网络激活模块用于将所述实时用户身份发送至所述目标自决策模块,遍历所述K个用户身份标识激活获得实时自决策辅助子网络;
卫浴控制参数获得模块,所述卫浴控制参数获得模块用于交互目标卫浴遥控器获得实时卫浴需求信息,将所述实时卫浴需求信息输入所述实时自决策辅助子网络,获得实时卫浴控制参数;
卫浴控制模块,所述卫浴控制模块用于基于所述实时卫浴控制参数进行卫浴控制;
卫浴调用模块,所述卫浴调用模块用于所述目标卫浴室包括M个智能卫浴设备,基于所述M个智能卫浴设备调用获得第一卫浴设备,其中,M为正整数;
卫浴数据调用模块,所述卫浴数据调用模块用于基于所述K个目标卫浴用户调用获得第一目标卫浴用户,并基于所述第一目标卫浴用户在所述K个卫浴数据集对应调用获得第一卫浴数据集;
用户特征确定模块,所述用户特征确定模块用于基于所述第一目标卫浴用户在所述K个用户特征信息调用获得第一用户特征信息;
第一执行模块,所述第一执行模块用于根据所述第一卫浴设备在第一卫浴数据集进行数据调用,获得第一设备使用数据集,其中,所述第一设备使用数据集包括多组第一设备控制参数-第一设备环境参数;
控制参数阈值获得模块,所述控制参数阈值获得模块用于序列化所述第一设备使用数据集获得第一控制参数阈值;
数据扩充模块,所述数据扩充模块用于根据所述第一用户特征信息和所述第一控制参数阈值进行数据扩充,获得第一样本卫浴数据集;
网络训练模块,所述网络训练模块用于预构建标准自决策辅助网络,并基于所述第一样本卫浴数据集进行所述标准自决策辅助网络的训练,获得第一设备自决策网络,其中,所述第一设备自决策网络带有所述第一卫浴设备标识;
第二执行模块,所述第二执行模块用于以此类推,构建获得所述M个智能卫浴设备的M个设备自决策网络;
第一自决策辅助子网络生成模块,所述第一自决策辅助子网络生成模块用于所述M个设备自决策网络构成所述第一目标卫浴用户的第一自决策辅助子网络;
第三执行模块,所述第三执行模块用于以此类推,构建所述K个自决策辅助子网络;
网络组成模块,所述网络组成模块用于所述标准自决策辅助网络包括解码器单元和编码器单元;
样本数据集组成模块,所述样本数据集组成模块用于所述第一样本卫浴数据集包括多组样本控制参数-样本环境温度参数-样本环境湿度参数;
数据划分模块,所述数据划分模块用于预构建训练数据划分权重,并基于所述训练数据划分权重对所述第一样本卫浴数据集进行数据划分,获得第一训练数据;
数据监督训练模块,所述数据监督训练模块用于采用所述第一训练数据进行所述解码器单元和所述编码器单元的监督训练,获得所述第一设备自决策网络;
网络标识模块,所述网络标识模块用于采用所述第一卫浴设备进行所述第一设备自决策网络的标签标识;
数据集拆分模块,所述数据集拆分模块用于根据所述M个智能卫浴设备对第一卫浴数据集进行数据拆分,获得M个设备使用数据集,其中,所述M个设备使用数据集中,每个设备使用数据具有使用时间标识;
第四执行模块,所述第四执行模块用于预设N级时间划分区间,并基于所述N级时间划分区间进行所述M个设备使用数据集的二级划分,获得N个时域设备使用记录,其中,N为正整数;
频次排序模块,所述频次排序模块用于基于所述N个时域设备使用记录进行设备使用频次排序,获得N个时域设备激活序列;
采集时间确定模块,所述采集时间确定模块用于交互所述实时用户图像,获得实时图像采集时间;
激活序列获得模块,所述激活序列获得模块用于基于所述实时图像采集时间遍历所述N个时域设备激活序列,获得实时设备激活序列;
子网络组成模块,所述子网络组成模块用于所述实时自决策辅助子网络包括所述M个设备自决策网络;
网络顺序激活模块,所述网络顺序激活模块用于根据所述实时设备激活序列进行所述M个设备自决策网络的顺序激活。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386395.9A CN117150347B (zh) | 2023-10-25 | 2023-10-25 | 用于卫浴遥控器的自决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386395.9A CN117150347B (zh) | 2023-10-25 | 2023-10-25 | 用于卫浴遥控器的自决策方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150347A CN117150347A (zh) | 2023-12-01 |
CN117150347B true CN117150347B (zh) | 2024-01-26 |
Family
ID=88904573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311386395.9A Active CN117150347B (zh) | 2023-10-25 | 2023-10-25 | 用于卫浴遥控器的自决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150347B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090443A (zh) * | 2017-12-15 | 2018-05-29 | 华南理工大学 | 基于深度强化学习的场景文本检测方法及系统 |
CN111355956A (zh) * | 2020-03-09 | 2020-06-30 | 蔡晓刚 | 一种hevc帧内编码中基于深度学习的率失真优化快速决策系统及其方法 |
CN113848884A (zh) * | 2021-09-07 | 2021-12-28 | 华侨大学 | 一种基于特征融合和时空约束的无人驾驶工程机械决策方法 |
CN114880314A (zh) * | 2022-05-23 | 2022-08-09 | 烟台聚禄信息科技有限公司 | 应用人工智能策略的大数据清洗决策方法及ai处理系统 |
-
2023
- 2023-10-25 CN CN202311386395.9A patent/CN117150347B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090443A (zh) * | 2017-12-15 | 2018-05-29 | 华南理工大学 | 基于深度强化学习的场景文本检测方法及系统 |
CN111355956A (zh) * | 2020-03-09 | 2020-06-30 | 蔡晓刚 | 一种hevc帧内编码中基于深度学习的率失真优化快速决策系统及其方法 |
CN113848884A (zh) * | 2021-09-07 | 2021-12-28 | 华侨大学 | 一种基于特征融合和时空约束的无人驾驶工程机械决策方法 |
CN114880314A (zh) * | 2022-05-23 | 2022-08-09 | 烟台聚禄信息科技有限公司 | 应用人工智能策略的大数据清洗决策方法及ai处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117150347A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A novel wavelet-based ensemble method for short-term load forecasting with hybrid neural networks and feature selection | |
CN104202353B (zh) | 一种物联网互联协作系统的云事件处理方法及装置 | |
Liao et al. | Snowfort: An open source wireless sensor network for data analytics in infrastructure and environmental monitoring | |
CN107622767A (zh) | 家电系统的语音控制方法与家电控制系统 | |
Murakami et al. | Participatory sensing data tweets for micro-urban real-time resiliency monitoring and risk management | |
Viard et al. | An event-based approach for discovering activities of daily living by hidden Markov models | |
Maryasin | Home automation system ontology for digital building twin | |
Han et al. | A smart home control system based on context and human speech | |
CN117150347B (zh) | 用于卫浴遥控器的自决策方法及系统 | |
CN111126885B (zh) | 一种基于物联网的智慧用电调度方法及系统 | |
Geishauser et al. | Dynamic dialogue policy for continual reinforcement learning | |
CN114170041A (zh) | 应用建筑主题数据建立智慧建筑运维管理系统的方法 | |
CN104978837B (zh) | 一种面向用户端变电所的报警系统及其实现方法 | |
Kyselova et al. | Context-aware framework for energy management system | |
KR20190092091A (ko) | Ifttt 서비스를 위한 실시간 이벤트 처리 규칙 관리 시스템 | |
Zuccolotto et al. | Artificial immune intelligent maintenance system–diagnostic agents | |
Cendana et al. | Harnessing Energy Consumption in a Smarthome IoT Framework | |
Baig et al. | Cognitive architecture based smart homes for smart cities | |
US20170330103A1 (en) | Systems and Methods for Learning Appliance Signatures | |
Zheng et al. | A unified management framework for EIoT systems based on metadata and event detection | |
Mota et al. | Systems modelling and identification in CAN based distributed control systems | |
Gomathy et al. | Smart Classroom with the Help of IoT | |
Piruthiviraj et al. | Automatic access control solution in smart homes using IOT and AI | |
Pavlin et al. | A mas approach to fusion of heterogeneous information | |
CN112887131B (zh) | 一种智慧城市通讯网络项目质量控制监理方法及系统 |
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 |