数据，等待下一个迭代周期的数据输入，然后使用调整过的当前权重数据进行训练，也即重新开始执行步骤SI。经过多次迭代训练的目的是使数据收敛，即使输出方差值在阈值范围内，优选的，设置一个迭代次数上限，当迭代次数到达上限时输出的方差值仍然不在阈值范围内，认为数据难以收敛，则放弃再接收关于该场景的数据输入。
[0036]在步骤S4中，将期望灯光配置数据作为控制选择请求推送至用户的客户端后，若用户的客户端中设置有针对该灯光节点的默认选择条件，则直接执行该默认选择，例如用户默认为同意该调整，则直接根据推送的灯光配置数据对该灯光节点进行调整，无需用户选择。
[0037]上面所举例的应用场景只是其中一种，还可以应用于其他的灯光应用场景，总的来说，只要是围绕着灯光调节而频繁发生的场景，通过获取与该场景相关的数据输入至神经网络中进行迭代学习，得到输出方差收敛时，就认为完成了自动学习过程，此时得到的灯光配置则认为是用户期望的灯光配置，从而实现对灯光的自动控制。
[0038]本发明实现了通过神经网络对用户常用的灯光配置场景进行训练学习，当学习成功后，将学习得到的期望灯光配置推送至用户的客户端进行选择是否执行或者直接执行该期望灯光配置，以实现对该灯光节点的智能自动控制。
[0039]本发明还公开了一种自动学习的灯光控制装置，包括以下模块:
[0040]数据输入模块:用于通过设定的传感器获取影响某灯光节点的当前传感数据，将当前传感数据以及该灯光节点的当前配置数据作为输入数据输入至神经网络；
[0041]输出判断模块:用于根据神经网络中的当前权重数据计算得到输出方差值，判断该输出方差值是否在设定的阈值范围内，若是，执行期望配置推送模块，若否，执行第一迭代丰吴块；
[0042]第一迭代模块:用于根据预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回数据输入模块进行迭代；
[0043]期望配置推送模块:用于将根据神经网络中的当前权重数据计算得到的该灯光节点的期望配置数据作为控制选择请求推送至用户的客户端中。
[0044]优选的，在期望配置推送模块之后还包括以下模块:
[0045]第二迭代模块:用于根据选择结果对该灯光节点进行相应的配置调整，并且根据选择结果和预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回数据输入模块进行迭代。
[0046]优选的，在期望配置推送模块中，若用户的客户端中设置有针对该灯光节点的默认选择条件，则直接执行该默认选择。
[0047]优选的，所述神经网络为BP神经网络。
[0048]对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
【主权项】
1.一种自动学习的灯光控制方法，其特征在于，包括以下步骤: S1:通过设定的传感器获取影响某灯光节点的当前传感数据，将当前传感数据以及该灯光节点的当前配置数据作为输入数据输入至神经网络； S2:根据神经网络中的当前权重数据计算得到输出方差值，判断该输出方差值是否在设定的阈值范围内，若是，执行步骤S4，若否，执行步骤S3 ； S3:根据预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回步骤SI进行迭代； S4:将根据神经网络中的当前权重数据计算得到的该灯光节点的期望配置数据作为控制选择请求推送至用户的客户端中。2.根据权利要求1所述的自动学习的灯光控制方法，其特征在于，在步骤S4之后还包括以下步骤: S5:根据选择结果对该灯光节点进行相应的配置调整，并且根据选择结果和预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回步骤SI进行迭代。3.根据权利要求1所述的自动学习的灯光控制方法，其特征在于，在步骤S4中，若用户的客户端中设置有针对该灯光节点的默认选择条件，则直接执行该默认选择。4.根据权利要求1所述的自动学习的灯光控制方法，其特征在于，所述神经网络为BP神经网络。5.一种自动学习的灯光控制装置，其特征在于，包括以下模块: 数据输入模块:用于通过设定的传感器获取影响某灯光节点的当前传感数据，将当前传感数据以及该灯光节点的当前配置数据作为输入数据输入至神经网络； 输出判断模块:用于根据神经网络中的当前权重数据计算得到输出方差值，判断该输出方差值是否在设定的阈值范围内，若是，执行期望配置推送模块，若否，执行第一迭代模块； 第一迭代模块:用于根据预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回数据输入模块进行迭代； 期望配置推送模块:用于将根据神经网络中的当前权重数据计算得到的该灯光节点的期望配置数据作为控制选择请求推送至用户的客户端中。6.根据权利要求5所述的自动学习的灯光控制装置，其特征在于，在期望配置推送模块之后还包括以下模块: 第二迭代模块:用于根据选择结果对该灯光节点进行相应的配置调整，并且根据选择结果和预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回数据输入模块进行迭代。7.根据权利要求5所述的自动学习的灯光控制装置，其特征在于，在期望配置推送模块中，若用户的客户端中设置有针对该灯光节点的默认选择条件，则直接执行该默认选择。8.根据权利要求5所述的自动学习的灯光控制装置，其特征在于，所述神经网络为BP神经网络。
【专利摘要】本发明公开了一种自动学习的灯光控制方法和装置，方法包括：S1：通过设定的传感器获取影响某灯光节点的当前传感数据，将当前传感数据以及该灯光节点的当前配置数据作为输入数据输入至神经网络；S2：根据神经网络中的当前权重数据计算得到输出方差值，判断该输出方差值是否在设定的阈值范围内，若是，执行步骤S4，若否，执行步骤S3；S3：根据预设的权重调整公式对当前权重数据进行调整，作为下一次迭代时的当前权重数据，并返回步骤S1进行迭代；S4：将根据神经网络中的当前权重数据计算得到的该灯光节点的期望配置数据作为控制选择请求推送至用户的客户端中。本发明通过神经网络学习算法实现灯光节点的自动控制。
【IPC分类】H05B37/02
【公开号】CN104968121
【申请号】CN201510417344
【发明人】庞桂伟, 李吉兰, 王明洪, 庞桂兑, 楚阿真, 刘小林, 庞结莲, 陈麟, 曾庆春, 王林东
【申请人】深圳市通普科技有限公司
【公开日】2015年10月7日
【申请日】2015年7月15日