СЕРВЕР ОБУЧЕНИЯ НА ОСНОВЕ ДАННЫХ И СПОСОБ ФОРМИРОВАНИЯ И ИСПОЛЬЗОВАНИЯ ЕГО ОБУЧАЮЩЕЙ МОДЕЛИ Российский патент 2022 года по МПК F24F11/30 G06N20/00 

Описание патента на изобретение RU2772237C2

Область техники, к которой относится изобретение

[1] Раскрытие сущности относится к способу формирования обучающей модели и к серверу обучения на основе данных с использованием сформированной обучающей модели.

Уровень техники

[2] В последние годы, интеллектуальные услуги, которые автоматически распознают данные, такие как голос, изображение, движущееся изображение и текст, с тем чтобы предоставлять информацию, связанную с данными, или услуги, связанные с данными, используются в различных областях техники.

[3] Технология искусственного интеллекта, используемая в интеллектуальных услугах, представляет собой технологию, которая реализует интеллектуальность человеческого уровня. В отличие от существующих интеллектуальных систем на основе правил, технология искусственного интеллекта позволяет машинам выполнять обучение и суждение и становиться интеллектуальными самопроизвольно для машины. Поскольку используется технология искусственного интеллекта, коэффициент распознавания возрастает, и пользователи могут пониматься более точно, так что существующая технология на основе правил постепенно заменяется посредством технологии искусственного интеллекта.

[4] Технология искусственного интеллекта включает в себя технологии на основе машинного обучения и элементов, которые используют машинное обучение.

[5] Машинное обучение представляет собой алгоритмическую технологию, которая самопроизвольно классифицирует/обучает признаки входных данных. Технология на основе элементов представляет собой технологию, которая моделирует такие функции, как распознавание и суждение человеческого мозга, с использованием алгоритмов машинного обучения, и включает в себя такие области техники, как лингвистическое понимание, визуальное понимание, логический вывод/прогнозирование, представление знаний и управление движением.

[6] Варианты применения технологии искусственного интеллекта являются различными следующим образом. Лингвистическое понимание представляет собой технологию для распознавания и применения/обработки естественного языка/символов и включает в себя обработку естественного языка, машинный перевод, диалоговую систему, ответ на запросы, распознавание/синтез речи и т.п. Визуальное понимание представляет собой технологию, чтобы распознавать и обрабатывать объекты, такую как человеческое зрение, и включает в себя распознавание объектов, отслеживание объектов, поиск изображений, человеческое распознавание, понимание сцен, пространственное понимание и улучшение изображений и т.п. Прогнозирование на основе логического вывода представляет собой технологию для суждения и логического вывода и прогнозирования информации и включает в себя логический вывод на основе знаний/вероятности, прогнозирование на основе оптимизации, планирование на основе предпочтений, рекомендацию и т.п. Представление знаний представляет собой технологию для автоматизации информации человеческого опыта в данные знаний и включает в себя конструирование знаний (формирование/классификацию данных), управление знаниями (использование данных) и т.п. Управление движением представляет собой технологию для управления автоматическим вождением транспортного средства и движением робота и включает в себя управление движением (навигацию, столкновение, вождение), функциональное управление (управление поведением) и т.п.

[7] Вышеуказанная информация представляется в качестве исходной информации только для того, чтобы помогать в понимании раскрытия сущности. Не выполняются определения и не выносятся суждения в отношении того, может или нет быть применимым что–либо из вышеуказанного в качестве предшествующего уровня техники относительно раскрытия сущности.

Сущность изобретения

Техническая задача

[8] Примерные варианты осуществления раскрытия сущности преодолевают вышеуказанные недостатки и другие недостатки, не описанные выше. Кроме того, настоящее изобретение не обязательно должно преодолевать недостатки, описанные выше, и примерный вариант осуществления раскрытия сущности может не преодолевать ни одну из проблем, описанных выше.

[9] Раскрытие сущности заключается в том, чтобы задавать температуру кондиционера с использованием технологии искусственного интеллекта.

Решение задачи

[10] Соответственно, раскрытие сущности заключается в том, чтобы обеспечить способ формирования и использования обучающей модели для настройки температуры кондиционера.

[11] Помимо этого, технические предметы раскрытия сущности не ограничены вышеописанными техническими вопросами, и другие технические предметы изобретения, которые не упоминаются, могут ясно пониматься в специалисты в данной области техники, к которым относится раскрытие сущности, из нижеприведенного описания.

[12] В соответствии с аспектом раскрытия сущности, обеспечен сервер обучения на основе данных. Сервер обучения на основе данных включает в себя блок связи, выполненный с возможностью обмениваться данными с внешним устройством, по меньшей мере один процессор, выполненный с возможностью получать заданную температуру, заданную в кондиционере, и текущую температуру кондиционера во время настройки температуры через блок связи и формировать или заменять на новую обучающую модель с использованием заданной температуры и текущей температуры, и блок хранения данных, выполненный с возможностью сохранять сформированную или замененную на новую обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере, в результате формирования или замены на новую обучающей модели.

[13] В соответствии с другим аспектом раскрытия сущности, обеспечен сервер обучения на основе данных. Сервер обучения на основе данных включает в себя блок хранения данных, выполненный с возможностью сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться, в кондиционер, по меньшей мере один процессор, выполненный с возможностью получать текущую температуру кондиционера и вводить текущую температуру в обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере, и блок связи, выполненный с возможностью передавать рекомендованную температуру во внешнее устройство.

[14] В соответствии с другим аспектом раскрытия сущности, обеспечена сетевая система.

Система включает в себя кондиционер и сервер обучающих моделей, выполненный с возможностью формировать обучающую модель с использованием обучающих данных, полученных из кондиционера, при этом кондиционер включает в себя температурный датчик, выполненный с возможностью считывать текущую температуру около кондиционера, вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу на основе заданной температуры, заданной в кондиционере, и блок связи кондиционера, выполненный с возможностью обмениваться данными с внешним устройством, и по меньшей мере один процессор кондиционера, выполненный с возможностью управлять блоком связи кондиционера таким образом, чтобы передавать считываемую текущую температуру и заданную температуру во внешнее устройство, и сервер обучающих моделей включает в себя по меньшей мере один серверный процессор, который получает текущую температуру и заданную температуру и формирует обучающую модель с использованием полученной заданной температуры и текущей температуры, и блок хранения данных, выполненный с возможностью сохранять сформированную обучающую модель, чтобы обеспечивать рекомендованную температуру кондиционера в результате формирования обучающей модели.

[15] В соответствии с другим аспектом раскрытия сущности, обеспечена сетевая система.

Сетевая система включает в себя кондиционер и сервер обучающих моделей, выполненный с возможностью обеспечивать рекомендованную температуру с использованием данных распознавания, полученных из кондиционера, при этом кондиционер включает в себя температурный датчик, выполненный с возможностью считывать текущую температуру кондиционера, вентилятор, выполненный с возможностью выпускать охлаждающий воздух, сформированный из воздухоочистителя наружу, и блок связи кондиционера, передающий текущую температуру в первое внешнее устройство, при этом сервер обучающих моделей включает в себя блок хранения данных, выполненный с возможностью сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру кондиционера, по меньшей мере один серверный процессор, выполненный с возможностью получать текущую температуру и вводить текущую температуру в обучающую модель, чтобы получать рекомендованную температуру кондиционера, и серверный блок связи, выполненный с возможностью передавать рекомендованную температуру во второе внешнее устройство.

[16] В соответствии с другим аспектом раскрытия сущности, обеспечен кондиционер.

Кондиционер включает в себя вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу, температурный датчик, выполненный с возможностью считывать текущую температуру около кондиционера, блок связи, выполненный с возможностью обмениваться данными с внешним устройством, и по меньшей мере один процессор, выполненный с возможностью управлять блоком связи таким образом, чтобы передавать текущую температуру во внешнее устройство, управлять блоком связи таким образом, чтобы принимать рекомендованную температуру, которая представляет собой результат, полученный посредством применения текущей температуры к обучающей модели, из внешнего устройства в зависимости от передачи текущей температуры, и задавать принимаемую рекомендованную температуру в кондиционере, при этом обучающая модель представляет собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере, и множества текущих температур.

[17] В соответствии с другим аспектом раскрытия сущности, обеспечен пользовательский терминал. Пользовательский терминал включает в себя дисплей, выполненный с возможностью отображать экран, блок связи, выполненный с возможностью обмениваться данными с внешним устройством, ввод, выполненный с возможностью принимать пользовательский ввод, и по меньшей мере один процессор, выполненный с возможностью управлять блоком связи таким образом, чтобы передавать сигнал запроса работы искусственного интеллекта, соответствующий UI работы искусственного интеллекта, в кондиционер в ответ на сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта, включенный в экран, который принят через ввод, и управлять дисплеем таким образом, чтобы отображать полученную рекомендованную температуру в ответ на получение рекомендованной температуры, заданной в кондиционере, которая представляет собой результат, полученный посредством применения текущей температуры кондиционера к обучающей модели в зависимости от сигнала запроса работы искусственного интеллекта через блок связи.

[18] В соответствии с другим аспектом раскрытия сущности, обеспечен способ формирования обучающей модели для сервера обучения на основе данных. Способ включает в себя получение заданной температуры, заданной в кондиционере, и текущей температуры кондиционера во время настройки температуры, формирование или замену на новую обучающей модели с использованием заданной температуры и текущей температуры и сохранение сформированной или замененной на новую обучающей модели, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере, в результате формирования или замены на новую обучающей модели.

[19] В соответствии с другим аспектом раскрытия сущности, обеспечен способ использования обучающей модели для сервера обучения на основе данных. Способ включает в себя сохранение обученной обучающей модели, чтобы обеспечивать рекомендованную температуру, которая должна задаваться, в кондиционер, получение текущей температуры кондиционера, ввод текущей температуры в обученную обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере, и передачу рекомендованной температуры во внешнее устройство.

[20] В соответствии с другим аспектом раскрытия сущности, обеспечен способ обеспечения рекомендованной температуры кондиционера. Способ включает в себя считывание текущей температуры кондиционера, передачу считываемой текущей температуры во внешнее устройство, прием рекомендованной температуры, которая представляет собой результат, полученный посредством применения текущей температуры к обучающей модели, из внешнего устройства в зависимости от передачи текущей температуры, и настройку принимаемой рекомендованной температуры в кондиционере, при этом обучающая модель представляет собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере, и множества текущих температур.

[21] В соответствии с другим аспектом раскрытия сущности, обеспечен способ управления контроллером подачи воздуха пользовательского терминала. Способ включает в себя прием сигнала пользовательского ввода, зависящего от пользовательского ввода, выбирающего UI работы искусственного интеллекта, передачу сигнала запроса работы искусственного интеллекта, соответствующего UI работы искусственного интеллекта, в кондиционер, получение рекомендованной температуры, заданной в кондиционере, которая представляет собой результат, полученный посредством применения текущей температуры кондиционера к обучающей модели в зависимости от сигнала запроса работы искусственного интеллекта, и отображение полученной рекомендованной температуры на экране.

[22] В соответствии с другим аспектом раскрытия сущности, обеспечен способ формирования обучающей модели сетевой системы, включающей в себя кондиционер и сервер обучающих моделей. Способ включает в себя прием, посредством кондиционера, пользовательского управляющего сигнала, настраивающего температуру, операцию передачи, посредством кондиционера, заданной температуры и текущей температуры кондиционера во внешнее устройство, формирование, посредством сервера обучающих моделей, обучающей модели с использованием заданной температуры и текущей температуры, и сохранение, посредством сервера обучающих моделей, сформированной обучающей модели, чтобы обеспечивать рекомендованную температуру кондиционера.

[23] В соответствии с другим аспектом раскрытия сущности, обеспечен способ обеспечения рекомендованной температуры в сетевой системе, включающей в себя кондиционер и сервер обучающих моделей. Способ включает в себя передачу, посредством кондиционера, текущей температуры кондиционера во внешнее устройство, получение, посредством сервера обучающих моделей, рекомендованной температуры кондиционера посредством применения текущей температуры к обучающей модели и передачу, посредством кондиционера, рекомендованной температуры во внешнее устройство.

[24] В соответствии с другим аспектом раскрытия сущности, обеспечен способ управления кондиционером сетевой системы, включающей в себя кондиционер и пользовательский терминал. Способ включает в себя прием, посредством пользовательского терминала, сигнала пользовательского ввода, зависящего от пользовательского ввода, выбирающего UI работы искусственного интеллекта, передачу, посредством пользовательского терминала, сигнала запроса работы искусственного интеллекта, соответствующего UI работы искусственного интеллекта в кондиционер, передачу, посредством кондиционера, текущей температуры кондиционера во внешнее устройство, если сигнал запроса работы искусственного интеллекта принимается, прием, посредством кондиционера, рекомендованной температуры, которая представляет собой результат, полученный посредством применения текущей температуры к обучающей модели, из внешнего устройства в зависимости от передачи текущей температуры, и настройку, посредством кондиционера, принимаемой рекомендованной температуры в кондиционере, при этом обучающая модель представляет собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере, и множества текущих температур.

[25] Согласно варианту осуществления раскрытия сущности, поскольку температура, заданная в кондиционере, автоматически рекомендуется с использованием технологии искусственного интеллекта, удобство пользователя, который управляет температурой, может значительно повышаться. В частности, можно предоставлять пользователю самую идеальную рекомендованную температуру для пользователя.

[26] Дополнительно, согласно способу использования обучающей модели раскрытия сущности, обучающая модель может непрерывно обновляться на основе предыстории настроек температуры пользователя, которая задает кондиционер, и производительность обучающей модели может повышаться, так что когда используется обучающая модель согласно раскрытию сущности, самая идеальная рекомендованная температура может предоставляться пользователю.

[27] Таким образом, может формироваться обучающая модель, индивидуально настроенная для каждого из пользователей с использованием кондиционера, и в силу этого может предоставляться оптимальная рекомендованная температура, подходящая для каждого из множества пользователей.

[28] Дополнительно, преимущества, которые могут получаться или ожидаться посредством различных вариантов осуществления раскрытия сущности, должны быть непосредственно или неявно раскрыты в подробном описании раскрытия сущности. Например, различные преимущества, которые могут ожидаться посредством различных вариантов осуществления раскрытия сущности, должны быть раскрыты в подробном описании, которое описывается ниже.

[29] Другие аспекты, преимущества и характерные признаки раскрытия сущности должны становиться очевидными специалистам в данной области техники из нижеприведенного подробного описания, которое, при рассмотрении вместе с прилагаемыми чертежами, раскрывает различные варианты осуществления раскрытия сущности.

Краткое описание чертежей

[30] Вышеуказанные и/или другие аспекты раскрытия сущности должны быть более очевидными посредством описания определенных вариантов осуществления раскрытия сущности со ссылкой на прилагаемые чертежи, на которых:

[31] Фиг. 1A и 1B являются схемами, показывающими сетевую систему для формирования и использования обучающей модели согласно варианту осуществления раскрытия сущности;

[32] Фиг. 2A и 2B являются схемами, показывающими конфигурацию сервера обучения на основе данных согласно варианту осуществления раскрытия сущности;

[33] Фиг. 3A и 3B являются блок–схемами последовательности операций способа в сетевой системе согласно варианту осуществления раскрытия сущности;

[34] Фиг. 4 является таблицей, показывающей пример формирования обучающей модели согласно варианту осуществления раскрытия сущности;

[35] Фиг. 5 является схемой, показывающей пример приложения весового коэффициента к обучающим данным согласно варианту осуществления раскрытия сущности;

[36] Фиг. 6 является схемой, показывающей структуру облачного сервера согласно варианту осуществления раскрытия сущности;

[37] Фиг. 7A и 7B являются схемами, показывающими процедуру формирования обучающей модели согласно варианту осуществления раскрытия сущности;

[38] Фиг. 8 является блок–схемой, показывающей конфигурацию кондиционера согласно варианту осуществления раскрытия сущности;

[39] Фиг. 9 является блок–схемой, показывающей конфигурацию пользовательского терминала U согласно варианту осуществления раскрытия сущности;

[40] Фиг. 10A и 10B являются схемами, показывающими экран пользовательского терминала, на котором отображается рекомендованная температура, согласно варианту осуществления раскрытия сущности;

[41] Фиг. 11 является блок–схемой последовательности операций, показывающей способ формирования обучающей модели для сервера обучения на основе данных согласно варианту осуществления раскрытия сущности;

[42] Фиг. 12 является блок–схемой последовательности операций, показывающей способ использования обучающей модели для сервера обучения на основе данных согласно варианту осуществления раскрытия сущности;

[43] Фиг. 13 является блок–схемой последовательности операций, показывающей способ обеспечения рекомендованной температуры кондиционера согласно варианту осуществления раскрытия сущности;

[44] Фиг. 14 является блок–схемой последовательности операций, показывающей способ управления кондиционером пользовательского терминала согласно варианту осуществления раскрытия сущности; и

[45] Фиг. 15 является блок–схемой последовательности операций способа в сетевой системе, включающей в себя пользовательский терминал и кондиционер согласно варианту осуществления раскрытия сущности.

[46] На всех чертежах, аналогичные номера ссылок должны пониматься как ссылающиеся на аналогичные части, компоненты и структуры.

Оптимальный режим осуществления изобретения

[47] Нижеприведенное описание со ссылкой на прилагаемые чертежи предоставляется для того, чтобы помогать в полном понимании различных вариантов осуществления раскрытия сущности, заданного посредством формулы изобретения и ее эквивалентов. Оно включает в себя различные сведения, чтобы помогать в этом понимании, но они должны рассматриваться просто как примерные. Соответственно, специалисты в данной области техники должны признавать, что различные изменения и модификации различных вариантов осуществления, описанных в данном документе, могут осуществляться без отступления от сущности и объема раскрытия сущности. Помимо этого, описания хорошо известных функций и конструкций могут быть опущены для ясности и краткости.

[48] Выше описывается раскрытие сущности на основе примерного способа. Термины и слова, используемые в данном документе, служат для описания и не ограничены библиографическими смысловыми значениями, а используются автором изобретения просто для того, чтобы обеспечивать ясное и согласованное понимание раскрытия сущности. Раскрытие сущности может модифицироваться и изменяться различными способами согласно вышеуказанному содержимому. Следовательно, если не указано дополнительно, раскрытие сущности может свободно осуществляться на практике в пределах объема формулы изобретения.

[49] Различные варианты осуществления, приведенные в описании изобретения, и конфигурации, показанные на чертежах, представляют собой просто предпочтительные примеры раскрытия сущности раскрытые, и различные модификации, которые могут заменять различные варианты осуществления и чертежи настоящего описания изобретения, могут присутствовать на момент подачи настоящей заявки.

[50] Помимо этого, аналогичные ссылки или символы с номерами каждого чертежа настоящего описания изобретения обозначают части или компоненты, выполняющие практически идентичные функции.

[51] Помимо этого, термины, используемые в настоящем описании изобретения, используются только для того, чтобы описывать конкретный вариант осуществления, вместо ограничения раскрытого раскрытия сущности. Формы единственного числа, используемые в данном документе, имеют намерение включать в себя формы множественного числа, если контекст явно не указывает иное. В этом подробном описании, следует понимать, что термин "содержать" и его варьирования, такие как "содержащий" и "содержит", указывают присутствие признаков, чисел, этапов, операций, компонентов, частей или комбинаций вышеозначенного, описанных в этом подробном описании, но не исключают присутствие или добавление одного или более других признаков, чисел, этапов, операций, компонентов, частей или комбинаций вышеозначенного.

[52] Помимо этого, термины, включающие в себя порядковые числительные, такие как "первый" и "второй", используемые в данном документе, могут использоваться для того, чтобы описывать различные компоненты, но компоненты не ограничены посредством терминов, и термины используются только в целях различения одного компонента от других компонентов. Например, "первый" компонент может называться "вторым" компонентом, и "второй" компонент также может аналогично называться "первым" компонентом, без отступления от объема раскрытия сущности. Термин "и/или" включает в себя комбинацию множества пунктов или любой из множества терминов.

[53] Помимо этого, если любой (например: первый, компонент "(функционально или оперативно) соединяется (connected)" или "соединяется (coupled)" с другим (например: вторым) компонентом, любой компонент может непосредственно соединяться с другим компонентом или может соединяться с другим компонентом через другой компонент (например: третий компонент).

[54] Далее подробно описываются различные варианты осуществления раскрытия сущности со ссылкой на прилагаемые чертежи.

[55] Фиг. 1A и 1B являются схемами, показывающими сетевую систему для формирования и использования обучающей модели согласно варианту осуществления раскрытия сущности.

[56] Ссылаясь на фиг. 1A, сетевая система может включать в себя кондиционер A (Aa или Ab), пользовательский терминал U (Ua или Ub) и облачный сервер C. Кондиционер A может представлять собой прибор для управления температурой или влажностью окружения в помещениях. Кондиционер A может разделяться на настенный, к примеру, кондиционер Aa, и стоящий, к примеру, кондиционер Ab.

[57] Пользовательский терминал U может представлять собой устройство для управления кондиционером A дистанционно. Аналогично пользовательскому терминалу Ua, пользовательский терминал U может представлять собой смартфон, сотовый телефон или планшетный PC, в котором устанавливается приложение (или приложение) для управления кондиционером. Альтернативно, как пользовательский терминал Ub, пользовательский терминал U может представлять собой дистанционный контроллер (или пульт дистанционного управления), выделенный для кондиционера. Помимо этого, пользовательский терминал U может представлять собой интеллектуальный телевизор, цифровую камеру, персональное цифровое устройство (PDA), портативный мультимедийный проигрыватель (PMP), ноутбук, настольный компьютер и т.п., но не ограничен вышеуказанными примерами.

[58] Пользовательский терминал U может управлять кондиционером A дистанционно. Например, пользовательский терминал U может использовать технологии RF–связи, такие как ZigBee, Wi–Fi, технологию Bluetooth, мобильную связь, локальную вычислительную сеть (LAN), глобальную вычислительную сеть (WAN), стандарт Ассоциации по передаче данных в инфракрасном диапазоне (IrDA), UHF и VHF, чтобы передавать команду управления в кондиционер A.

[59] Облачный сервер C может соединяться или непосредственно соединяться с кондиционером A через третье устройство (например, точку доступа (AP), повторитель, маршрутизатор, шлюз, концентратор и т.п.).

[60] Облачный сервер C может включать в себя один или более серверов. Например, облачный сервер C может включать в себя по меньшей мере одно из мостового сервера (bridge server) BS, интеллектуального домашнего сервера SS предоставления услуг и сервера DS обучения на основе данных. В этом случае, два или более из мостового сервера BS, интеллектуального домашнего сервера SS предоставления услуг и сервера DS обучения на основе данных могут интегрироваться в один сервер. Альтернативно, по меньшей мере одно из мостового сервера BS, интеллектуального домашнего сервера SS предоставления услуг и сервера DS обучения на основе данных может разделяться на множество подсерверов.

[61] Мостовой сервер BS (или сервер импорта информации состояния устройства) может импортировать информацию состояния интеллектуальных бытовых приборов (например, кондиционера, стиральной машины, холодильника, пылесоса, печи и т.п.).

[62] Мостовой сервер BS может включать в себя API BS1 подключений и DB BS2 данных состояния устройства.

[63] API BS1 подключений может включать в себя интерфейс прикладного программирования (в дальнейшем в этом документе, называемый "API"), который служит в качестве интерфейса между различными устройствами, работающими в зависимости от гетерогенных протоколов. API может задаваться как набор вложенных процедур или функций, которые могут вызываться из любого протокола для любой обработки другого протокола. Таким образом, API может предоставлять окружение, в котором работа другого протокола может выполняться в любом из протоколов.

[64] Мостовой сервер BS может импортировать информацию состояния кондиционера с использованием API BS1 подключений. Затем мостовой сервер BS может сохранять импортированную информацию состояния кондиционера в DB BS2 данных состояния устройства.

[65] Интеллектуальный домашний сервер SS предоставления услуг (или сервер импорта информации внешнего окружения) может импортировать информацию внешнего окружения. Информация внешнего окружения может включать в себя, например, по меньшей мере одно из наружной температуры и наружной влажности в качестве погодной информации, которую предоставляет внешний сервер CP контента (например, сервер метеорологической станции, сервер предсказания погоды и т.п.).

[66] Сервер DS обучения на основе данных может формировать обучающую модель и получать результаты применения обучающей модели с использованием обученной формирующей модели.

[67] Сервер DS обучения на основе данных включает в себя API DS1 импорта данных, механизм DS2 аналитики данных, аналитическую DB (DS3) и API (DS4) для предоставления услуг передачи данных.

[68] Фиг. 1A показывает сетевую систему, в которой сервер DS обучения на основе данных формирует обучающую модель, и фиг. 1B показывает сетевую систему, в которой используется сформированная обучающая модель сервера DS обучения на основе данных.

[69] Во–первых, в дальнейшем описывается процедура сетевой системы, в которой сервер DS обучения на основе данных формирует обучающую модель, со ссылкой на фиг. 1A.

[70] На этапе 1, кондиционер A может передавать информацию состояния (например, заданную температуру, текущую температуру и т.п.) кондиционера A в облачный сервер C через третье устройство (например, точку AP доступа, повторитель, маршрутизатор, шлюз, концентратор и т.п.). Мостовой сервер BS облачного сервера C может импортировать информацию состояния кондиционера A, передаваемую из кондиционера A с использованием API BS1 подключений, и сохранять импортированную информацию состояния кондиционера A в DB BS2 данных состояния устройства.

[71] Информация состояния кондиционера A может включать в себя заданную температуру, заданную в кондиционере A, и текущую температуру (например, комнатную температуру и температуру окружающей среды) кондиционера во время настройки температуры, в зависимости от требуемой температуры пользователя.

[72] Требуемая температура пользователя, в общем, может быть идентичной заданной температуре, заданной в кондиционере A, но может представлять собой заданную температуру, ступенчато задаваемую посредством кондиционера A до тех пор, пока не достигается требуемая температура.

[73] Помимо этого, текущая температура (либо комнатная температура и температура окружающей среды) во время настройки температуры могут включать в себя, например, по меньшей мере одно из температуры, считываемой посредством кондиционера A во время настройки температуры (например, во время, когда операция пользователя настройки температуры кондиционера A выполняется), температуры, считываемые посредством кондиционера A в пределах определенного времени (например, 10 минут) после настройки температуры, и недавней температуры, которая считывается заранее до настройки температуры и сохраняется.

[74] Информация состояния кондиционера A может включать в себя информацию рабочего режима, заданную в кондиционере A. Рабочий режим может включать в себя, например, интеллектуальный комфортный режим, режим тропического крепкого ночного сна, режим тропического крепкого ночного сна в режиме безветрия, режим двухступенчатого охлаждения и т.п., но не ограничен вышеописанным режимом.

[75] Согласно различным вариантам осуществления, информация времени во время настройки температуры кондиционера A также может сохраняться в DB BS2 данных состояния устройства. Информация времени во время настройки температуры включает в себя, например, по меньшей мере одно из времени работы пользователя, который задает температуру, времени, когда мостовой сервер BS принимает заданную температуру, и времени, когда заданная температура сохраняется в DB BS2 данных состояния устройства.

[76] Согласно различным вариантам осуществления, позиционная информация кондиционера A также может сохраняться в DB BS2 данных состояния устройства. В этом случае, позиционная информация кондиционера A может сохраняться посредством приема во время настройки температуры или сохраняться заранее.

[77] На этапе 2, интеллектуальный домашний сервер SS предоставления услуг может импортировать информацию внешнего окружения (или погодную информацию) каждый предварительно определенный период (например, между 5 минутами и 30 минутами) из обменивающегося данными внешнего сервера CP контента и сохранять импортированную информацию внешнего окружения в DB SS1 погодных данных.

[78] Информация внешнего окружения может включать в себя по меньшей мере одно из температуры вне помещений, влажности вне помещений, концентрации пыли, осадков и количества солнечного света, но не ограничена вышеописанным примером.

[79] На этапах 3 и 3', сервер DS обучения на основе данных может использовать API DS1 импорта данных, чтобы получать информацию состояния кондиционера A, сохраненную в DB BS2 данных состояния устройства мостового сервера BS. Помимо этого, сервер DS обучения на основе данных может использовать API DS1 импорта данных, чтобы получать информацию внешнего окружения, сохраненную в DB SS1 погодных данных интеллектуального домашнего сервера SS предоставления услуг.

[80] В этом случае, информация внешнего окружения представляет собой информацию внешнего окружения во время настройки температуры кондиционера A и может представлять собой информацию, найденную из DB SS1 погодных данных, на основе информации времени во время настройки температуры кондиционера A, сохраненной в DB BS2 данных состояния устройства.

[81] В частности, информация внешнего окружения во время настройки температуры может включать в себя, например, по меньшей мере одну из информации внешнего окружения в то время, когда пользователь задает температуру, информации внешнего окружения в часовом поясе (например, утро/день/вечер или утро/день), в котором пользователь задает температуру, и информации внешнего окружения в месяц или во время года, когда пользователь задает температуру.

[82] Помимо этого, информация внешнего окружения может представлять собой погодную информацию, полученную на основе позиционной информации кондиционера A. Например, информация внешнего окружения может представлять собой погодную информацию, найденную из DB SS1 погодных данных, на основе позиционной информации кондиционера A, сохраненной в DB BS2 данных состояния устройства.

[83] На этапе 4, механизм DS2 аналитики данных сервера DS обучения на основе данных может формировать обучающую модель с использованием полученной информации состояния кондиционера A и информации внешнего окружения в качестве обучающих данных.

[84] Согласно различным вариантам осуществления, механизм DS2 аналитики данных сервера DS обучения на основе данных также может формировать обучающую модель с использованием информации времени во время настройки температуры кондиционера A в качестве обучающих данных.

[85] Помимо этого, механизм DS2 аналитики данных также может формировать множество обучающих моделей для каждого рабочего режима кондиционера A во время настройки температуры кондиционера A.

[86] Например, механизм DS2 аналитики данных может формировать обучающую модель, доступную в интеллектуальном комфортном режиме, обучающую модель, доступную в режиме тропического крепкого ночного сна, обучающую модель, доступную в режиме тропического крепкого ночного сна в режиме безветрия, и обучающую модель, доступную в режиме двухступенчатого охлаждения, соответственно.

[87] Помимо этого, сервер DS обучения на основе данных может выполняться, например, в единицах времени, дня и месяца в качестве периода моделирования, в течение которого сервер DS обучения на основе данных формирует обучающую модель (или обновляет обучающую модель) с использованием обучающих данных, или может выполняться во время формирования события, но период моделирования не ограничен вышеуказанным периодом.

[88] Ниже подробнее описывается процесс для сервера DS обучения на основе данных, чтобы формировать обучающую модель, со ссылкой на фиг. 4, 5 и 7.

[89] На этапе 5, сервер DS обучения на основе данных может сохранять сформированную обучающую модель в аналитической DB DS3. В этом случае, обучающая модель может не представлять собой общую обучающую модель, а может представлять собой обучающую модель, сконфигурированную или сконструированную с возможностью обеспечивать рекомендованную температуру кондиционера A.

[90] Ссылаясь на фиг. 1B, в дальнейшем описывается процедура сетевой системы с использованием обучающей модели, сформированной посредством сервера DS обучения на основе данных.

[91] На этапе 6, кондиционер A может принимать команду управления, запрашивающую выполнение (например, включение AI–режима) функции искусственного интеллекта, из пользовательского терминала U.

[92] На этапе 7, кондиционер A может передавать информацию состояния (например, текущую температуру, рабочий режим и т.п.) кондиционера A в облачный сервер C через третье устройство (например, точку AP доступа). Сервер DS обучения на основе данных облачного сервера C может получать информацию состояния кондиционера A с использованием API DS4 для предоставления услуг передачи данных.

[93] На этапе 8, сервер DS обучения на основе данных может вводить полученную информацию состояния кондиционера A в качестве обученной обучающей модели, чтобы обеспечивать рекомендованную температуру кондиционера A, сохраненную в аналитической DB DS3.

[94] На этапе 9, сервер DS обучения на основе данных может получать рекомендованную температуру кондиционера A в результате применения обучающей модели.

[95] На этапе 10, сервер DS обучения на основе данных может передавать полученную рекомендованную температуру кондиционера A в кондиционер A через третье устройство (например, точку AP доступа). Дополнительно, на этапе 10', сервер DS обучения на основе данных может передавать полученную рекомендованную температуру кондиционера A в пользовательский терминал U.

[96] На этапе 11, кондиционер A, который принимает рекомендованную температуру, может задавать температуру кондиционера A в качестве принимаемой рекомендованной температуры.

[97] Помимо этого, на этапе 12, пользовательский терминал U, принимающий рекомендованную температуру, может отображать принимаемую рекомендованную температуру таким образом, что пользователь может подтверждать принимаемую рекомендованную температуру. Альтернативно, как указано на этапе 12', пользовательский терминал U, принимающий рекомендованную температуру, может отображать визуальную информацию, указывающую то, что предпочтительная рекомендованная температура приспосабливается, по сравнению с предысторией заданной температуры, предварительно определенной пользователем.

[98] Фиг. 2A и 2B являются схемами, показывающими конфигурацию сервера обучения на основе данных согласно варианту осуществления раскрытия сущности.

[99] Сервер DS обучения на основе данных по фиг. 2A является функциональной блок–схемой для формирования обучающей модели, и сервер DS обучения на основе данных по фиг. 2B является функциональной блок–схемой с использованием сформированной обучающей модели.

[100] На фиг. 2A и 2B, сервер DS обучения на основе данных может включать в себя блок 201 связи, блок 202 хранения данных и процессор 203.

[101] Блок 201 связи может выполнять связь с внешним устройством.

[102] Внешнее устройство может включать в себя по меньшей мере одно из внешнего сервера (например, мостового сервера, интеллектуального домашнего сервера предоставления услуг и т.п.) и кондиционера A.

[103] Блок 201 связи может выполнять связь с внешним устройством способом проводной или беспроводной связи. Беспроводная связь может включать в себя, например, сотовую связь, связь ближнего радиуса действия или связь по стандарту глобальной навигационной спутниковой системы (GNSS). Сотовая связь может включать в себя, например, стандарт долгосрочного развития (LTE), усовершенствованный стандарт LTE (LTE–A), множественный доступ с кодовым разделением каналов (CDMA), широкополосный CDMA (WCDMA), универсальную систему мобильной связи (UMTS), стандарт беспроводной широкополосной связи (WiBro), глобальную систему мобильной связи (GSM) и т.п. Связь ближнего радиуса действия может включать в себя, например, стандарт высококачественной беспроводной связи (Wi–Fi), стандарт Wi–Fi Direct, стандарт высококачественной связи в диапазоне видимого света (Li–Fi), технологию Bluetooth, технологию Bluetooth с низким энергопотреблением (BLE), ZigBee, связь ближнего радиуса действия (NFC), магнитную защищенную передачу данных, радиочастотную (RF–) связь и сеть масштаба человеческого тела (BAN). Блок 201 связи также может упоминаться как блок связи.

[104] Сервер DS обучения на основе данных может включать в себя блок 202 хранения данных. Блок 202 хранения данных может сохранять обучающую модель, сформированную посредством сервера DS обучения на основе данных.

[105] Блок 202 хранения данных может включать в себя энергозависимое и/или энергонезависимое запоминающее устройство. Энергозависимое запоминающее устройство может включать в себя, например, оперативное запоминающее устройство (RAM) (например, DRAM, SRAM или SDRAM). Энергонезависимое запоминающее устройство может включать в себя, например, однократно программируемое постоянное запоминающее устройство (OTPROM), программируемое постоянное запоминающее устройство (PROM), стираемое программируемое постоянное запоминающее устройство (EPROM), электрически стираемое программируемое постоянное запоминающее устройство (EEPROM), ROM с маскированием, флэш–ROM, флэш–память, накопитель на жестких дисках или полупроводниковый накопитель (SSD).

[106] Процессор 203 может включать в себя одно или более из центрального процессора, процессора приложений, графического процессора (GPU), процессора сигналов снятых камерой изображений и процессора связи (CP). Согласно варианту осуществления, процессор 203 может реализовываться как система на кристалле (SoC) или система в одном корпусе (SiP). Процессор 203 может направлять, например, операционную систему или прикладную программу с возможностью управлять по меньшей мере еще одним компонентом (например, аппаратным или программным компонентом) сервера (DS) обучения на основе данных, соединенного с процессором 203, и может выполнять различную обработку и операции с данными. Процессор 203 может загружать команду или данные, принимаемые из других компонентов (например, блока 201 связи) в энергозависимом запоминающем устройстве, и обрабатывать загруженную команду или данные и может сохранять результирующие данные в энергонезависимом запоминающем устройстве.

[107] Фиг. 2A и 2B являются схемами, показывающими конфигурацию сервера обучения на основе данных согласно варианту осуществления раскрытия сущности.

[108] Сервер DS обучения на основе данных по фиг. 2A является функциональной блок–схемой для формирования обучающей модели, и сервер DS обучения на основе данных по фиг. 2B является функциональной блок–схемой с использованием сформированной обучающей модели.

[109] Ссылаясь на фиг. 2A и 2B, сервер DS обучения на основе данных может включать в себя блок 201 связи, блок 202 хранения данных и процессор 203.

[110] Блок 201 связи может выполнять связь с внешним устройством.

[111] Внешнее устройство может включать в себя по меньшей мере одно из внешнего сервера (например, мостового сервера, интеллектуального домашнего сервера предоставления услуг и т.п.) и кондиционера A.

[112] Блок 201 связи может выполнять связь с внешним устройством способом проводной или беспроводной связи. Беспроводная связь может включать в себя, например, сотовую связь, связь ближнего радиуса действия или связь по стандарту глобальной навигационной спутниковой системы (GNSS). Блок сотовой связи может включать в себя, например, стандарт долгосрочного развития (LTE), усовершенствованный стандарт LTE (LTE–A), множественный доступ с кодовым разделением каналов (CDMA), широкополосный CDMA (WCDMA), универсальную систему мобильной связи (UMTS), стандарт беспроводной широкополосной связи (WiBro), глобальную систему мобильной связи (GSM) и т.п. Связь ближнего радиуса действия может включать в себя, например, стандарт высококачественной беспроводной связи (Wi–Fi), стандарт Wi–Fi Direct, стандарт высококачественной связи в диапазоне видимого света (Li–Fi), технологию Bluetooth, технологию Bluetooth с низким энергопотреблением (BLE), ZigBee, связь ближнего радиуса действия (NFC), магнитную защищенную передачу данных, радиочастотную (RF–) связь и сеть масштаба человеческого тела (BAN).

[113] Сервер DS обучения на основе данных может включать в себя блок 202 хранения данных. Блок 202 хранения данных может сохранять обучающую модель, сформированную посредством сервера DS обучения на основе данных.

[114] Блок 202 хранения данных может включать в себя энергозависимое или энергонезависимое запоминающее устройство. Энергозависимое запоминающее устройство может включать в себя, например, оперативное запоминающее устройство (RAM) (например, DRAM, SRAM или SDRAM). Энергонезависимое запоминающее устройство может включать в себя, например, однократно программируемое постоянное запоминающее устройство (OTPROM), программируемое постоянное запоминающее устройство (PROM), стираемое программируемое постоянное запоминающее устройство (EPROM), электрически стираемое программируемое постоянное запоминающее устройство (EEPROM), ROM с маскированием, флэш–ROM, флэш–память, накопитель на жестких дисках или полупроводниковый накопитель (SSD).

[115] Процессор 203 может включать в себя одно или более из центрального процессора, процессора приложений, графического процессора (GPU), процессора сигналов снятых камерой изображений и процессора связи (CP). Согласно варианту осуществления, процессор 203 может реализовываться как система на кристалле (SoC) или система в одном корпусе (SiP). Процессор 203 может направлять, например, операционную систему или прикладную программу с возможностью управлять по меньшей мере еще одним компонентом (например, аппаратным или программным компонентом) сервера (DS) обучения на основе данных, соединенного с процессором 203, и может выполнять различную обработку и операции с данными. Процессор 203 может загружать команду или данные, принимаемые из других компонентов (например, блока 201 связи) в энергозависимом запоминающем устройстве, и обрабатывать загруженную команду или данные и может сохранять результирующие данные в энергонезависимом запоминающем устройстве.

[116] Процессор 203 по фиг. 2A может описываться как функциональная блок–схема для формирования обучающей модели.

[117] На фиг. 2A, процессор 203 может включать в себя блок 203a получения обучающих данных и блок 203b обучения на основе моделей.

[118] Блок 203a получения обучающих данных может получать заданную температуру, заданную в кондиционере A, и текущую температуру кондиционера A во время настройки температуры через блок 201 связи. Например, блок 203a получения обучающих данных может получать заданную температуру и текущую температуру из мостового сервера BS, функционально соединенного с кондиционером A. Альтернативно, блок 203a получения обучающих данных также может получать заданную температуру и текущую температуру из кондиционера A или третьего устройства, функционально соединенного с кондиционером A.

[119] Помимо этого, блок 203a получения обучающих данных дополнительно может получать информацию внешнего окружения через блок 201 связи. Информация внешнего окружения может включать в себя по меньшей мере одно из наружной температуры и наружной влажности. Например, блок 203a получения обучающих данных может получать информацию внешнего окружения из интеллектуального домашнего сервера SS предоставления услуг, функционально соединенного с внешним сервером CP предоставления контента.

[120] Блок 203b обучения на основе моделей может формировать или обновлять обучающую модель с использованием полученной заданной температуры и текущей температуры. Когда блок 203a получения обучающих данных дополнительно получает информацию внешнего окружения, блок 203b обучения на основе моделей может формировать или обновлять обучающую модель с использованием заданной температуры, текущей температуры и информации внешнего окружения. Помимо этого, когда блок 203a получения обучающих данных дополнительно получает информацию времени во время настройки температуры кондиционера A, блок 203b обучения на основе моделей может формировать или обновлять обучающую модель с использованием заданной температуры, текущей температуры и информации времени.

[121] Блок 202 хранения данных может сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере, в качестве результата формирования или обновления обучающей модели.

[122] С другой стороны, когда блок 203b обучения на основе моделей формирует или обновляет множество обучающих моделей для каждого рабочего режима кондиционера A, блок 202 хранения данных может сохранять множество обучающих моделей, соответственно.

[123] Процессор 203 по фиг. 2B может описываться как функциональная блок–схема для использования обучающей модели.

[124] На фиг. 2B, процессор 203 может включать в себя блок 203c получения данных распознавания и блок 203d применения моделей. В этом случае, блок 202 хранения данных может сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере A.

[125] На фиг. 2B, блок 203c получения данных распознавания может получать текущую температуру кондиционера A.

[126] Блок 203d применения моделей может вводить полученную текущую температуру в обучающую модель блока 202 хранения данных и получать рекомендованную температуру, которая должна задаваться в кондиционере A.

[127] Когда блок 203c получения данных распознавания дополнительно получает информацию внешнего окружения, блок 203d применения моделей может вводить текущую температуру и информацию внешнего окружения в обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере A.

[128] Помимо этого, когда блок 202 хранения данных сохраняет множество обучающих моделей для каждого рабочего режима кондиционера A, блок 203d применения моделей может задавать текущую температуру для обучающей модели, соответствующей текущему рабочему режиму кондиционера A, чтобы получать возобновленную температуру кондиционера A.

[129] Блок 201 связи может передавать полученную рекомендованную температуру во внешнее устройство. Внешнее устройство, например, может представлять собой кондиционер A или третье устройство, функционально соединенное с кондиционером A.

[130] Фиг. 3A и 3B являются блок–схемами последовательности операций способа в сетевой системе согласно варианту осуществления раскрытия сущности.

[131] Блок–схема последовательности операций способа в сетевой системе показывает процедуру обмена потоками данных между кондиционером A, пользовательским терминалом U и облачным сервером C.

[132] Ссылаясь на фиг. 3A и 3B, блок–схема последовательности операций способа в сетевой системе может включать в себя процедуру 351 импорта данных для импорта обучающих данных, процедуру 352 формирования модели данных на основе обучающих данных, процедуру 353 управления функцией искусственного интеллекта и процедуру 354 настройки предпочтительных режимов для каждой функции.

[133] На фиг. 3A, кондиционер A может включать в себя микрокомпьютер 301 и модуль 302 связи ближнего радиуса действия (например, Wi–Fi–модуль). Микрокомпьютер 301 соответствует процессору 203 фиг. 2A и 2B, и модуль 302 связи ближнего радиуса действия может соответствовать блоку 201 связи фиг. 2A и 2B. Кондиционер A может обмениваться данными с пользовательским терминалом U и облачным сервером C через сеть с использованием модуля 302 связи ближнего радиуса действия. Помимо этого, кондиционер A может принимать рекомендованную температуру, рекомендованную посредством облачного сервера C, через API–вызов, связанный с модулем 302 связи ближнего радиуса действия, и задавать температуру кондиционера A в зависимости от рекомендованной температуры.

[134] Пользовательский терминал U может включать в себя мобильное приложение 303 (или мобильное приложение). Мобильное приложение 303 может задавать функцию искусственного интеллекта и рабочий режим кондиционера A и выполнять функцию отображения рекомендованной температуры, обеспеченной посредством облачного сервера C, на пользовательском терминале U.

[135] Облачный сервер C может включать в себя мостовой сервер BS, DB–сервер (304) и сервер DS обучения на основе данных. DB–сервер 304 может составлять часть мостового сервера BS или третьего сервера, физически отделенного от мостового сервера BS.

[136] Во–первых, на этапе 311, пользовательский терминал U может принимать пользовательский ввод, чтобы изменять (или задавать) требуемую температуру через мобильное приложение 303. Мобильное приложение 303, например, может представлять собой приложение, обеспечивающее пользовательский интерфейс для управления кондиционером A.

[137] На этапе 312, в зависимости от ввода пользователя, пользовательский терминал U может передавать команду управления в микрокомпьютер 301 через модуль 302 связи ближнего радиуса действия, чтобы настраивать кондиционер A на требуемую температуру.

[138] Альтернативно, на этапе 311', пользователь может изменять требуемую температуру через устройство Ub дистанционного управления. На этапе 312', устройство Ub дистанционного управления может передавать команду управления для настройки кондиционера A на требуемую температуру в микрокомпьютер 301 согласно вводу для изменения пользователя.

[139] На этапе 313, микрокомпьютер 301 кондиционера A может формировать событие изменения требуемой температуры в ответ на запрос на изменение требуемой температуры пользователя и передавать сформированное событие изменения требуемой температуры в мостовой сервер BS через модуль 302 связи ближнего радиуса действия. В это время, событие изменения требуемой температуры может включать в себя данные событий. Данные событий могут включать в себя, например, информацию состояния кондиционера A. Информация состояния кондиционера A может включать в себя требуемую температуру (или заданную температуру) и текущую температуру во время настройки требуемой температуры.

[140] Помимо этого, данные событий могут включать в себя, например, информацию рабочего режима и информацию времени кондиционера A. Информация рабочего режима может включать в себя, например, информацию, указывающую рабочий режим кондиционера A во время приема команды управления пользователя или рабочий режим кондиционера A во время формирования события изменения требуемой температуры. Информация времени может включать в себя, например, информацию относительно времени, когда пользователь принимает команду управления, или информацию относительно времени, когда формируется событие изменения требуемой температуры.

[141] На этапе 314, мостовой сервер BS может передавать данные событий на DB–сервер 304. На этапе 315, DB–сервер 304 может сохранять принимаемые данные событий.

[142] На этапе 316, DB–сервер 304 может передавать сохраненные данные событий на сервер DS обучения на основе данных с регулярными периодами. Например, DB–сервер 304 может передавать данные событий ежедневно в форме ежедневного пакетного файла. В это время, ежедневный пакетный файл может включать в себя множество данных событий. Например, когда запрос на изменение требуемой температуры пользователя формируется несколько раз в день, могут формироваться множество данных событий, которые в свою очередь сохраняются на DB–сервере 304. Множество сформированных данных событий могут передаваться на сервер DS обучения на основе данных посредством включения в ежедневный пакетный файл.

[143] На этапе 317, сервер DS обучения на основе данных может формировать обучающую модель с использованием принимаемых данных событий в качестве обучающих данных. Например, сервер DS обучения на основе данных может формировать обучающую модель с использованием по меньшей мере одного из заданной температуры кондиционера A, текущей температуры, информации внешнего окружения, информации рабочего режима и информации времени.

[144] В ситуации, в которой обучающая модель сформирована, как указано на этапе 318, пользовательский терминал U может принимать пользовательский ввод, который включает функцию искусственного интеллекта кондиционера A. Частичный экран 318a показывает часть экрана пользовательского терминала U, включающую в себя пользовательский интерфейс для включения функции искусственного интеллекта. На частичном экране 318a, пользовательский терминал U может принимать пользовательский ввод, который выбирает объект 318b выполнения "индивидуально настроенной AI–операции", чтобы включать AI–функцию.

[145] На этапе 319, в зависимости от пользовательского ввода, пользовательский терминал U может передавать команду активации функции искусственного интеллекта в микрокомпьютер 301 через модуль 302 связи ближнего радиуса действия, чтобы включать AI–функцию кондиционера A.

[146] На основе команды активации функции искусственного интеллекта, микрокомпьютер 301 может передавать информацию состояния устройства, указывающую то, что функция искусственного интеллекта кондиционера A активируется, в пользовательский терминал U через модуль 302 связи ближнего радиуса действия, как указано на этапе 320. В этом случае, информация состояния кондиционера A может передаваться посредством включения в событие уведомления.

[147] Альтернативно, как указано на этапе 321, пользовательский терминал U может передавать команду запроса на информацию устройства, запрашивающую информацию состояния кондиционера A, в микрокомпьютер 301 через модуль 302 связи ближнего радиуса действия. Команда запроса на информацию устройства может передаваться посредством включения, например, в сообщение GET DEVICE.

[148] На основе команды запроса на информацию устройства, микрокомпьютер 301 может передавать ответ по информации устройства в пользовательский терминал U через модуль 302 связи ближнего радиуса действия, как указано на этапе 322. В этом случае, ответ по информации устройства может включать в себя информацию задания искусственного интеллекта, указывающую то, что функция искусственного интеллекта кондиционера A задается с возможностью включаться, в качестве информации состояния кондиционера A.

[149] Таким образом, посредством рассмотрения ситуации, когда предусмотрено множество пользовательских терминалов U для управления функцией искусственного интеллекта кондиционера A, кондиционер A может уведомлять пользовательский терминал U в отношении того, активируется функция искусственного интеллекта кондиционера A периодически или при формировании события.

[150] В связи с этим, когда функция искусственного интеллекта кондиционера A активируется, пользовательский терминал U может принимать пользовательский ввод для настройки рабочего режима.

[151] Ссылаясь на фиг. 3B, на этапе 323, пользовательский терминал U может принимать пользовательский ввод, запрашивающий выполнение интеллектуального комфортного режима.

[152] На этапе 324, в зависимости от ввода пользователя, пользовательский терминал U может передавать команду интеллектуального управления комфортом в микрокомпьютер 301 через модуль 302 связи ближнего радиуса действия, чтобы выполнять интеллектуальный комфортный режим кондиционера A.

[153] На основе команды интеллектуального управления комфортом, микрокомпьютер 301 может передавать команду запроса на рекомендованную температуру (или предпочтительную температуру) на сервер DS обучения на основе данных через модуль 302 связи ближнего радиуса действия, как указано на этапе 325. В это время, команда запроса на рекомендованную температуру может включать в себя, например, текущую температуру кондиционера A в качестве информации состояния кондиционера A. Альтернативно, команда запроса на рекомендованную температуру дополнительно может включать в себя по меньшей мере одно из информации рабочего режима, указывающей текущий рабочий режим, и позиционной информации кондиционера A.

[154] На этапе 326, сервер DS обучения на основе данных может получать рекомендованную температуру кондиционера A в результате применения обучающей модели информации состояния кондиционера A. Таким образом, сервер DS обучения на основе данных может вводить информацию состояния кондиционера A в обучающую модель, сохраненную на сервере DS обучения на основе данных, чтобы получать рекомендованную температуру кондиционера A.

[155] В этом случае, сервер DS обучения на основе данных может применять информацию состояния кондиционера A к обучающей модели, соответствующей рабочему режиму кондиционера A, на основе информации рабочего режима кондиционера A, чтобы получать рекомендованную температуру кондиционера A. В варианте осуществления, сервер DS обучения на основе данных может получать рекомендованную температуру кондиционера A посредством применения информации состояния кондиционера A к обучающей модели, соответствующей интеллектуальному комфортному режиму.

[156] После того, как рекомендованная температура получается, на этапе 327, сервер DS обучения на основе данных может передавать полученную рекомендованную температуру в микрокомпьютер 301 через модуль 302 связи ближнего радиуса действия.

[157] На этапе 328, микрокомпьютер 301, принимающий рекомендованную температуру, может изменять рекомендованную температуру на заданную температуру. Затем микрокомпьютер 301 может управлять кондиционером A в зависимости от измененной заданной температуры.

[158] С другой стороны, если отсутствует ответ из сервера DS обучения на основе данных в течение предварительно определенного времени (например, 30 секунд) 329 после того, как микрокомпьютер 301 запрашивает рекомендованную температуру на сервер DS обучения на основе данных, на этапе 330, микрокомпьютер 301 может поддерживать существующую заданную температуру. Существующая заданная температура, например, может представлять собой предварительно определенную температуру перед пользовательским вводом для запроса выполнения интеллектуального комфортного режима, предварительно определенную температуру, соответствующую текущему рабочему режиму (например, интеллектуальному комфортному режиму), и т.п.

[159] Фиг. 4 является таблицей, показывающей пример формирования обучающей модели согласно варианту осуществления раскрытия сущности.

[160] Ссылаясь на фиг. 4, сервер DS обучения на основе данных может выполнять процедуру 404 обучения с использованием различных обучающих данных 403 в зависимости от типа 401 кондиционера A и режима 402 кондиционера A. Например, тип 401 кондиционера A может включать в себя тип напольного кондиционера (FAC) (или стоящего кондиционера) и тип комнатного кондиционера (RAC) (настенного кондиционера). В этом случае, сервер DS обучения на основе данных может формировать обучающие модели, соответствующие каждому из интеллектуального комфортного режима, режима тропического крепкого ночного сна и режима тропического крепкого ночного сна в режиме безветрия, в качестве рабочего режима напольного кондиционера. Помимо этого, сервер DS обучения на основе данных может формировать обучающие модели, соответствующие каждому из режима двухступенчатого охлаждения, режима тропического крепкого ночного сна и режима тропического крепкого ночного сна в режиме безветрия, в качестве рабочего режима комнатного кондиционера.

[161] Если каждая обучающая модель согласно процедуре 404 обучения с учетом типа 401 кондиционера A и режима 402 кондиционера A формируется, сервер DS обучения на основе данных может использовать обучающую модель, чтобы получать рекомендованную температуру. В этом случае, рекомендованная температура может получаться с учетом диапазона 405 настроек для каждого рабочего режима. Например, когда рекомендованная температура, полученная посредством сервера DS обучения на основе данных, находится за пределами диапазона 405 настроек, температура в диапазоне 405 настроек, ближайшая к рекомендованной температуре, может определяться в качестве конечной рекомендованной температуры.

[162] При описании примера процедуры формирования обучающей модели в интеллектуальном комфортном режиме 411 со ссылкой на фиг. 4, может использоваться температура в помещениях (или текущая температура) и требуемая температура (или заданная температура). В этом случае, комнатная температура может представлять собой комнатную температуру, измеряемую во время изменения требуемой температуры. Помимо этого, в качестве обучающих данных, могут использоваться данные, импортированные в течение конкретного периода времени. Конкретный период времени, например, может представлять собой данные, импортированные в конкретном году, в конкретный месяц или в конкретное время года. Конкретные данные могут представлять собой данные, импортированные на основе информации предыстории настроек температуры кондиционера неуказанных пользователей, которые используют продукты, идентичные или аналогичные кондиционеру A, а также пользователя кондиционера A. В это время, неуказанные пользователи могут быть ограничены, например, пользователем в идентичной или аналогичной области или идентичном или аналогичном окружении с кондиционером A.

[163] В интеллектуальном комфортном режиме 411, сервер DS обучения на основе данных может использовать текущую температуру (или комнатную температуру), наружную температуру, наружную влажность и требуемую температуру в качестве обучающих данных.

[164] Помимо этого, сервер DS обучения на основе данных может использовать информацию внешнего окружения на основе локальной информации кондиционера A в качестве обучающих данных. С другой стороны, когда сервер DS обучения на основе данных может не подтверждать локальную информацию кондиционера A, сервер обучения на основе данных может формировать, обучать и заменять на новую обучающую модель с использованием текущей температуры и требуемой температуры в качестве обучающих данных.

[165] Сервер DS обучения на основе данных может получать рекомендованную температуру, которая должна задаваться в кондиционере, посредством использования сформированных, обученных и замененных на новые обучающих моделей.

[166] В этом случае, если полученная рекомендованная температура находится за пределами диапазона настроек в 22–26°C, сервер DS обучения на основе данных может определять конечную рекомендованную температуру с учетом диапазона настроек.

[167] Например, если рекомендованная температура, полученная с использованием обучающей модели, меньше 22°C, сервер DS обучения на основе данных может определять рекомендованную температуру как равную 22°C. Помимо этого, если рекомендованная температура, полученная с использованием обучающей модели, выше или равна 26°C, сервер DS обучения на основе данных может определять рекомендованную температуру как равную 26°C.

[168] Согласно различным вариантам осуществления, при формировании обучающей модели, сервер DS обучения на основе данных дополнительно может назначать весовой коэффициент обучающим данным, недавно импортированным, чтобы формировать обучающую модель.

[169] Фиг. 5 является схемой, показывающей пример приложения весового коэффициента к обучающим данным согласно варианту осуществления раскрытия сущности.

[170] Ссылаясь на фиг. 5, сервер DS обучения на основе данных может по–разному назначать весовые коэффициенты обучающим данным, импортированным в течение 1 дня, 2 дней и 3 дней, соответственно, как 501, 502 и 503 на фиг. 5.

[171] Например, на 501 по фиг. 5, сервер DS обучения на основе данных может назначать весовой коэффициент в 0,8 всем данным (например, данным, импортированным от неуказанных пользователей) за прошлый год и назначать весовой коэффициент в 0,2 персональным данным пользователя (требуемой температуре и текущей температуре пользователя и т.п.) кондиционера A, которые импортируются в первый день. Аналогично, на 502 по фиг. 5, сервер DS обучения на основе данных может назначать весовой коэффициент в 0,8 всем данным за прошлый год и персональным данным пользователя кондиционера A, которые импортируются в первый день, и весовой коэффициент в 0,2 персональным данным пользователя кондиционера A, которые импортируются во второй день. Помимо этого, на 503 по фиг. 5, сервер DS обучения на основе данных может назначать весовой коэффициент в 0,8 всем данным за прошлый год и персональным данным пользователя кондиционера A, которые импортируются в первый день и второй день, и весовой коэффициент в 0,2 персональным данным пользователя, которые импортируются в третий день.

[172] С другой стороны, вышеуказанное значение весового коэффициента представляет собой только пример, и сервер DS обучения на основе данных может быть предварительно установлен согласно различным значениям посредством изготовителя, диспетчера, операционной системы, поставщика приложений и т.п. для сервера DS обучения на основе данных. Например, на фиг. 5, вместо весового коэффициента в 0,8 и весового коэффициента в 0,2, могут использоваться весовой коэффициент в 0,9 и весовой коэффициент в 0,1. В качестве другого примера, на фиг. 5, вместо весового коэффициента в 0,8 и весового коэффициента в 0,2, могут использоваться весовой коэффициент в 0,7 и весовой коэффициент в 0,3.

[173] С другой стороны, вышеуказанный весовой коэффициент может представлять собой тип переменной, который изменяется в зависимости от ситуации, а не предварительно определенный фиксированный тип.

[174] В этом случае, весовой коэффициент может изменяться вручную администратором сервера DS обучения на основе данных, пользователем кондиционера и т.п. либо может автоматически изменяться в зависимости от конкретного условия. Например, по мере того, как общий объем импортированных обучающих данных увеличивается, весовой коэффициент последних импортированных персональных данных также может увеличиваться, соответственно.

[175] Фиг. 6 является схемой, показывающей структуру облачного сервера согласно варианту осуществления раскрытия сущности.

[176] Облачный сервер C может включать в себя блок 601 пакетной обработки, блок 602 сбора данных поставщиков контента (CP), блок 603 создания CSV–формата, блок 604 создания моделей и API 605 сервера обеспечения температуры для обучения. Компоненты 601–604 облачного сервера C, описанного выше, используют и обрабатывают данные, сохраненные в блоке хранения данных (или базе данных) облачного сервера C, чтобы формировать рекомендованную температуру, подходящую для кондиционера A.

[177] Во–первых, облачный сервер C может сохранять, в блоке 651 хранения состояний устройства, данные состояния устройства, включающие в себя информацию состояния кондиционера A, полученную в зависимости от формирования события изменения состояния кондиционера A. Блок 651 хранения состояний устройства может соответствовать, например, DB BS2 данных состояния устройства фиг. 1A и 1B. Облачный сервер C может получать информацию состояния, сохраненную в блоке 651 хранения состояний устройства, каждый предварительно определенный период (например, каждый день), и сохраняет необработанные данные, сформированные в зависимости от определенного критерия (например, по дате), в блоке 652 хранения объектов.

[178] Блок 601 пакетной обработки облачного сервера C может получать и фильтровать данные строк в блоке 652 хранения объектов и сохранять фильтрованные данные в DB 653 данных распределенного окружения (например, Not Only SQL DB, NoSQL DB). Фильтрованные данные, например, могут представлять собой данные, включающие в себя данные состояния устройства кондиционера A или информацию состояния, извлеченную из метаданных.

[179] Помимо этого, блок 602 сбора CP–данных может сохранять погодные данные, включающую в себя погодную информацию, импортированную из внешнего сервера CP контента, в блоке 654 хранения объектов.

[180] Блок 603 создания CSV–формата облачного сервера C уточняет данные, полученные из DB 653 данных распределенного окружения объектов и блока 654 хранения объектов, чтобы формировать данные конкретного формата (например, CSV–формата), подходящего для формирования обучающей модели, и сохранять сформированные данные в блоке 655 хранения объектов.

[181] Блок 604 создания моделей может получать данные конкретного формата из блока 655 хранения объектов, формировать обучающую модель с использованием данных и сохранять сформированную обучающую модель в блоке 656 хранения объектов.

[182] Облачный сервер C может временно сохранять обучающую модель, сохраненную в блоке 655 хранения объектов, в кэше 657, который представляет собой высокоскоростное запоминающее устройство, когда требуется использование обучающей модели.

[183] В ситуации, в которой использование обучающей модели требуется, API 605 обеспечения рекомендованной температуры облачного сервера C может получать рекомендованную температуру кондиционера A посредством использования обучающей модели, сохраненной в кэше 657.

[184] Облачный сервер C может передавать рекомендованную температуру, полученную через API 605 обеспечения полученной рекомендованной температуры, в мобильные приложения кондиционера A и пользовательского терминала U.

[185] Между тем, на фиг. 6, для удобства пояснения, блоки 652, 654, 655 и 656 хранения объектов обозначаются посредством различных ссылок с номерами, но блоки 652, 654, 655 и 656 хранения объектов могут обозначать идентичный блок хранения объектов или могут означать два или более распределенных блока хранения объектов.

[186] Фиг. 7A и 7B являются схемами, показывающими процедуру формирования обучающей модели согласно варианту осуществления раскрытия сущности.

[187] Обучающая модель может формироваться с использованием алгоритма на основе искусственного интеллекта. Например, обучающая модель может формироваться с использованием алгоритма на основе дерева решений, алгоритма на основе метода опорных векторов, алгоритма линейного дискриминационного анализа, генетического алгоритма или нейронного сетевого алгоритма, который моделирует нейроны в человеческой нейронной сети. Нейронный сетевой алгоритм может включать в себя множество сетевых узлов, имеющих весовые коэффициенты. Множество сетевых узлов могут устанавливать взаимосвязь соединений таким образом, что нейроны моделируют синаптическую активность передачи и приема сигналов через синапсы. Кроме того, обучающая модель может формироваться с использованием алгоритма глубокого обучения, разработанного в нейронном сетевом алгоритме. В алгоритме глубокого обучения, множество сетевых узлов могут передавать и принимать данные в зависимости от сверточной взаимосвязи соединений при расположении на различных глубинах (или слоях). Обучающая модель может включать в себя такие модели, как глубокая нейронная сеть (DNN), рекуррентная нейронная сеть (RNN) и двунаправленная рекуррентная глубокая нейронная сеть (BRDNN) могут предоставляться, но не ограничены вышеуказанным примером.

[188] Для удобства описания, раскрытие сущности описывает способ обеспечения рекомендованной температуры с использованием линейной регрессии в качестве алгоритма, используемого для формирования обучающей модели.

[189] Сервер DS обучения на основе данных может извлекать обучающую модель, к примеру, следующее уравнение 1 согласно алгоритму линейной регрессии.

[190] y=a0+a1×1+a2×2+a3×3... уравнение 1

[191] В вышеприведенном уравнении 1, y является переменной, связанной с заданной температурой, заданной в кондиционере A, и a0, a1, a2 и a3 являются постоянными значениями. Помимо этого, x1 является переменной, связанной с текущей температурой, x2 является переменной, связанной с температурой вне помещений, и x3 является переменной, связанной с влажностью вне помещений.

[192] Чтобы упрощать понимание, обучающая модель в случае, в котором число обучающих переменных (или обучающих элементов) в вышеприведенном уравнении 1 равно двум, выражается посредством следующего уравнения 2.

[193] y=a0+a1×1... уравнение 2

[194] В этом случае, таблица по фиг. 7A показывает заданную температуру 712 (например, температуру настройки пользователя) в зависимости от текущей температуры 711 (или температуры окружающей среды, комнатной температуры) кондиционера.

[195] На основе алгоритма линейной регрессии, сервер DS обучения на основе данных может извлекать обучающую модель, которая является выражением для вычисления, которое выражает взаимосвязь заданной температуры 712 в зависимости от текущей температуры 711.

[196] Это показано на графике, показанном на фиг. 7B.

[197] Ссылаясь на фиг. 7B, текущая температура 711 и заданная температура 712 на фиг. 7A могут соответствовать метке X на графике, когда они проиллюстрированы на осях X и Y.

[198] В этом случае, линия 721 линейной регрессии с использованием алгоритма линейной регрессии может получаться таким образом, что сумма ошибок множества маркеров X является небольшой. Таким образом, в вышеприведенном уравнении 2, могут вычисляться постоянные значения a0 и a1, имеющие наименьшую разность между заданной температурой 712 кондиционера A и прогнозированной температурой.

[199] Пример линейной регрессионной модели, которая отражает вычисленное постоянное значение, является следующим.

[200] y=29,91840623+(–0,3717125) x1... уравнение 3

[201] Соответственно, модель DS обучения на основе данных может обеспечивать для кондиционера A рекомендованную температуру согласно команде запроса на рекомендованную температуру кондиционера A на основе следующего уравнения 3.

[202] Например, когда текущая комнатная температура около кондиционера A составляет 26°C, рекомендованная температура, обеспеченная посредством использования обучающей модели вышеприведенного уравнения 3, может составлять 19°C.

[203] Согласно различным вариантам осуществления, обучающая модель может непрерывно заменяться на новую (или обновляться).

[204] С этой целью, сервер DS обучения на основе данных дополнительно может включать в себя блок замены на новые моделей (не показан). Блок замены на новые моделей может определять то, заменена или нет обучающая модель на новую, при анализе релевантности между базовыми обучающими данными, используемыми в обучающей модели, которая сконструирована заранее, и новыми введенными обучающими данными. В это время, релевантность может определяться на основе области и времени, в которое обучающие данные формируются, времени, модели кондиционера, который предоставляет обучающие данные, и т.п.

[205] Например, блок замены на новые моделей может непрерывно заменять на новую уже сконструированную обучающую модель посредством использования предыстории настроек температуры пользователя для настройки температуры кондиционера A, предыстории изменений пользователя для рекомендованной температуры и т.п. в качестве обучающих данных.

[206] Согласно различным вариантам осуществления, обучающая модель может сохраняться в блоке хранения данных кондиционера A, а не в отдельном сервере. В этом случае, обучающая модель, сконструированная на сервере DS обучения на основе данных, может передаваться в кондиционер A периодически или при формировании события.

[207] Когда обучающая модель обеспечена в кондиционере A, кондиционер A может получать рекомендованную температуру с использованием сохраненной обучающей модели. Например, кондиционер A может получать рекомендованную температуру посредством ввода считываемой текущей температуры в обучающую модель. В этом случае, кондиционер A может получать рекомендованную температуру с использованием считываемой текущей температуры без вмешательства пользователя и может автоматически задавать температуру кондиционера A в зависимости от рекомендованной температуры.

[208] Фиг. 8 является блок–схемой, показывающей конфигурацию кондиционера согласно варианту осуществления раскрытия сущности.

[209] Ссылаясь на фиг. 8, кондиционер A может включать в себя температурный датчик 810, вентилятор 820, блок 830 связи, блок 840 хранения данных и процессор 850. В различных вариантах осуществления, кондиционер A может не включать в себя по меньшей мере один из компонентов, описанных выше, или дополнительно может включать в себя другие компоненты.

[210] Температурный датчик 810 может считывать температуру помещения около кондиционера A.

[211] Вентилятор 820 может выпускать охлаждающий воздух наружу через открывающую/закрывающую часть (не показана). Альтернативно, в режиме безветрия, вентилятор 820 может выпускать охлаждающий воздух наружу через множество микрополостей (не показаны) при предварительно определенном расходе или меньше. В это время, предварительно определенный расход может составлять 0,25 м/с или меньше, предпочтительно 0,15 м/с или меньше.

[212] Блок 830 связи может выполнять связь с внешним устройством. В это время, внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучения на основе данных и пользовательского терминала U. Связь блока 830 связи с внешним устройством может включать в себя обмен данными с внешним устройством через третье устройство и т.п. Например, блок 830 связи может принимать сигнал дистанционного управления для управления кондиционером A из пользовательского терминала U.

[213] Блок 830 связи может обмениваться данными с внешним устройством через проводную связь или беспроводную связь. Например, блок 830 связи может обмениваться данными с управляющим терминальным устройством через сотовую связь, связь ближнего радиуса действия и Интернет–сеть, а также порт для соединения через кабель, и выполнять связь согласно таким стандартам, как связь по стандарту универсальной последовательной шины (USB), Wi–Fi, технология Bluetooth, ZigBee, стандарт Ассоциации по передаче данных в инфракрасном диапазоне (IrDA), RF, к примеру, UHF и VHF, и связь по стандарту сверхширокополосной связи (UWB).

[214] Блок 840 хранения данных сохраняет различное программное обеспечение и программы для выполнения функции кондиционера A. В частности, блок 840 хранения данных может сохранять алгоритм управления температурой согласно множеству рабочих режимов. Алгоритм управления температурой может включать в себя изменение заданной температуры, интенсивности скорости ветра, направления скорости ветра и т.п. в зависимости от предварительно определенного периода для каждого рабочего режима. Дополнительно, согласно раскрытию сущности, блок 840 хранения данных может сохранять обученную обучающую модель на основе заданной температуры и текущей температуры.

[215] Процессор 850 может считывать программу и т.п., сохраненные в блоке 840 хранения данных.

В частности, чтобы выполнять функцию кондиционера A, процессор 850 может считывать программы, включающие в себя последовательность считываемых инструкций, и выполнять кондиционирование воздуха согласно заданной температуре.

[216] Процессор 850 может считывать давление и/или температуру хладагента в теплообменнике для внутренней установки (не показан), чтобы считывать то, выполняется или нет кондиционирование воздуха нормально. Например, процессор 850 может считывать то, повреждается или покрывается морозом труба теплообменника для внутренней установки либо нет, и то, и удаляется или нет надлежащим образом вода, сформированная посредством конденсации пара в воздухе.

[217] Процессор 850 может управлять скоростью вентилятора 820. В частности, процессор 850 может управлять текущей температурой, измеряемой посредством температурного датчика 810, и скоростью, с которой вращается вентилятор 820, в зависимости от заданной температуры. В частности, процессор 850 может управлять скоростью, с которой вращается вентилятор 820, в зависимости от разности между текущей температурой и заданной температурой. Например, если разность между текущей температурой и заданной температурой является большой, скорость вращения вентилятора 820 управляется таким образом, что она является высокой, чтобы быстро достигать заданной температуры, и если разность между комнатной температурой и заданной температурой является небольшой, или комнатная температура достигает заданной температуры, комнатная температура также чрезмерно падает, скорость вращения вентилятора 820 может быть небольшой, так что компрессор блока для наружной установки не выключается. Например, процессор 850 может управлять скоростью вращения вентилятора 820 между 500 об/мин и 900 об/мин.

[218] Процессор 850 может управлять блоком 830 связи таким образом, чтобы передавать текущую температуру и заданную температуру, считываемые посредством температурного датчика 810, во внешнее устройство.

[219] Помимо этого, процессор 850 может управлять блоком 830 связи таким образом, чтобы принимать рекомендованную температуру, принимаемую из внешнего устройства, и управлять рекомендованной температурой, полученной через блок 830 связи, так что она задается в кондиционере в качестве заданной температуры.

[220] Помимо этого, процессор 850 может управлять блоком 830 связи таким образом, чтобы передавать текущую температуру, считываемую посредством температурного датчика 810, во внешнее устройство, и может принимать рекомендованную температуру в зависимости от передачи текущей температуры из внешнего устройства и задавать принимаемую рекомендованную температуру в кондиционере. В этом случае, рекомендованная температура может представлять собой результат применения текущей температуры, считываемой посредством температурного датчика 810, к обученной обучающей модели с использованием множества заданных температур и множества текущих температур, заданных в кондиционере A. В этом случае, внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[221] Согласно различным вариантам осуществления, может быть предусмотрена сетевая система, которая включает в себя кондиционер A и сервер DS обучающих моделей, формирующий обучающую модель с использованием обучающих данных, полученных из кондиционера A.

[222] В этом случае, кондиционер A сетевой системы может включать в себя температурный датчик 810, считывающий текущую температуру, вентилятор 820, выпускающий охлаждающий воздух наружу, и блок 830 связи, способный на обмен данными с внешним устройством. Кондиционер A может включать в себя процессор 850, который управляет блоком 830 связи таким образом, чтобы передавать заданную температуру, заданную в кондиционере A, и текущую температуру, считываемую посредством температурного датчика 810, во внешнее устройство.

[223] В этом случае, внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[224] Помимо этого, сервер DS обучающих моделей сетевой системы может включать в себя блок получения обучающих данных (например, блок 203a получения обучающих данных по фиг. 2A), который получает текущую температуру и заданную температуру, передаваемую из кондиционера A, блок обучения на основе моделей (например, блок 203b обучения на основе моделей по фиг. 2A), который формирует обучающую модель с использованием заданной температуры и текущей температуры, и блок хранения данных (например, блок 202 хранения данных по фиг. 2A), который сохраняет обученную обучающую модель, чтобы обеспечивать рекомендованную температуру кондиционера A в результате формирования обучающей модели.

[225] Согласно различным вариантам осуществления, может быть предусмотрена сетевая система, которая включает в себя кондиционер A и сервер DS обучающих моделей, обеспечивающий рекомендованную температуру с использованием данных распознавания, полученных из кондиционера A.

[226] В этом случае, кондиционер A сетевой системы включает в себя температурный датчик 810, считывающий текущую температуру, вентилятор 820, выпускающий охлаждающий воздух наружу, блок 830 связи, способный на обмен данными с внешним устройством, и процессор 850, управляющий блоком 830 связи таким образом, чтобы передавать текущую температуру, считываемую посредством температурного датчика 810, во внешнее устройство.

[227] В этом случае, внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[228] Помимо этого, сервер DS обучающих моделей может включать в себя блок хранения данных (например, блок 202 хранения данных по фиг. 2B), сохраняющий обученные обучающие модели, чтобы обеспечивать рекомендованную температуру кондиционера A, блок получения данных распознавания (например, блок 203c получения данных распознавания по фиг. 2B), получающий текущую температуру кондиционера A, и блок применения моделей (например, блок 203d применения моделей по фиг. 2B), получающий рекомендованную температуру кондиционера A посредством ввода текущей температуры в качестве обучающей модели, и блок связи (например, блок 201 связи по фиг. 2B), передающий полученную рекомендованную температуру во внешнее устройство. Внешнее устройство может включать в себя кондиционер A или третье устройство, функционально соединенное с кондиционером A. Помимо этого, внешнее устройство может включать в себя пользовательский терминал U или третье устройство, функционально соединенное с пользовательским терминалом U, чтобы передавать рекомендованную температуру.

[229] Фиг. 9 является блок–схемой, показывающей конфигурацию пользовательского терминала согласно варианту осуществления раскрытия сущности.

[230] Ссылаясь на фиг. 9, пользовательский терминал U может включать в себя дисплей 910, блок 920 связи, ввод 930, блок 940 хранения данных и процессор 950.

[231] Дисплей 910 может визуально предоставлять информацию пользователю пользовательского терминала U. Например, дисплей 910 может отображать экран, включающий в себя UI работы искусственного интеллекта под управлением процессора 950.

[232] Блок 920 связи может устанавливать канал для блока проводной или беспроводной связи между пользовательским терминалом U и внешним устройством и поддерживать производительность связи через установленный канал связи. Внешнее устройство может включать в себя по меньшей мере например, одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[233] Блок 920 связи может обмениваться данными с внешним устройством через сети связи ближнего радиуса действия (например, технологию Bluetooth, стандарт Wi–Fi Direct или стандарт Ассоциации по передаче данных в инфракрасном диапазоне (IrDA) и т.п.) или удаленные сети связи (например, сотовую сеть, Интернет–сеть или компьютерную сеть (например, LAN или WAN) и т.п.) с использованием модулей беспроводной связи (например, модуля сотовой связи, модуля локальной беспроводной связи и модуля связи по стандарту глобальной навигационной спутниковой системы (GNSS)) или модуля проводной связи (например, модуля связи на основе локальной вычислительной сети (LAN) или модуля связи по линиям электросети). Несколько видов модулей связи, описанных выше, могут реализовываться как одна микросхема или могут реализовываться как отдельная микросхема.

[234] Ввод 930 может принимать команды или данные, которые должны использоваться для компонентов (например, процессора 950) пользовательского терминала U, извне (например, от пользователя) пользовательского терминала U. Ввод 930 может включать в себя, например, кнопку, микрофон, сенсорную панель и т.п. Ввод 930 может передавать сигнал пользовательского ввода, сформированный в зависимости от пользовательского ввода, для управления пользовательским терминалом U, в процессор 950.

[235] Блок 940 хранения данных может сохранять различные данные, используемые посредством по меньшей мере одного компонента (например, процессора 950) пользовательского терминала U, например, программное обеспечение (например, программу), и может сохранять входные данные или выходные данные для команды, ассоциированной с ними. Блок 940 хранения данных может включать в себя энергозависимое и/или энергонезависимое запоминающее устройство.

[236] Программа представляет собой программное обеспечение, сохраненное в блоке 940 хранения данных, и может включать в себя, например, операционную систему, промежуточное программное обеспечение или приложение.

[237] Процессор 950 может направлять, например, программное обеспечение (например, программу), сохраненную в блоке 940 хранения данных, с возможностью управлять по меньшей мере еще другими компонентами (например, аппаратными или программными компонентами) пользовательского терминала U, соединенного с процессором 950, и выполнять различную обработку и операции с данными. Процессор 950 может загружать команду или данные, принимаемые из других компонентов (например, блока 920 связи) в энергозависимом запоминающем устройстве, и обрабатывать загруженную команду или данные и может сохранять результирующие данные в энергонезависимом запоминающем устройстве. Согласно варианту осуществления, процессор 950 может включать в себя главные процессоры (например, центральный процессор или процессор приложений) и подпроцессоры (например, графический процессор, процессор сигналов изображений, процессор концентратора датчиков или процессор связи), которые работают независимо от главного процессора и дополнительно или альтернативно используют более низкий уровень мощности, чем главный процессор, или предназначены специально для указанных функций. Подпроцессор может работать отдельно от главного процессора или может работать со встраиванием.

[238] Согласно различным вариантам осуществления, если сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта, включенный в экран, обеспеченный посредством дисплея 910, принимается через ввод 930, процессор 950 может управлять блоком 920 связи с возможностью передавать сигнал запроса работы искусственного интеллекта, соответствующий UI работы искусственного интеллекта, в кондиционер A. Если рекомендованная температура, заданная в кондиционере в зависимости от сигнала запроса работы искусственного интеллекта, получается через блок 920 связи, процессор 950 может управлять дисплеем 910 таким образом, чтобы отображать полученную рекомендованную температуру. В это время, рекомендованная температура может получаться как результат, полученный посредством предоставления возможности кондиционеру A применять текущую температуру кондиционера A к обучающей модели. В этом случае, процессор 950 может управлять дисплеем 910 таким образом, что пользователь отображает заданную температуру, которая задается в кондиционере в прошлом, как равную текущей температуре, вместе с рекомендованной температурой.

[239] Согласно различным вариантам осуществления, может быть предусмотрена сетевая система, включающая в себя кондиционер A и пользовательский терминал U, управляющий кондиционером A.

[240] В этом случае, если сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта, включенный в экран, обеспеченный посредством дисплея 910 пользовательского терминала U, принимается через ввод 930, процессор 950 может управлять блоком 920 связи с возможностью передавать сигнал запроса работы искусственного интеллекта, соответствующий UI работы искусственного интеллекта, в кондиционер A.

[241] Если кондиционер A принимает запрос работы искусственного интеллекта через блок 830 связи кондиционера A, процессор 850 кондиционера A может управлять блоком 830 связи таким образом, чтобы передавать текущую температуру кондиционера A во внешнее устройство. Процессор 850 кондиционера A может управлять блоком 830 связи таким образом, чтобы принимать рекомендованную температуру в зависимости от передачи текущей температуры из внешнего устройства. Процессор 850 может задавать рекомендованную температуру, принимаемую через блок 830 связи в кондиционере A. В этом случае, рекомендованная температура может представлять собой результат, полученный посредством применения текущей температуры к обученной обучающей модели, на основе множества заданных температур, предварительно заданных в кондиционере A, и множества текущих температур. В этом случае, внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[242] Фиг. 10A и 10B являются схемами, показывающими экран пользовательского терминала, на котором отображается рекомендованная температура, согласно варианту осуществления раскрытия сущности.

[243] Ссылаясь на фиг. 10A, пользовательский терминал U может отображать экран 1010 для управления кондиционером посредством выполнения приложения, способного управлять кондиционером A.

[244] Экран 1010 для управления кондиционером может включать в себя UI 1011, включающий/отключающий кондиционер A, UI 1012, выбирающий рабочий режим кондиционера A, информацию 1013 текущей температуры, информацию 1014 относительно того, работает или нет режим искусственного интеллекта, UI 1015 настройки ветровой заслонки, UI 1016 настройки силы ветра, функциональный UI 1017 в режиме безветрия, UI 1018 относительно того, выполняется или нет операция очистки воздуха, UI 1019 настройки искусственного интеллекта, UI 1020 настройки резервирования и т.п.

[245] В этом случае, когда экран 1010 для правления кондиционером находится за пределами диапазона окна просмотра дисплея UI пользовательского терминала, пользователь может отображать экран 1110 для управления кондиционером, который находится за пределами диапазона окна просмотра, в диапазоне окна просмотра посредством жеста перетаскивания.

[246] Ссылаясь на фиг. 10A и 10B, в этой ситуации, если пользовательский ввод для выбора UI 1019 настройки искусственного интеллекта принимается, пользовательский терминал U может отображать экран 1020 управления искусственным интеллектом в рабочем режиме (например, в интеллектуальном комфортном режиме) кондиционера A, как показано на фиг. 10B. Экран 1020 управления искусственным интеллектом может включать в себя UI 1021 работы искусственного интеллекта для работы в режиме искусственного интеллекта кондиционера A и рабочую информацию 1022 системы искусственного интеллекта, указывающую работу в режиме искусственного интеллекта кондиционера A.

[247] В том случае, если пользовательский ввод для выбора UI 1021 работы искусственного интеллекта принимается, пользовательский терминал U может получать рекомендованную температуру, заданную в кондиционере на основе пользовательского ввода. Например, пользовательский терминал U может получать рекомендованную температуру через третье устройство (например, точку доступа (AP)), функционально соединенное с облачным сервером C.

[248] Затем пользовательский терминал U может отображать рекомендованную температуру 1023 на экране 1020 управления искусственным интеллектом. В это время, рекомендованная температура 1023 может получаться как результат, полученный посредством предоставления возможности кондиционеру A применять текущую температуру кондиционера A к серверу DS обучающих моделей, на основе пользовательского ввода, выбирающего UI 1021 работы искусственного интеллекта.

[249] Пользовательский терминал U может отображать не только рекомендованную температуру 1023 на экране 1020 управления искусственным интеллектом, но также и заданную температуру 1024, которую пользователь кондиционера A непосредственно задает в кондиционере в прошлом. В этом случае, рекомендованная температура 1023 и заданная температура 1034 могут отображаться на графике вместе, так что они могут сравниваться между собой.

[250] Фиг. 11 является блок–схемой последовательности операций, показывающей способ формирования обучающей модели для сервера обучения на основе данных согласно варианту осуществления раскрытия сущности.

[251] Ссылаясь на фиг. 11, на этапе 1101, сервер DS обучения на основе данных может получать заданную температуру, заданную в кондиционере A, и текущую температуру кондиционера A во время настройки температуры. Дополнительно, сервер DS обучения на основе данных дополнительно может получать информацию внешнего окружения кондиционера A.

[252] В это время, сервер DS обучения на основе данных может получать заданную температуру и текущую температуру из мостового сервера BS, функционально соединенного с кондиционером A, и получать информацию внешнего окружения из интеллектуального домашнего сервера SS предоставления услуг, функционально соединенного с внешним сервером (CP) предоставления контента.

[253] Дополнительно, сервер DS обучения на основе данных дополнительно может получать информацию времени во время настройки температуры в кондиционере A.

[254] На этапе 1103, сервер DS обучения на основе данных может формировать или заменять на новую обучающую модель с использованием полученной заданной температуры и текущей температуры.

[255] Когда сервер DS обучения на основе данных дополнительно получает информацию внешнего окружения, сервер DS обучения на основе данных может формировать или заменять на новую обучающую модель с использованием полученной заданной температуры, текущей температуры и информации внешнего окружения.

[256] Помимо этого, когда сервер DS обучения на основе данных дополнительно получает информацию времени во время настройки температуры, сервер DS обучения на основе данных может формировать или заменять на новую обучающую модель с использованием полученной заданной температуры, текущей температуры и информации времени.

[257] На этапе 1105, сервер DS обучения на основе данных может сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере, в результате формирования и замены на новую обучающей модели.

[258] Между тем, сервер DS обучения на основе данных может формировать или заменять на новые множество обучающих моделей для каждого рабочего режима кондиционера A. В этом случае, сервер DS обучения на основе данных может сохранять множество обучающих моделей.

[259] Фиг. 12 является блок–схемой последовательности операций, показывающей способ использования обучающей модели для сервера обучения на основе данных согласно варианту осуществления раскрытия сущности.

[260] Ссылаясь на фиг. 12, на этапе 1201, сервер DS обучения на основе данных может сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться в кондиционере A.

[261] В ситуации, в которой обученная обучающая модель сохраняется, на этапе 1203, сервер DS обучения на основе данных может получать текущую температуру кондиционера A. В этом случае, сервер DS обучения на основе данных дополнительно может получать информацию внешнего окружения кондиционера A.

[262] На этапе 1205, сервер DS обучения на основе данных может вводить полученную текущую температуру в обученную обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере A.

[263] Помимо этого, когда сервер DS обучения на основе данных дополнительно получает информацию внешнего окружения, сервер DS обучения на основе данных может вводить полученную рекомендованную температуру и информацию внешнего окружения в обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере A.

[264] Между тем, сервер DS обучения на основе данных может сохранять множество обучающих моделей для каждого рабочего режима кондиционера A. В этом случае, сервер DS обучения на основе данных может вводить полученную текущую температуру в обучающую модель, соответствующую текущему рабочему режиму кондиционера A, и вводить полученную текущую температуру в обучающую модель, соответствующую текущему рабочему режиму кондиционера A, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере A.

[265] На этапе 1207, сервер DS обучения на основе данных может передавать полученную рекомендованную температуру во внешнее устройство. Внешнее устройство, например, может представлять собой кондиционер A или третье устройство, функционально соединенное с кондиционером A, чтобы передавать рекомендованную температуру. Помимо этого, внешнее устройство может представлять собой пользовательский терминал U или третье устройство, функционально соединенное с пользовательским терминалом U, чтобы передавать рекомендованную температуру.

[266] Фиг. 13 является блок–схемой последовательности операций, показывающей способ обеспечения рекомендованной температуры кондиционера A согласно варианту осуществления раскрытия сущности.

[267] Ссылаясь на фиг. 13, на этапе 1301, кондиционер A может считывать текущую температуру кондиционера A.

[268] Затем, на этапе 1303, кондиционер A может передавать считываемую текущую температуру во внешнее устройство. Например, кондиционер A может передавать считываемую текущую температуру в по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально обменивающегося данными с облачным сервером C или сервером DS обучающих моделей.

[269] На этапе 1305, кондиционер A может принимать рекомендованную температуру, которая представляет собой результат применения текущей температуры к обучающей модели, из внешнего устройства в зависимости от передачи текущей температуры. В этом случае, рекомендованная температура может представлять собой результат, полученный посредством применения текущей температуры к обученной обучающей модели, на основе множества заданных температур, предварительно заданных в кондиционере A, и множества текущих температур.

[270] На этапе 1307, кондиционер A может задавать принимаемую рекомендованную температуру в кондиционере.

[271] Фиг. 14 является блок–схемой последовательности операций, показывающей способ управления кондиционером пользовательского терминала согласно варианту осуществления раскрытия сущности.

[272] Ссылаясь на фиг. 14, на этапе 1401, пользовательский терминал U может принимать сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта.

[273] На этапе 1403, пользовательский терминал U может передавать сигнал запроса работы искусственного интеллекта, соответствующий UI работы искусственного интеллекта, в кондиционер A в ответ на сигнал пользовательского ввода.

[274] На этапе 1405, пользовательский терминал U может получать рекомендованную температуру, заданную в кондиционере в результате применения текущей температуры кондиционера A к обучающей модели, в зависимости от сигнала запроса работы искусственного интеллекта.

[275] На этапе 1407, пользовательский терминал U может отображать полученную рекомендованную температуру на экране. В этом случае, пользовательский терминал U может отображать заданную температуру, которую пользователь предварительно задает в кондиционере вместе с рекомендованной температурой, как равную текущей температуре.

[276] Фиг. 15 является блок–схемой последовательности операций способа в сетевой системе, включающей в себя пользовательский терминал и кондиционер согласно варианту осуществления раскрытия сущности.

[277] Ссылаясь на фиг. 15, на этапе 1501, пользовательский терминал U может принимать сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта.

[278] На этапе 1503, пользовательский терминал U может передавать сигнал запроса работы искусственного интеллекта, соответствующий UI работы искусственного интеллекта, в кондиционер A.

[279] На этапе 1505, кондиционер A может считывать текущую температуру кондиционера A.

[280] Затем, на этапе 1507, кондиционер A может передавать считываемую текущую температуру во внешнее устройство 1500. Внешнее устройство может включать в себя по меньшей мере одно из облачного сервера C, сервера DS обучающих моделей и третьего устройства, функционально соединенного с облачным сервером C или сервером DS обучающих моделей.

[281] На этапе 1509, кондиционер A может принимать рекомендованную температуру, которая представляет собой результат применения текущей температуры к обучающей модели, из внешнего устройства 1500 в зависимости от передачи текущей температуры. В этом случае, обучающая модель может представлять собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере A, и множества текущих температур.

[282] На этапе 1511, кондиционер A может задавать принимаемую рекомендованную температуру в кондиционере.

[283] Раскрытые варианты осуществления могут реализовываться как программно–реализованная программа, которая включает в себя инструкции, сохраненные на машиночитаемом носителе хранения данных.

[284] Компьютер представляет собой оборудование, которое вызывает сохраненные инструкции из носителя хранения данных, и может работать согласно раскрытому варианту осуществления в зависимости от вызываемых инструкций и может включать в себя сервер обучения на основе данных согласно раскрытым вариантам осуществления или внешний сервер, функционально соединенный с сервером обучения на основе данных. Альтернативно, компьютер может включать в себя кондиционер или внешний сервер, функционально соединенный с кондиционером, согласно раскрытым вариантам осуществления.

[285] Машиночитаемый носитель хранения данных может быть обеспечен в виде невременного носителя хранения данных. "Невременный" означает то, что носитель хранения данных не включает в себя сигнал и ток и является материальным, а "невременный" не различает, хранятся ли данные полупостоянно или временно на носителе хранения данных. В качестве примера, невременный носитель хранения данных может представлять собой временно сохраненные носители временного хранения, такие как регистры, кэш и буфер, а также невременные считываемые носители записи, такие как CD, DVD, жесткий диск, Blu–Ray–диск, USB, внутреннее запоминающее устройство, карта памяти, ROM и RAM.

[286] Кроме того, способ согласно раскрытым вариантам осуществления может быть обеспечен в виде компьютерного программного продукта.

[287] Компьютерный программный продукт может включать в себя программно–реализованную программу, машиночитаемый носитель хранения данных, на котором сохраняется программно–реализованная программа, или продукт, продаваемый между продавцом и покупателем.

[288] Например, компьютерный программный продукт может включать в себя продукт (например, загружаемое приложение) в форме программно–реализованной программы, электронно распространяемой через сервер обучения на основе данных, через изготовителя кондиционера или через электронный рынок (например, магазин Google Play, AppStore). Для электронного распространения по меньшей мере часть программно–реализованных программ может сохраняться на носителе хранения данных или может формироваться временно. В этом случае, носитель хранения данных может быть изготовителем или сервером электронного рынка или носителем хранения данных ретрансляционного сервера.

[289] Хотя проиллюстрированы и описаны варианты осуществления раскрытия сущности, раскрытие сущности не ограничено вышеуказанным конкретным вариантом осуществления, но может модифицироваться различными способами специалистами в данной области техники, к которой относится раскрытие сущности, без отступления от сущности и объема раскрытия сущности, заявленного в формуле изобретения. Помимо этого, следует понимать, что такие модификации попадают в пределы объема раскрытия сущности.

[290] Хотя раскрытие сущности показано и описано со ссылкой на его различные варианты осуществления, специалисты в данной области техники должны понимать, что различные изменения по форме и содержанию могут вноситься без отступления от сущности и объема раскрытия сущности, заданного посредством прилагаемой формулы изобретения и ее эквивалентов.

Похожие патенты RU2772237C2

название год авторы номер документа
РАСПРЕДЕЛЁННОЕ ОБУЧЕНИЕ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПЕРСОНАЛИЗАЦИИ 2018
  • Кудинов Михаил Сергеевич
  • Пионтковская Ирина Игоревна
  • Невидомский Алексей Юрьевич
  • Попов Вадим Сергеевич
  • Вытовтов Петр Константинович
  • Полуботко Дмитрий Валерьевич
  • Малюгина Ольга Валерьевна
RU2702980C1
ЭЛЕКТРОННОЕ УСТРОЙСТВО И СПОСОБ УПРАВЛЕНИЯ ИМ 2020
  • Ли, Ынджи
  • Ко, Хёнмок
  • Ли, Кенхун
  • Джан, Сэбом
  • Джун, Пурым
  • Чой, Сунджа
  • Пэон, Чханхо
  • Хон, Джиён
  • Хван, Инчул
RU2792288C1
СПОСОБ И ОБОРУДОВАНИЕ РАСПОЗНАВАНИЯ ЭМОЦИЙ В РЕЧИ 2019
  • Чжан, Ян
  • Ли, Цянь
  • Верхоляк, Оксана
  • Карпов, Алексей
RU2720359C1
МОБИЛЬНЫЙ ТЕРМИНАЛ 2010
  • Юм Кван Хо
  • Ким Санг Ох
  • Дзанг Бонг Мун
RU2562810C2
Сетевой помощник на основе искусственного интеллекта 2017
  • Тапия Пабло
RU2753962C2
СИСТЕМА И СПОСОБ АВТОМАТИЧЕСКОГО МАШИННОГО ОБУЧЕНИЯ (AutoML) МОДЕЛЕЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ АНАЛИЗА БИОМЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ 2021
  • Сорокин Сергей Юрьевич
  • Дрокин Иван Сергеевич
  • Бухвалов Олег Леонидович
  • Еричева Елена Витальевна
RU2787558C1
СИСТЕМЫ И СПОСОБЫ ОПРЕДЕЛЕНИЯ ПОТЕНЦИАЛЬНОГО ЗЛОНАМЕРЕННОГО СОБЫТИЯ 2018
  • Ван, Синь
  • Фэн, Пэнчэн
  • Ли, Сяотан
  • Чжань, Вэньши
  • Чжан, Шаофэй
  • Цзян, Юэ
RU2768512C1
ЭЛЕКТРОННОЕ УСТРОЙСТВО И СПОСОБ УПРАВЛЕНИЯ ИМ 2018
  • Ли, Хиун-Сеунг
  • Ким, Донг-Хиун
  • Моон, Янг-Су
  • Ахн, Тае-Гиоунг
RU2779609C2
СЕТЕВАЯ АРХИТЕКТУРА ЧЕЛОВЕКОПОДОБНОЙ СЕТИ И СПОСОБ РЕАЛИЗАЦИИ 2017
  • Дай Цзиню
  • Юй Шаохуа
RU2704538C1
УСТРОЙСТВА И СПОСОБЫ ПРЕДСТАВЛЕНИЯ РЕКОМЕНДАЦИИ ПО КОРМАМ ДЛЯ ДОМАШНИХ ЖИВОТНЫХ 2020
  • Халлверсон, Эверетт
  • Занги, Брайан, М.
  • Белошапка, Элисон
  • Хант, Роберт Лесли
  • Типпи, Натан
RU2800013C2

Иллюстрации к изобретению RU 2 772 237 C2

Реферат патента 2022 года СЕРВЕР ОБУЧЕНИЯ НА ОСНОВЕ ДАННЫХ И СПОСОБ ФОРМИРОВАНИЯ И ИСПОЛЬЗОВАНИЯ ЕГО ОБУЧАЮЩЕЙ МОДЕЛИ

Изобретение относится к серверу, способам и оборудованию для обучения на основе данных и управления кондиционером. Технический результат заключается в возможности определения и управления температурой кондиционера. Сервер содержит блок связи, блок хранения данных и по меньшей мере один процессор, выполненный с возможностью получать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера во время настройки заданной температуры через блок связи, применять заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели, и получать рекомендованную температуру, заданную в кондиционере, причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении. 14 н. и 16 з.п. ф-лы, 20 ил.

Формула изобретения RU 2 772 237 C2

1. Сервер обучения на основе данных, содержащий:

блок связи;

блок хранения данных; и

по меньшей мере один процессор, выполненный с возможностью:

получать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера во время настройки заданной температуры через блок связи,

применять заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели, и

получать рекомендованную температуру, заданную в кондиционере,

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

2. Сервер обучения на основе данных по п. 1, в котором по меньшей мере один процессор дополнительно выполнен с возможностью:

получать информацию внешнего окружения, и

формировать или обновлять обучающую модель с использованием заданной температуры, текущей температуры окружающей среды в помещении и информации внешнего окружения.

3. Сервер обучения на основе данных по п. 2, в котором информация внешнего окружения содержит по меньшей мере одно из наружной температуры и наружной влажности во время настройки заданной температуры.

4. Сервер обучения на основе данных по п. 2, в котором по меньшей мере один процессор дополнительно выполнен с возможностью:

получать заданную температуру и текущую температуру окружающей среды в помещении из мостового сервера, соединенного с возможностью связи с кондиционером через блок связи, и

получать информацию внешнего окружения из интеллектуального домашнего сервера предоставления услуг, который соединен с возможностью связи с внешним сервером предоставления контента через блок связи.

5. Сервер обучения на основе данных по п. 1, в котором по меньшей мере один процессор дополнительно выполнен с возможностью:

получать информацию времени во время настройки заданной температуры, и

формировать или обновлять обучающую модель с использованием заданной температуры, текущей температуры окружающей среды в помещении и информации времени.

6. Сервер обучения на основе данных по п. 1,

в котором по меньшей мере один процессор дополнительно выполнен с возможностью формировать или обновлять множество обучающих моделей для каждого рабочего режима кондиционера, и

при этом блок хранения данных дополнительно выполнен с возможностью сохранять множество обучающих моделей.

7. Сервер обучения на основе данных, содержащий:

блок хранения данных, выполненный с возможностью сохранять обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться, в кондиционер;

по меньшей мере один процессор, выполненный с возможностью:

получать текущую температуру окружающей среды в помещении кондиционера,

применять заданную температуру и текущую температуру окружающей среды в помещении в обученной обучающей модели, и

получать рекомендованную температуру, заданную в кондиционере; и

блок связи, выполненный с возможностью передавать рекомендованную температуру во внешнее устройство,

причем обученная обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

8. Сервер обучения на основе данных по п. 7, в котором по меньшей мере один процессор дополнительно выполнен с возможностью:

получать информацию внешнего окружения, и

вводить текущую температуру окружающей среды в помещении и информацию внешнего окружения в обученную обучающую модель, чтобы получать рекомендованную температуру, которая должна задаваться в кондиционере.

9. Сервер обучения на основе данных по п. 7, в котором, когда блок хранения данных хранит множество обучающих моделей для каждого рабочего режима кондиционера, по меньшей мере один процессор дополнительно выполнен с возможностью вводить текущую температуру окружающей среды в помещении в обученную обучающую модель, соответствующую текущему рабочему режиму кондиционера, чтобы получать рекомендованную температуру кондиционера.

10. Кондиционер, содержащий:

вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу;

температурный датчик, выполненный с возможностью считывать текущую температуру окружающей среды в помещении около кондиционера;

блок связи, выполненный с возможностью обмениваться данными с внешним устройством; и

по меньшей мере один процессор, выполненный с возможностью:

управлять блоком связи таким образом, чтобы передавать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера во время настройки заданной температуры через блок связи,

управлять блоком связи таким образом, чтобы принимать рекомендованную температуру, которая представляет собой результат, полученный посредством применения заданной температуры в обучающей модели, и

задавать принимаемую рекомендованную температуру в кондиционере,

при этом обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

11. Пользовательский терминал, управляющий кондиционером, причем пользовательский терминал содержит:

дисплей, выполненный с возможностью отображать экран;

блок связи, выполненный с возможностью обмениваться данными с внешним устройством;

входное приемное устройство, выполненное с возможностью принимать пользовательский ввод; и

по меньшей мере один процессор, выполненный с возможностью:

управлять блоком связи, чтобы передавать команду управления, запрашивающую включение режима искусственного интеллекта кондиционера, соответствующую пользовательскому интерфейсу (UI) работы искусственного интеллекта, в кондиционер в ответ на сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта, включенный в экран, который принят через входное приемное устройство, и

управлять дисплеем, чтобы отображать рекомендованную температуру в ответ на рекомендованную температуру, заданную в кондиционере, которая представляет собой результат, полученный посредством:

получения заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры через блок связи,

применения заданной температуры и текущей температуры окружающей среды в помещении кондиционера в обучающей модели, и

получения рекомендованной температуры, заданной в кондиционере,

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

12. Пользовательский терминал по п. 11, в котором процессор дополнительно выполнен с возможностью управлять дисплеем, чтобы отображать заданную температуру, предварительно заданную в кондиционере, как равную текущей температуре окружающей среды в помещении, вместе с рекомендованной температурой.

13. Сетевая система, содержащая:

кондиционер; и

сервер обучающих моделей, выполненный с возможностью формировать обучающую модель с использованием обучающих данных, полученных от кондиционера,

при этом кондиционер содержит:

вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу,

температурный датчик, выполненный с возможностью считывать текущую температуру окружающей среды в помещении около кондиционера,

блок связи, выполненный с возможностью обмениваться данными с внешним устройством, и

по меньшей мере один процессор кондиционера, выполненный с возможностью управлять блоком связи, чтобы передавать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении, считанную температурным датчиком, во внешнее устройство, и

при этом сервер обучающих моделей содержит:

по меньшей мере один серверный процессор, выполненный с возможностью:

получать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера во время настройки заданной температуры,

применять заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели, и

получать рекомендованную температуру, заданную в кондиционере, и

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

14. Сетевая система, содержащая:

кондиционер; и

сервер обучающих моделей, выполненный с возможностью обеспечивать рекомендованную температуру с использованием данных распознавания, полученных от кондиционера,

при этом кондиционер содержит:

вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу,

температурный датчик, выполненный с возможностью считывать текущую температуру окружающей среды в помещении кондиционера,

блок связи кондиционера, выполненный с возможностью обмениваться данными с внешним устройством, и

по меньшей мере один процессор кондиционера, выполненный с возможностью управлять блоком связи кондиционера, чтобы передавать текущую температуру окружающей среды в помещении, считанную температурным датчиком, во внешнее устройство, и

при этом сервер обучающих моделей содержит:

блок хранения данных, выполненный с возможностью хранить обученную обучающую модель, чтобы обеспечивать рекомендованную температуру кондиционера,

по меньшей мере один серверный процессор, выполненный с возможностью:

получать заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении,

применять заданную температуру и текущую температуру окружающей среды в помещении в обученной обучающей модели, и

получать рекомендованную температуру, заданную в кондиционере, и

серверный блок связи, выполненный с возможностью передавать рекомендованную температуру во внешнее устройство, и

причем обученная обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

15. Сетевая система, содержащая:

кондиционер; и

пользовательский терминал, выполненный с возможностью управлять кондиционером,

при этом пользовательский терминал содержит:

дисплей, выполненный с возможностью отображать экран,

блок связи терминала, выполненный с возможностью обмениваться данными с внешним устройством,

входное приемное устройство, выполненное с возможностью принимать пользовательский ввод, и

по меньшей мере один процессор терминала, выполненный с возможностью управлять блоком связи терминала таким образом, чтобы передавать команду управления, запрашивающую включение режима искусственного интеллекта кондиционера, соответствующую пользовательскому интерфейсу (UI) работы искусственного интеллекта, в кондиционер в ответ на сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего UI работы искусственного интеллекта, включенный в экран, который принят через входное приемное устройство,

при этом кондиционер содержит:

вентилятор, выполненный с возможностью выпускать охлаждающий воздух наружу,

температурный датчик, выполненный с возможностью считывать текущую температуру окружающей среды в помещении около кондиционера,

блок связи кондиционера, выполненный с возможностью обмениваться данными с внешним устройством, и

по меньшей мере один процессор кондиционера, выполненный с возможностью:

управлять блоком связи кондиционера, чтобы передавать текущую температуру окружающей среды в помещении во внешнее устройство,

принимать рекомендованную температуру в зависимости от передачи текущей температуры окружающей среды в помещении из внешнего устройства в ответ на команду управления, запрашивающую включение режима искусственного интеллекта кондиционера, принятую через блок связи кондиционера, и

задавать принятую рекомендованную температуру в кондиционере,

при этом рекомендованная температура представляет собой результат, полученный посредством:

получения заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры,

применения заданной температуры и текущей температуры окружающей среды в помещении в обученной обучающей модели на основе множества заданных температур, ранее заданных в кондиционере, и множества текущих температур окружающей среды в помещении, и

получения рекомендованной температуры, заданной в кондиционере, и

причем обученная обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

16. Способ формирования обучающей модели для сервера обучения на основе данных, при этом способ содержит этапы, на которых:

получают заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера во время настройки заданной температуры,

применяют заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели, и

получают рекомендованную температуру, заданную в кондиционере, и

сохраняют обучающую модель, чтобы обеспечивать рекомендованную температуру, заданную в кондиционере в результате применения заданной температуры и текущей температуры окружающей среды в помещении в обучающей модели,

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

17. Способ по п. 16, дополнительно содержащий этап, на котором:

получают информацию внешнего окружения кондиционера,

при этом формирование или обновление обучающей модели содержит этап, на котором формируют или обновляют обучающую модель с использованием заданной температуры, текущей температуры окружающей среды в помещении и информации внешнего окружения.

18. Способ по п. 17, в котором информация внешнего окружения содержит по меньшей мере одно из наружной температуры и наружной влажности во время настройки заданной температуры.

19. Способ по п. 17,

в котором получение заданной температуры и текущей температуры окружающей среды в помещении содержит этап, на котором получают заданную температуру и текущую температуру окружающей среды в помещении от мостового сервера, соединенного с возможностью связи с кондиционером, и

при этом получение информации внешнего окружения содержит этап, на котором получают информацию внешнего окружения от интеллектуального домашнего сервера предоставления услуг, который соединен с возможностью связи с внешним сервером предоставления контента.

20. Способ по п. 16, дополнительно содержащий этап, на котором:

получают информацию времени во время настройки заданной температуры,

при этом формирование или обновление обучающей модели содержит этап, на котором формируют или обновляют обучающую модель с использованием заданной температуры, текущей температуры окружающей среды в помещении и информации времени.

21. Способ по п. 16,

в котором формирование или обновление обучающей модели содержит этап, на котором формируют или обновляют множество обучающих моделей для каждого рабочего режима кондиционера, и

при этом сохранение обучающей модели содержит этап, на котором сохраняют множество обучающих моделей.

22. Способ использования обучающей модели для сервера обучения на основе данных, при этом упомянутый способ содержит этапы, на которых:

сохраняют обученную обучающую модель, чтобы обеспечивать рекомендованную температуру, которая должна задаваться, в кондиционер,

получают заданную температуру, заданную в кондиционере, и текущую температуру окружающей среды в помещении кондиционера,

применяют заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели,

получают рекомендованную температуру, которая должна задаваться в кондиционере, и

передают рекомендованную температуру во внешнее устройство,

причем обученная обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

23. Способ по п. 22, дополнительно содержащий этап, на котором:

получают информацию внешнего окружения кондиционера,

при этом получение рекомендованной температуры, которая должна задаваться в кондиционере, содержит этап, на котором вводят текущую температуру окружающей среды в помещении и информацию внешнего окружения в обученную обучающую модель, чтобы получить рекомендованную температуру, которая должна задаваться в кондиционере.

24. Способ по п. 22,

в котором сохранение обученной обучающей модели содержит этап, на котором сохраняют множество обучающих моделей для каждого рабочего режима кондиционера, и

при этом получение рекомендованной температуры, которая должна задаваться в кондиционере, содержит этап, на котором вводят текущую температуру окружающей среды в помещении в обученную обучающую модель, соответствующую текущему рабочему режиму кондиционера, чтобы получить рекомендованную температуру, которая должна задаваться в кондиционере.

25. Способ обеспечения рекомендованной температуры кондиционера, при этом упомянутый способ содержит этапы, на которых:

считывают текущую температуру окружающей среды в помещении кондиционера,

передают считанную текущую температуру окружающей среды в помещении во внешнее устройство,

принимают рекомендованную температуру, которая представляет собой результат, полученный посредством получения заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры,

применяют заданную температуру и текущую температуру окружающей среды в помещении в обучающей модели из внешнего устройства в зависимости от передачи текущей температуры окружающей среды в помещении, и

получают рекомендованную температуру, заданную в кондиционере,

настраивают принятую рекомендованную температуру в кондиционере,

при этом обучающая модель представляет собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере, и множества текущих температур окружающей среды в помещении, и

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

26. Способ управления кондиционером пользовательского терминала, при этом упомянутый способ содержит этапы, на которых:

принимают сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего пользовательский интерфейс (UI) работы искусственного интеллекта,

передают команду управления, запрашивающую включение режима искусственного интеллекта кондиционера, соответствующую UI работы искусственного интеллекта, в кондиционер,

получают рекомендованную температуру, заданную в кондиционере, которая представляет собой результат, полученный посредством:

получения заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры,

применения заданной температуры и текущей температуры окружающей среды в помещении кондиционера в обучающей модели в зависимости от команды управления, запрашивающей включение режима искусственного интеллекта кондиционера, и

получения рекомендованной температуры, заданной в кондиционере, и

отображают полученную рекомендованную температуру на экране,

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

27. Способ по п. 26, дополнительно содержащий этап, на котором:

отображают заданную температуру, предварительно заданную в кондиционере, как равную текущей температуре окружающей среды в помещении, вместе с рекомендованной температурой.

28. Способ формирования обучающей модели сетевой системы, включающей в себя кондиционер и сервер обучающих моделей, при этом упомянутый способ содержит этапы, на которых:

принимают посредством кондиционера пользовательский управляющий сигнал, настраивающий температуру,

передают посредством кондиционера заданную температуру и текущую температуру окружающей среды в помещении кондиционера во внешнее устройство,

формируют посредством сервера обучающих моделей обучающую модель с использованием заданной температуры и текущей температуры окружающей среды в помещении, и

сохраняют посредством сервера обучающих моделей сформированную обучающую модель, чтобы обеспечивать рекомендованную температуру кондиционера,

при этом формирование посредством сервера обучающих моделей обучающей модели с использованием заданной температуры и текущей температуры окружающей среды в помещении содержит:

получение заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры,

применение заданной температуры и текущей температуры окружающей среды в помещении кондиционера в обучающей модели, и

получение рекомендованной температуры, заданной в кондиционере.

29. Способ обеспечения рекомендованной температуры в сетевой системе, включающей в себя кондиционер и сервер обучающих моделей, при этом упомянутый способ содержит этапы, на которых:

передают посредством кондиционера текущую температуру окружающей среды в помещении кондиционера во внешнее устройство,

получают посредством сервера обучающих моделей рекомендованную температуру кондиционера посредством применения заданной температуры и текущей температуры окружающей среды в помещении в обучающей модели, и

передают посредством кондиционера рекомендованную температуру во внешнее устройство,

при этом получение посредством сервера обучающих моделей рекомендованной температуры кондиционера посредством применения заданной температуры и текущей температуры окружающей среды в помещении в обучающей модели содержит:

получение заданной температуры, заданной в кондиционере, и текущей температуры окружающей среды в помещении кондиционера во время настройки заданной температуры,

применение заданной температуры и текущей температуры окружающей среды в помещении кондиционера в обучающей модели, и

получение рекомендованной температуры, заданной в кондиционере.

30. Способ управления кондиционером сетевой системы, включающей в себя кондиционер и пользовательский терминал, при этом упомянутый способ содержит этапы, на которых:

принимают посредством пользовательского терминала сигнал пользовательского ввода, зависящий от пользовательского ввода, выбирающего пользовательский интерфейс (UI) работы искусственного интеллекта,

передают посредством пользовательского терминала команду управления, запрашивающую включение режима искусственного интеллекта кондиционера, соответствующую UI работы искусственного интеллекта, в кондиционер,

передают посредством кондиционера заданную температуру кондиционера и текущую температуру окружающей среды в помещении кондиционера во внешнее устройство в ответ на прием команды управления, запрашивающей включение режима искусственного интеллекта кондиционера,

принимают посредством кондиционера рекомендованную температуру, которая представляет собой результат, полученный посредством применения заданной температуры и текущей температуры окружающей среды в помещении в обучающей модели, от внешнего устройства в зависимости от передачи заданной температуры и текущей температуры окружающей среды в помещении, и

настраивают посредством кондиционера принятую рекомендованную температуру в кондиционере,

при этом обучающая модель представляет собой обучающую модель, обученную с использованием множества заданных температур, предварительно заданных в кондиционере, и множества текущих температур окружающей среды в помещении,

причем обучающая модель выполняет обучение для обеспечения рекомендованной температуры на основании заданной температуры и текущей температуры окружающей среды в помещении.

Документы, цитированные в отчете о поиске Патент 2022 года RU2772237C2

Токарный резец 1924
  • Г. Клопшток
SU2016A1
Изложница с суживающимся книзу сечением и с вертикально перемещающимся днищем 1924
  • Волынский С.В.
SU2012A1
Приспособление для суммирования отрезков прямых линий 1923
  • Иванцов Г.П.
SU2010A1
Устройство для закрепления лыж на раме мотоциклов и велосипедов взамен переднего колеса 1924
  • Шапошников Н.П.
SU2015A1
СИСТЕМА КОНДИЦИОНИРОВАНИЯ ВОЗДУХА, ВКЛЮЧАЮЩАЯ В СЕБЯ УСТРОЙСТВО ДЛЯ УПРАВЛЕНИЯ ДАВЛЕНИЕМ И ПЕРЕПУСКНОЙ КЛАПАН 2014
  • Хатанака Кенсаку
  • Синодзаки Кадзуеси
  • Буш Джозеф Пол
  • Флинн Питер Кристиан
RU2612995C1

RU 2 772 237 C2

Авторы

Ок, Хён-У

Ким, Мин-Кён

Ким, Тан

Сон, Хён-Сон

Син, Дон-Джун

Им, Сун-Бин

Со, Хён-Джун

Джу,

Даты

2022-05-18Публикация

2018-03-30Подача