[发明专利]电子设备控制方法、装置、系统、存储介质及处理器

权利要求书

1.一种电子设备的控制方法，其特征在于，包括：

控制设备获取电子设备检测到的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；

所述控制设备通过目标神经网络模型获取与所述当前特征参数对应的目标控制信号，其中，所述目标神经网络模型用于指示特征参数与控制信号的对应关系，所述目标控制信号用于控制所述电子设备在目标运行状态下运行，所述目标运行状态为使所述电子设备在所述当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；

所述控制设备向所述电子设备发送所述目标控制信号；

其中，所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号包括：

所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的目标运行标识，其中，所述目标神经网络模型用于指示特征参数与运行标识的对应关系，运行标识用于唯一标识控制信号；

所述控制设备根据所述目标运行标识确定所述目标控制信号。

2.根据权利要求1所述的方法，其特征在于，在所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号之前，所述方法还包括：

所述控制设备获取样本数据，其中，所述样本数据为已标注了特征参数与控制信号的对应关系的数据；

所述控制设备从所述样本数据中获取训练样本；

所述控制设备通过所述训练样本对初始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述初始神经网络模型为根据特征参数与控制信号的数据特点预先配置的网络模型。

3.根据权利要求2所述的方法，其特征在于，所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型包括：

所述控制设备获取所述训练样本的目标输入参数和目标输出参数，并将所述初始神经网络模型作为当前神经网络模型；

重复执行以下步骤，直至所述当前神经网络模型的输出参数产生的误差小于预设的误差值，得到所述目标神经网络模型：

所述控制设备将所述目标输入参数输入当前神经网络模型，得到当前的输出参数；

所述控制设备根据所述当前的输出参数与所述目标输出参数确定所述当前神经网络模型的当前误差；

所述控制设备判断所述当前误差是否小于预设误差值；

在判断出所述当前误差大于或者等于所述预设误差值的情况下，所述控制设备调整所述当前神经网络模型的模型参数，得到新的当前神经网络模型。

4.根据权利要求2或3所述的方法，其特征在于，在所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型之后，所述方法还包括：

所述控制设备从所述样本数据中获取测试样本；

所述控制设备将所述目标神经网络模型作为待测试的神经网络模型，重复执行以下步骤，直至确定所述待测试的神经网络模型为所述目标神经网络模型：

所述控制设备通过所述测试样本对所述待测试的神经网络模型进行测试，得到测试误差；

所述控制设备判断所述测试误差是否小于预设的测试误差；

在判断出所述测试误差大于或者等于所述预设的测试误差的情况下，所述控制设备重新通过所述训练样本对所述初始神经网络模型进行训练，得到新的待测试的神经网络模型；

在判断出所述测试误差小于所述预设的测试误差的情况下，所述控制设备确定所述待测试的神经网络模型为所述目标神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述控制设备从所述样本数据中获取所述训练样本以及从所述样本数据中获取所述测试样本包括：

所述控制设备根据所述样本数据的特征参数对所述样本数据进行排序；

所述控制设备按照预设的间隔从排序后的所述样本数据中提取第一数据作为所述训练样本；

所述控制设备获取所述样本数据中的第二数据作为所述测试样本，其中，所述第二数据为所述样本数据中除所述训练样本之外的全部数据。