[发明专利]智能设备的控制方法、系统和电子设备

权利要求书

1.一种智能设备的控制方法，其特征在于，包括：

训练阶段，包括：

获取训练数据，所述训练数据为预定时间间隔的一系列时间点的温度数据和湿度数据；

使用基于转换器的编码器模型对所述一系列时间点的温度数据和湿度数据进行上下文编码以获得温度特征向量的序列和湿度特征向量的序列；

构造所述温度特征向量的序列和湿度特征向量的序列的高斯分布的序列，其中，所述高斯分布的序列中各个高斯分布的方差和均值通过基于似然最大化计算原则并使用用于调节数据融合的高斯概率密度值计算对应的温度特征向量和湿度特征向量获得；

对所述高斯分布的序列中各个高斯分布进行离散化处理以获得多个高斯向量；

将所述多个高斯向量进行二维拼接以获得分类特征图；

将所述分类特征图通过分类器以获得分类损失函数值；

基于所述高斯概率密度值计算高斯密度损失函数值；以及

计算所述分类损失函数值和所述高斯密度损失函数值的加权和作为损失函数值来训练所述基于转换器的编码器模型和所述分类器；以及

推断阶段，包括：

获取预定时间间隔的一系列时间点的温度数据和湿度数据；

使用经训练阶段训练完成的所述基于转换器的编码器模型对所述一系列时间点的温度数据和湿度数据进行上下文编码以获得温度特征向量的序列和湿度特征向量的序列；

构造所述温度特征向量的序列和湿度特征向量的序列的高斯分布的序列；

对所述高斯分布的序列中各个高斯分布进行离散化处理以获得多个高斯向量并将所述多个高斯向量进行二维拼接以获得分类特征图；以及

将所述分类特征图通过分类器以获得用于表示当前的温度和湿度是否合理的分类结果。

2.根据权利要求1所述的智能设备的控制方法，其中，使用基于转换器的编码器模型对所述一系列时间点的温度数据和湿度数据进行上下文编码以获得温度特征向量的序列和湿度特征向量的序列，包括：

通过所述编码器模型的嵌入单元将每个所述温度数据转化为一个温度输入向量和将每个所述湿度数据转换为一个湿度输入向量；

将所有的所述温度输入向量和所有的所述湿度输入向量输入所述编码器模型的转换器以获得所述温度特征向量的序列和所述湿度特征向量的序列。

3.根据权利要求2所述的智能设备的控制方法，其中，构造所述温度特征向量的序列和湿度特征向量的序列的高斯分布的序列，包括：

以如下公式计算所述高斯分布的序列中各个高斯分布的均值和方差；

其中1_N＝[1,1,…,1]，且N_i为用于调节数据融合的高斯概率密度值。

4.根据权利要求3所述的智能设备的控制方法，其中，将所述分类特征图通过分类器以获得分类损失函数值，包括：

使用所述分类器的多个全连接层对所述分类特征图进行全连接编码以获得分类特征向量；

将所述分类特征向量输入所述分类器的Softmax分类函数以获得分类结果；以及

计算所述分类结果与真实值之间的交叉熵数值作为所述分类损失函数值。

5.根据权利要求4所述的智能设备的控制方法，其中，基于所述高斯概率密度值计算高斯密度损失函数值，包括：

基于所述高斯概率密度值以如下公式计算所述高斯密度损失函数值；

其中，所述公式为：

6.根据权利要求5所述的智能设备的控制方法，其中，计算所述分类损失函数值和所述高斯密度损失函数值的加权和作为损失函数值来训练所述基于转换器的编码器模型和所述分类器，包括：

在每一轮迭代中，先以所述损失函数值通过梯度下降的反向传播来更新所述编码器模型的参数，以及，后以所述损失函数值通过梯度下降的反向传播来更新所述分类器的参数。