【技术实现步骤摘要】
本专利技术涉及智能家居决策，特别是涉及一种智能家居决策方法、一种智能家居决策装置、一种电子设备以及一种计算机可读存储介质。
技术介绍
1、在多智能设备同时进行响应时，如何处理优先级是比较困难的问题，当前很多智能家居设备都可以根据用户习惯或其他信息来优化模型，使设备能更加符合贴近用户的使用习惯，但是在多个设备的家中，其他智能设备，尤其是用户使用较少的设备往往缺少优化模型的数据，从而无法合理地针对多智能设备场景进行有效决策控制。
2、因此，如何针对智能设备进行控制决策，是本领域技术人员需要克服的技术问题。
技术实现思路
1、本专利技术实施例是提供一种智能家居决策方法、装置、电子设备以及计算机可读存储介质，以解决如何针对智能家居设备进行控制决策的问题。
2、本专利技术实施例公开了一种智能家居决策方法，所述方法应用于本地智能设备，所述本地智能设备配置有对应的云端智能决策助手，所述方法可以包括：
3、获取设备信息和用户信息；
4、建立针对本地智能设备的
【技术保护点】
1.一种智能家居决策方法，其特征在于，所述方法应用于本地智能设备，所述本地智能设备配置有对应的云端智能决策助手，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述本地智能设备为智能照明设备，所述用户信息包括用户位置信息，所述设备信息包括当前时间信息、环境光强度信息和亮度信息，所述将所述设备信息和所述用户信息作为输入信息，采用所述本地学习模型进行训练，得到初始训练数据的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述初始训练数据和所述用户信息生成决策训练数据的步骤包括：
4.根据权利要求1所述的方法，其特
【技术特征摘要】
1.一种智能家居决策方法，其特征在于，所述方法应用于本地智能设备，所述本地智能设备配置有对应的云端智能决策助手，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述本地智能设备为智能照明设备，所述用户信息包括用户位置信息，所述设备信息包括当前时间信息、环境光强度信息和亮度信息，所述将所述设备信息和所述用户信息作为输入信息，采用所述本地学习模型进行训练，得到初始训练数据的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述初始训练数据和所述用户信息生成决策训练数据的步骤包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求2所述的方法，其特征在于，所述智能家居决策结果包括调整照明角度，和/或，调整照明亮度。
6.根据权利要求2所述的方法，其特征在于，所述基于所述用户位置信息、所述当前时间信息、所述初始权重、所述初始偏置和所述环境光强度信息确定初始预测亮度信息的步骤包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述初始预测亮度信息、所述亮度信息、所述初始权重和所述初始偏置，确定针对所述智能照明设备的更新权重和更新偏置的步骤包括：
8.根据权利要求3所述的方法，其特征在于，所述采用多个所述本地智能设备的初始训练数据作为所述云端联合学习模型的输入数据，生成针对所述目标智能设备的决策训练数据的步骤包括：
9.一种智能家居决策方法，其...
【专利技术属性】
技术研发人员：史欣宇，黄鑫，贾巨涛，周凌翔，唐杰，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。