智能家居的中央控制系统的控制方法和控制装置

专利主权项内容

1.一种智能家居的中央控制系统的控制方法，其特征在于，包括：获取当前场景、当前环境数据以及目标神经网络模型，并将所述当前场景、所述当前环境数据输入至目标神经网络模型中，得到当前调整指令，其中，所述目标神经网络模型为使用多组历史数据通过机器学习训练出的，多组所述历史数据中的每组数据均包括：历史场景、历史环境数据以及历史调整指令，所述历史场景为在当前时刻前对应的所述中央控制系统的预先设置的家居生活场景，所述历史场景包括多个用于控制所述智能家居的工作状态的历史控制指令，所述历史环境数据为所述中央控制系统所处的历史环境对应的数据，所述历史调整指令用于控制所述中央控制系统，所述当前场景为所述当前时刻对应的所述中央控制系统的预先设置的家居生活场景，所述当前环境数据为所述中央控制系统所处的当前环境对应的数据，所述历史环境数据对应的时刻位于所述当前环境数据对应的时刻之前；控制所述中央控制系统执行所述当前调整指令以调整所述智能家居的工作状态，获取目标神经网络模型，包括：获取步骤，获取初始神经网络模型；第一输入步骤，将所述历史场景、所述历史环境数据以及所述历史调整指令输入至所述初始神经网络模型中，得到第一输出数据，以分别对所述历史场景、所述历史环境数据以及所述历史调整指令进行前向传播处理；第一计算步骤，根据所述历史场景、所述历史环境数据、所述历史调整指令以及所述第一输出数据，计算所述初始神经网络模型的损失函数，其中，所述损失函数至少包括均方误差和交叉熵损失；第二输入步骤，将所述历史场景、所述历史环境数据以及所述历史调整指令输入至所述初始神经网络模型中，得到第二输出数据，以分别对所述历史场景、所述历史环境数据以及所述历史调整指令进行反向传播处理，其中，所述初始神经网络包括多个层；第二计算步骤，采用链式法则计算各所述层的梯度，其中，所述梯度用于表征各所述层的权重对于所述损失函数的影响程度；更新步骤，对所述层的权重进行更新，得到更新权重；依次重复所述第一输入步骤、所述计算步骤、所述第二输入步骤、所述第二计算步骤以及所述更新步骤至少一次，并在重复过程中将所述第一输入步骤中的所述初始神经网络的所述层的权重更新为上一次的重复过程中得到的所述更新步骤中的所述更新权重，直到达到预设条件，确定达到所述预设条件时的所述初始神经网络模型为所述目标神经网络模型，其中，所述预设条件包括以下之一：所述梯度达到最小值、所述损失函数达到最小值、重复达到预定次数。