基于人工智能的智能家居控制优化方法及系统与流程

智能家居系统远程控制的基本步骤 #生活技巧# #居家生活技巧# #家居保养技巧# #智能家居使用#

本发明涉及人工智能，具体而言，涉及一种基于人工智能的智能家居控制优化方法及系统。

背景技术：

1、随着科技的不断发展，智能家居系统已经逐渐成为现代家庭生活中不可或缺的一部分。智能家居系统通过集成各种智能设备和传感器，可以实现家庭环境的自动化控制和智能化管理，为用户提供更加便捷、舒适和节能的居住体验。然而，如何高效地控制和优化智能家居系统的运行，以满足用户日益增长的个性化需求，仍然是当前智能家居技术面临的挑战之一。

2、在传统的智能家居控制方法中，通常采用固定的控制策略或预设的规则来实现对智能家居设备的控制。这些方法虽然简单易行，但缺乏灵活性和智能性，无法根据家庭环境的实时变化和用户需求的动态调整来进行优化控制。因此，传统的智能家居控制方法往往存在效率低下和用户体验不佳的问题。

3、为了解决上述问题，近年来，人工智能技术被广泛应用于智能家居控制领域。人工智能技术可以通过学习历史数据和用户行为模式，自动识别并预测家庭环境的变化和用户需求的变化，从而实现智能家居系统的自适应控制和优化。然而，现有的人工智能智能家居控制方法仍然存在一些不足之处，如控制策略单一、优化效果有限等，无法充分发挥人工智能技术的优势。

技术实现思路

1、有鉴于此，本发明实施例的目的在于提供一种基于人工智能的智能家居控制优化方法及系统，通过获取多个范例智能家居运行活动数据和导入的目标控制优化知识数据，结合预先定义的控制优化知识数据和智能家居运行优化模型的关系配置位图簇，确定目标控制优化知识数据对应的目标智能家居运行优化模型。进一步地，将范例智能家居运行活动数据传递至目标智能家居运行优化模型，最终确定n个智能家居运行优化指令集。本发明的方法旨在实现智能家居的高效、智能控制，提升智能家居系统的运行效率和用户体验。通过引入人工智能技术和优化算法，能够自适应地学习并优化智能家居的运行模式，为用户提供更加便捷、舒适和节能的智能家居环境。

2、依据本发明实施例的一个方面，提供一种基于人工智能的智能家居控制优化方法，所述方法包括：

3、获取多个范例智能家居运行活动数据和导入的目标控制优化知识数据，每个范例智能家居运行活动数据包括n个运行模式类别的运行路径图；

4、结合所述目标控制优化知识数据，在预先定义的控制优化知识数据和智能家居运行优化模型的关系配置位图簇中，确定所述目标控制优化知识数据对应的目标智能家居运行优化模型；所述关系配置位图簇中的每个智能家居运行优化模型所针对的样例智能家居运行活动数据簇不同，一个样例智能家居运行活动数据簇对应一个运行模式类别，所述关系配置位图簇中，一个控制优化知识数据对应一个智能家居运行优化模型；

5、将所述多个范例智能家居运行活动数据传递至所述目标智能家居运行优化模型，确定n个智能家居运行优化指令集。

6、在一种可能的实施方式中，所述智能家居运行优化模型通过以下步骤训练获得：

7、获取样例智能家居运行活动数据簇；所述样例智能家居运行活动数据簇包括x个相同运行模式类别的样例智能家居运行活动数据，其中，所述x个相同运行模式类别的样例智能家居运行活动数据中前i1个样例智能家居运行活动数据组成的第一智能家居运行活动数据集合作为样例前向传播数据，后i2个样例智能家居运行活动数据组成的第二智能家居运行活动数据集合作为参考前向传播数据，所述x为所述i1和i2之和；

8、结合所述样例智能家居运行活动数据簇对基础智能家居运行优化模型进行知识学习，生成所述智能家居运行优化模型。

9、在一种可能的实施方式中，所述获取样例智能家居运行活动数据簇包括：

10、获取原始智能家居运行活动数据簇；所述原始智能家居运行活动数据簇包括x个基础智能家居运行活动数据；

11、获取预先定义的衍生运行模式类别簇；所述衍生运行模式类别簇包括多个不同的衍生运行模式类别；

12、将所述x个基础智能家居运行活动数据分别基于各所述衍生运行模式类别进行分解，生成每个衍生运行模式类别对应的x个样例智能家居运行活动数据；

13、将每个衍生运行模式类别对应的x个样例智能家居运行活动数据，确定为所述衍生运行模式类别对应的样例智能家居运行活动数据簇。

14、在一种可能的实施方式中，所述获取预先定义的衍生运行模式类别簇，包括：

15、获取预先定义的智能家居运行链路簇；所述智能家居运行链路簇包括多个不同的智能家居运行链路；

16、基于预先定义的运行模式映射规则分别对所述多个不同的智能家居运行链路进行运行模式映射，生成每个智能家居运行链路对应的衍生运行模式类别；

17、结合每个智能家居运行链路对应的衍生运行模式类别，生成所述衍生运行模式类别簇。

18、在一种可能的实施方式中，所述结合所述样例智能家居运行活动数据簇对基础智能家居运行优化模型进行知识学习，生成所述智能家居运行优化模型，包括：

19、将所述第一智能家居运行活动数据集合作为所述基础智能家居运行优化模型的前向传播数据，将所述第二智能家居运行活动数据集合作为基础智能家居运行优化模型的监督知识数据，对所述基础智能家居运行优化模型进行初步知识学习，生成初步知识学习过程中所述基础智能家居运行优化模型生成的智能家居运行优化指令集列表；

20、将初步知识学习过程中所述基础智能家居运行优化模型生成的智能家居运行优化指令集列表作为预设观测模型的前向传播数据，将所述第二智能家居运行活动数据集合的观测结果作为所述观测模型的监督知识数据，对所述观测模型进行知识学习，生成所述观测模型生成的智能家居运行优化指令集列表的观测结果；所述观测模型用于对所述第二智能家居运行活动数据集合和所述智能家居运行优化指令集列表的置信水平进行观测；

21、结合所述观测模型参数学习过程中的第一训练收敛分支和所述基础智能家居运行优化模型初步知识学习过程中的第二训练收敛分支，对所述基础智能家居运行优化模型再次进行知识学习，生成所述智能家居运行优化模型。

22、在一种可能的实施方式中，所述将初步知识学习过程中所述基础智能家居运行优化模型生成的智能家居运行优化指令集列表作为预设观测模型的前向传播数据，将所述第二智能家居运行活动数据集合的观测结果作为所述观测模型的监督知识数据，对所述观测模型进行知识学习，包括：

23、将所述基础智能家居运行优化模型生成的智能家居运行优化指令集列表输入观测模型，生成所述智能家居运行优化指令集列表的观测结果； 将所述第二智能家居运行活动数据集合输入所述观测模型，生成所述第二智能家居运行活动数据集合的观测结果；

24、计算所述智能家居运行优化指令集列表的观测结果和所述第二智能家居运行活动数据集合的观测结果之间的第一训练收敛参数，并将所述第一训练收敛参数作为所述第一训练收敛分支的计算参数；

25、结合所述第一训练收敛分支的计算参数对所述观测模型进行知识学习。

26、在一种可能的实施方式中，所述结合所述观测模型参数学习过程中的第一训练收敛分支和所述基础智能家居运行优化模型初步知识学习过程中的第二训练收敛分支，对所述基础智能家居运行优化模型再次进行知识学习，生成所述智能家居运行优化模型，包括：

27、计算所述智能家居运行优化指令集列表和所述第二智能家居运行活动数据集合之间的第二训练收敛参数，并将所述第二训练收敛参数作为所述第二训练收敛分支的计算参数；

28、结合所述第一训练收敛分支的计算参数和所述第二训练收敛分支的计算参数对所述智能家居运行优化模型再次进行知识学习，生成所述智能家居运行优化模型。

29、依据本发明实施例的另一个方面，提供一种基于人工智能的智能家居控制优化系统，包括：

30、获取模块，用于获取多个范例智能家居运行活动数据和导入的目标控制优化知识数据，每个范例智能家居运行活动数据包括n个运行模式类别的运行路径图；

31、第一确定模块，用于结合所述目标控制优化知识数据，在预先定义的控制优化知识数据和智能家居运行优化模型的关系配置位图簇中，确定所述目标控制优化知识数据对应的目标智能家居运行优化模型；所述关系配置位图簇中的每个智能家居运行优化模型所针对的样例智能家居运行活动数据簇不同，一个样例智能家居运行活动数据簇对应一个运行模式类别，所述关系配置位图簇中，一个控制优化知识数据对应一个智能家居运行优化模型；

32、第二确定模块，用于将所述多个范例智能家居运行活动数据传递至所述目标智能家居运行优化模型，确定n个智能家居运行优化指令集。

33、依据本发明实施例的另一个方面，提供一种电子设备，包括存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，实现以上任一项所述的基于人工智能的智能家居控制优化方法的各个步骤。

34、依据本发明实施例的另一个方面，提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上任一项所述的基于人工智能的智能家居控制优化方法的各个步骤。

35、为使本发明实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。

网址：基于人工智能的智能家居控制优化方法及系统与流程 https://www.yuejiaxmz.com/news/view/473685

相关内容

基于Zigbee的智能家居及系统优化
智能家居的空气净化方法及系统与流程
智能家居系统的人工智能控制方法研究
一种基于智能手机的家电智能控制方法与流程
基于Arduino智能家居控制系统
基于STM32的智能家居环境监控与控制系统
一种智能调控方法及系统与流程
智能家居设备的控制方法、装置和系统与流程
一种基于智能家居的远程健康监控系统的制作方法
一种基于STM32的智能家居控制系统

随便看看