JP2013539173A - 照明の自動構成 - Google Patents

Abstract

本発明は、照明システムによって作り出される照明を自動的に構成することに関し、詳細には、ネットワーク化された照明システムで、人を追跡する照明を作り出すことに関する。本発明の基本的な考えは、自動照明構成をシステムの変化に関してよりロバストにするために、入力データとして受け取られるランプ及び存在検出器の起動の処理に基づく学習を、照明を自動的に構成するためのシステムの変化に、可変適応レートで適応させるというものである。本発明の実施例は、照明を自動的に構成するためのシステム１０であり、各ランプが、制御信号によって起動され、その起動を出力するランプ１２のネットワークと、各存在検出器が、活動を検出することによって起動され、その起動を出力する存在検出器１４のネットワークと、入力データ１８として受け取られるランプ及び存在検出器の起動を、学習に基づいて処理し、前記照明を構成するために、処理された前記入力データに応じて、ランプのための制御信号２０を出力するための照明コンフィギュレータ１６とを有するシステムであって、前記照明コンフィギュレータによる入力データの前記処理が、前記システムの変化に、可変適応レート２２で適応され得るシステムに関する。

Description

本発明は、照明システムによって作り出される照明効果を自動的に構成することに関し、詳細には、ネットワーク化された照明システムで、人を追跡する照明効果を作り出すことに関する。

先だって公開されてはいない国際特許出願PCT/EP2010/050836には、どのランプが次にオンにすべきであるランプであるかを予測することを学習することができる照明を自動的に構成するためのシステムが記載されている。この情報に基づいて、照明制御システムは、ランプを、それらに接続された存在検出器が活動を検出する前に、オンにして、ユーザの快適さを高めることができる。

本発明の目的は、先だって公開されてはいない国際特許出願PCT/EP2010/050836に記載されているような照明の自動構成を更に改善することである。

この目的は、独立請求項の内容によって解決される。他の実施例は、従属請求項によって示されている。

本発明の基本的な考えは、自動照明構成をシステムの変化に関してよりロバストにするために、入力データとして受け取られるランプ及び存在検出器の起動の処理に基づく学習を、照明を自動的に構成するためのシステムの変化に、可変適応レートで適応させるというものである。従って、本発明による照明を自動的に構成するためのシステムは、とりわけ、PCT/EP2010/050836に記載されているシステムのようなシステムを設計する場合に、ノイズが生じ得ること、及びこのような学習をベースにしたシステムがノイズに対してどれくらいロバストであるかと、前記システムが前記システムの構成の変化に起因する入力データの新しいパターンにどれくらい素早く適応させることができるかとの間には根本的なトレードオフがあり得ることを考慮に入れることができる。ノイズは、例えば、前記入力データの処理の入力データのパターンにおけるランダムなずれによって作り出され得る。これは、前記システムの構成が変わる場合に、常に、まるで前記システムが変わっていないように見え、その元の入力データパターンにおいてノイズを経験するという事実から分かる。それ故、システムがノイズに対してよりロバストであればあるほど、前記システムは、新しいシステム構成、又は使用入力データパターンの変化に対する適応においては、より遅くなるだろう。入力データパターンは、入力データとして受け取られ、前記照明の構成のために処理されるランプ及び存在検出器の起動の或るパターンである。

本発明の実施例は、照明を自動的に構成するためのシステムであり、
− 各ランプが、制御信号によって起動され、その起動を出力するランプのネットワークと、
− 各存在検出器が、活動を直接的に（又は間接的に）検出することによって起動され、その起動を出力する存在検出器のネットワークと、
− 入力データとして受け取られるランプ及び存在検出器の起動を、学習に基づいて処理し、前記照明を構成するために、処理された前記入力データに応じて、ランプのための制御信号を出力するための照明コンフィギュレータとを有するシステムであって、前記照明コンフィギュレータによる入力データの前記処理が、前記システムの変化に、可変適応レートで適応され得るシステムを提供する。

前記照明コンフィギュレータは、
− ランプ及び存在検出器の起動のランダムな処理のモデルを含んでもよく、前記ランダムな処理の前記モデルは、
− 受け取った前記入力データからランプ及び存在検出器の起動のパターンを学習し、
− 受け取った入力データ、ランプ及び存在検出器の起動の学習したパターン、及び前記適応レートの現在の設定に基づいて、ランプ及び存在検出器の起動のパターンを予測し、
− 予測した前記パターンを前記制御信号として出力するよう構成される。

前記照明コンフィギュレータは、前記適応レートを低下又は上昇させるコンフィギュレータを含んでもよい。前記コンフィギュレータは、とりわけ、ユーザが、前記適応レートを手動で低下又は上昇させることを可能にし得る。

前記適応レートを低下させることは、
− 学習の過程において前記ランダムな処理の前記モデルによって用いられる歴史的入力データの量を変更すること、
− 前記学習の過程において前記ランダムな処理の前記モデルによって歴史的入力データがどのように重み付けされるかを変更すること、
− 前記起動のパターンを予測する前記ランダムな処理の前記モデルに対する変更がどれくらい素早くなされるかを決定するパラメータを変更すること、
− 前記学習の動作を完全にオン又はオフにするあらゆる動作、
− 前記ランダムな処理の前記モデルが全く学習しないように前記適応レートを設定すること、
− 前記ランダムな処理のパラメータの推定が全て取り除かれるように前記照明コンフィギュレータのメモリを再設定すること、及び
− 前記システムの予測モデルが適正であるか否かについてのフィードバックを前記システムが受け取るときに、前記システムが前記システムの予測を適応させる速度を前記システムに適応させる他のあらゆる動作、のうちの１つを含み得る。

前記照明コンフィギュレータは、
− 前記システムによってユーザインタフェースを介して受け取られる前記適応レートに関するユーザ入力、
− 前記存在検出器及び／又はランプのネットワークへ／からの存在検出器及び／又はランプの追加又は除去、
− （相対的）信号強度、ルーティングテーブル、物理的なネットワーク接続を含む前記ネットワークの構成のあらゆる変更、
− 前記システムに対する変更のセットに対応する前記ランダムな処理の前記モデルにおけるノイズであって、前記変更のセットが、ランプ又は存在検出器が追加された、ランプ又は存在検出器が取り除かれた／壊れた、ランプ又は存在検出器が別の位置に配置された、前記ランプ及び／又は存在検出器のネットワークが分割された、といったものを含むノイズ、から成るグループからの事象の場合に、前記システムの変化を検出するよう構成され得る。

本発明の他の実施例は、上記のような本発明のシステムにおいて照明を自動的に構成するための方法であって、前記方法が、
− 入力データとして受け取られるランプ及び存在検出器の起動を処理する動作、及び
− 前記照明を構成するために、処理された前記入力データに応じて、ランプのための制御信号を出力する動作を有し、前記照明コンフィギュレータによる入力データの前記処理が、前記システムの変化に、可変適応レートで適応され得る方法に関する。

前記入力データを処理する動作は、ランプiが第１時間ステップt₁において起動されるかどうかを、第２時間ステップt₂における前記ランプiの起動及び全ての以前の事象e_t2に基づいて予測するための関数によって実施される前記ランダムな処理の前記モデルを含んでもよく、事象e_txは、前記ランプのネットワークの特定のランプが或る期間t_xにおいて起動されるかどうかを予測するのに用いられ得るあらゆる情報を有する。

前記関数は、他の入力として、より新しい事象e_t1がより古い事象e_t2と比べてどのように重み付けされるべきかを示す学習レートパラメータL_Rを受け取り得る。

前記関数は、
− 前記第２時間ステップt₂における事象E={e_t2,0<e_t2<e_t1}、前記第２時間ステップt₂における前記ランプの起動L={l_it2,0<l_it2<l_it1}、及び前記学習レートパラメータL_Rを入力 として受け取る第１関数fと、
− 前記第１関数によって出力され、前記第２時間ステップt₂における事象E={e_t2,0<e_t2<e_t1}を入力として受け取り、前記第１時間ステップt₁における前記ランプの起動l_it1が真であるか偽であるかを出力する第２関数mとを含み得る。

前記第１関数f及び前記第２関数mは１つの関数に統合され得る。

前記第１関数f及び／又は前記第２関数mは、
− ニューラルネットワークアルゴリズム、
− 機械学習アルゴリズム、
− 統計的パターン認識アルゴリズム、
− 強化学習アルゴリズム、
− 動的計画法アルゴリズム、
− 最適化関数アルゴリズム、
− 遺伝的アルゴリズムから成るグループのうちの１つによって実施され得る。

前記方法においては、前記学習レートパラメータL_Rは、経時変化してもよく、且つ／又はランプiの起動lは、前記ランプiの減光レベルを示す値であってもよい。

本発明の更に他の実施例は、本発明による方法を実施するよう構成され、ランプのネットワーク及び存在検出器のネットワークに対するインタフェースを有するＰＣ（パーソナルコンピュータ）などのコンピュータを提供する。前記コンピュータは、入力データの前記処理を前記システムの変化に適応させるための前記適応レートをユーザが楽に調節することを可能にするグラフィカルユーザインタフェースを備えるプログラムを実行し得る。前記コンピュータは、更に、プログラムによって、本発明の照明構成を実施するよう構成され得る。

本発明の別の実施例は、プロセッサが上記のような本発明による方法を実行することを可能にするコンピュータプログラムを提供する。

本発明の他の実施例によれば、本発明によるコンピュータプログラムを記憶する記録担体、例えば、ＣＤ−ＲＯＭ、ＤＶＤ、メモリカード、フロッピーディスク、インターネットメモリ装置、又は光アクセス又は電子アクセスのための前記コンピュータプログラムを記憶するのに適した同様なデータ記憶媒体が、提供され得る。

下記の実施例を参照して、本発明のこれら及び他の態様を説明し、明らかにする。

以下、本発明を、例示的な実施例に関してより詳細に説明する。しかしながら、本発明は、これらの例示的な実施例に限定されない。

本発明の実施例による照明を自動的に構成するためのシステムを示す。 本発明の実施例による照明コンフィギュレータのブロック図を示す。

以下において、機能的に同様又は同一の素子は、同じ参照符号を持ち得る。

図１は、各々が存在又は運動検出器１４に結合されているランプ１２のネットワークにおいて照明を自動的に構成するためのシステム１０を示している。示されているシステム１０は、参照により本願明細書に盛り込まれる先だって公開されてはいない国際特許出願PCT/EP2010/050836に記載されているように実施され得る。このシステムにおいては、ランプ１２及び存在検出器１４の起動が、照明を構成するよう処理される。PCT/EP2010/050836に記載されているシステムは、存在検出器１４の起動、ＵＩ（ユーザインタフェース）のスイッチ及びランプ１２の起動におけるパターンを見つけ出そうと試みる。PCT/EP2010/050836に記載されているシステムの根底にある前提は、データを生成する存在検出器及びランプの起動のランダムな処理があり、このランダムな処理のパターンを（暗に）推定することによって、パターンが可能な限り良好に予測され得るというものである。ランダムな処理は、システムにおいて、ランダムな処理のパラメータを推定し、この推定を近似のために用いることによって、近似される。近似からのずれは、照明の不適切な構成をもたらし得る。

図１のシステム１０は、照明コンフィギュレータ１６を有する。照明コンフィギュレータ１６は図２に詳細に示されている。照明コンフィギュレータ１６は、ランダムな処理のモデル２４を有する。モデル２４は、受け取った入力データ１８からランプ１２及び存在検出器１４の起動のパターンを学習するよう構成される。学習パターンは、照明コンフィギュレータ１６内のデータベース２６に記憶される。学習パターン２６は、モデル２４と共に、ランダムな処理のパラメータの推定であり、ランダムな処理の近似を形成する。ランダムな処理のモデル２４は、学習パターン２６及び適応レートの現在の設定２２を用いて、受け取った入力データ１８、即ち、システム内のランプ１２及び存在検出器１４の起動を処理する。前記処理は、ランプ及び存在検出器の起動の或る特定のパターンを予測し、それは、システム１０のランプ１２のための制御信号２０として出力される。

照明コンフィギュレータ１６は、別個の装置、例えば、ランプ１２及び存在検出器１４のネットワークと結合されるコンピュータとして実施されることができ、又は分散システムとしても、詳細には、照明コンフィギュレータのタスクを実行する組込型コンピュータを含み得るランプ１２においても実施されることができる。

システム１０内の通信は、有線及び／又は無線であり得る。例えば、ランプ１２及び存在検出器１４は、Bluetooth（登録商標）、ZigBee（登録商標）、Wi-Fi（登録商標）などの無線技術を用いて照明コンフィギュレータ１６と通信することができる。ランプ１２はまた、ＬＡＮ（ローカルエリアネットワーク）を介して照明コンフィギュレータ１６と通信するのに電力線技術を用いるよう実施され得る。

存在検出器１４は、ランプ１２に組み込まれ、ランプ１２の一部であってもよく、別個の装置として実施され、それらの起動信号をブロードキャストしてもよい。上で既に述べたように、照明コンフィギュレータ１６は、ランプ１２及び存在検出器１４の起動を、入力データ１８として受け取り、ランプ１２の照明を構成するためのランプ１２のための制御信号２０を出力する。照明コンフィギュレータ１６は、他の入力として、可変適応レート２２を受け取る。モデル２４による入力データ１８の処理は、可変適応レート２２で、システム１０の変化に適応され得る。これは、モデルでのランダムな処理の近似からのずれをもたらし得る。

可変適応レート２２は、例えば、ユーザによってシステム１０のＵＩスイッチを介して入力されることができ、又はシステム１０と結合され、システム１０の機能に対するアクセスを得るためのＵＩを有する装置、例えば、スマートフォン２８、タブレットＰＣ、ノートパソコン、ＰＤＡ(Personal Digital Assistant)によって入力されることができる。図１は、 Wi-Fi（登録商標）又は3Gモバイル通信技術などのなんらかの種類の無線技術を介してシステムの照明コンフィギュレータ１６との通信３０をすることができる、照明制御アプリケーション（又はアプリ）を備えるスマートフォン２８を示している。ユーザは、前記アプリで、スマートフォンを用いて可変適応レート２２を調節することができる。

前述のように、システム１０の変化は、照明の自動構成の基礎をなすランダムな処理の現在の近似からのずれをもたらし得る。ずれには、原則的に、
ランダムな処理におけるノイズによって、ずれがもたらされる、
ランダムなデータを生成するランダムな処理が、例えば、
ランプが追加された、
ランプが取り除かれた／壊れた、
ランプが別の位置に配置された、
検出器が追加された、
検出器が取り除かれた／壊れた、
検出器が別の位置に配置された、
ネットワークが分割された、などの（システム変更により）変化した、という２つの理由があり得る。

基本的には、これらの２つの事象を見分ける方法はなく、なされ得る唯一のことは、ランダムな処理の推定が適応される速度を変更することである。ランダムな処理の推定の適応は、可変適応レート２２で実施される。適応レートは、本願明細書では、学習レートとも呼ばれる。なぜなら、それは、様々な入力データに対するランダムな処理の学習に影響を及ぼすからである。

学習レートは、通常は０と示される、全く学習しないものと、通常は１と示される、最後に受け取った情報だけを考慮に入れるものとの間で変化し得る。それ故、学習レートのための適切な設定を選ぶことは、システムが変更されるたびに非常に素早く適応するが、ノイズに対してあまりロバストではないシステムと、ランダムなノイズに対して非常にロバストではあるが、ランダムな処理に対する変更をあまり素早くは学習しないシステムとの間でバランスをとることである。システム１０においては、学習レートは、ランダムな処理が変化している形跡に基づいて変更され得る。

学習レートは、ユーザが、システムの構成が変わっていると疑う又は知る場合に低くされるべきであり、ユーザが、学習レートの前記ユーザの推定が適切であることを非常に確信している場合には高くされるべきである。これは、システムが全く学習しないような学習レートを設定すること、又はランダムな処理の推定が全て取り除かれるような学習システムのメモリを再設定することを含む。

学習レートの現在の設定を適応させるために用いられ得る指標は、
システムを、学習しないよう変更、
システムを、ランダムな処理の背後にあるモデルの現在の推定を全て忘れるよう再設定、
学習レートを、何か他の速度へ設定、
検出器及び／又はランプのネットワークへの追加又はネットワークからの除去、
ルーティングテーブル、信号強度、物理的な接続を含む通信ネットワークに対する変更、といったユーザが明示的に変え得るなんらかの種類のインタフェースを用いるユーザ動作を含む。

ランダムな処理におけるノイズは、
ランプが追加された、
ランプが取り除かれた／壊れた、
ランプが別の位置に配置された、
検出器が追加された、
検出器が取り除かれた／壊れた、
検出器が別の位置に配置された、
ネットワークが分割された、というシステムに対する変更の限られたセットに対応する。

システム１０において照明を自動的に構成するための方法の実施例を、以下に記載する。前記方法は、照明コンフィギュレータ１６において実施されることができ、入力データ１８を処理し、照明を構成するためのランプのための制御信号２０を生成する。まず、説明のために用いられる幾つかの重要な用語を規定する。

事象は、特定の期間において特定のランプがオンになるかどうかを予測するために用いられるあらゆる情報である。文字eは、事象を示すのに用いられ、時間ステップtにおけるランプ起動は、l_itで、時間ステップtにおいてランプIが、オンであったか、オフであったかが示される。

e_tは、時間ステップtにおいて受け取られた全ての事象を示し、これは、他のランプの全ての起動を示す。

ランダムな処理のモデルは、或る時間ステップt₁においてl_iがオンであるかどうかを、全ての以前の事象e_t2及び起動l_it2に基づいて予測する関数である。ここで、0<t₂<t₁である。

問題は、l_t1を、{e_t2,0<e_t2<e_t1}に基づいて推定することである。これをするために、入力として、E={e_t2,0<e_t2<e_t1}、L={l_it2,0<l_it2<l_it1}、及びより新しい情報がより古い情報と比べてどのように重み付けされるべきかを示す学習レートパラメータL_Rを受け取る高次関数fが作成される。このパラメータは、単一の数字に限定されず、関数、ベクトル、行列又は他の如何なる形態でもあり得る。関数fは、入力として{e_t2,0<e_t2<e_t1}を受け取り、l_t1が真であるか偽であるかを出力する別の関数mを出力する。

上記の方法の他の実施例は、以下に挙げられる。

f及びmは、直接、出力が与えられる１つの関数に統合されることができ、f及びmが、統合される場合に、明確に分離されないことは事実であり得る。

L_Rは、時間にわたって変化し得る（L_Rを変えるのに用いられ得る指標のリストについては、上記参照）。

f及び／又はmは、
ニューラルネットワーク、
機械学習、
統計的パターン認識、
強化学習、
動的計画法、
最適化関数、
遺伝的アルゴリズムを含む（が、これらに限定しない）多様な技術を用いて実施され得る。

l_iは、オン又はオフを示す値を持ち得るだけでなく、オフと或る最大との間の減光レベルも示し得る。

このシステムは、１人のユーザに対しても、同時に複数人のユーザに対しても動作し得る。本発明は、人がどこへ向かっているのかを「前もって考え」、前記人が向かっている場所を前記人が既に見ることができるように、前もって照明をオンにする全ての種類の照明システムにおいて用いられ得る。しかしながら、装飾又は芸術システムにおいて、システムが、例えば、装飾照明、壁部又は天井に投影されるビデオ又はコンピュータ画像によって、又は音及び水などの他の出力様式で、なんらかの形で、ユーザを追跡するような他の状況においても本発明は用いられ得る。

本発明の機能の少なくとも幾つかは、ハードウェア又はソフトウェアによって実施され得る。ソフトウェアにおける実施の場合には、本発明を実施する単一又は複数のアルゴリズムを処理するために、単一又は複数の標準的なマイクロプロセッサ又はマイクロコントローラが用いられ得る。

「有する」という単語は、他の要素又はステップを排除せず、単数形表記は、複数性を排除しないことに注意されたい。更に、請求項における如何なる参照符号も、本発明の範囲を限定するものとして解釈されるべきではない。

Claims (15)

1. 照明を自動的に構成するためのシステムであり、
   各ランプが、制御信号によって起動され、その起動を出力するランプのネットワークと、
   各存在検出器が、活動を検出することによって起動され、その起動を出力する存在検出器のネットワークと、
   入力データとして受け取られるランプ及び存在検出器の起動を、学習に基づいて処理し、前記照明を構成するために、処理された前記入力データに応じて、ランプのための制御信号を出力するための照明コンフィギュレータとを有するシステムであって、前記照明コンフィギュレータによる入力データの前記処理が、前記システムの変化に、可変適応レートで適応され得るシステム。
2. 前記照明コンフィギュレータが、
   ランプ及び存在検出器の起動のランダムな処理のモデルを有し、前記ランダムな処理の前記モデルが、
   受け取った前記入力データからランプ及び存在検出器の起動のパターンを学習し、
   受け取った入力データ、ランプ及び存在検出器の起動の学習したパターン、及び前記適応レートの現在の設定に基づいて、ランプ及び存在検出器の起動のパターンを予測し、
   予測した前記パターンを前記制御信号として出力するよう構成される請求項１に記載のシステム。
3. 前記照明コンフィギュレータが、前記適応レートを低下又は上昇させるコンフィギュレータを有する請求項２に記載のシステム。
4. 前記適応レートを低下させることが、
   学習の過程において前記ランダムな処理の前記モデルによって用いられる歴史的入力データの量を変更すること、
   前記学習の過程において前記ランダムな処理の前記モデルによって歴史的入力データがどのように重み付けされるかを変更すること、
   前記起動のパターンを予測する前記ランダムな処理の前記モデルに対する変更がどれくらい素早くなされるかを決定するパラメータを変更すること、
   前記学習の動作を完全にオン又はオフにするあらゆる動作、
   前記ランダムな処理の前記モデルが全く学習しないように前記適応レートを設定すること、
   前記ランダムな処理のパラメータの推定が全て取り除かれるように前記照明コンフィギュレータのメモリを再設定すること、及び
   前記システムの予測モデルが適正であるか否かについてのフィードバックを前記システムが受け取るときに、前記システムが前記システムの予測を適応させる速度を前記システムに適応させる他のあらゆる動作、のうちの１つを含む請求項３に記載のシステム。
5. 前記システムによってユーザインタフェースを介して受け取られる前記適応レートに関するユーザ入力、
   前記存在検出器及び／又はランプのネットワークへ／からの存在検出器及び／又はランプの追加又は除去、
   信号強度、ルーティングテーブル、物理的なネットワーク接続を含む前記ネットワークの構成のあらゆる変更、
   前記システムに対する変更のセットに対応する前記ランダムな処理の前記モデルにおけるノイズであって、前記変更のセットが、ランプ又は存在検出器が追加された、ランプ又は存在検出器が取り除かれた／壊れた、ランプ又は存在検出器が別の位置に配置された、前記ランプ及び／又は存在検出器のネットワークが分割された、といったものを含むノイズ、から成るグループからの事象の場合に、前記照明コンフィギュレータが、前記システムの変化を検出するよう構成される請求項２乃至４のいずれか一項に記載のシステム。
6. 請求項１乃至５のいずれか一項に記載のシステムにおいて照明を自動的に構成するための方法であって、前記方法が、
   入力データとして受け取られるランプ及び存在検出器の起動を、学習に基づいて処理する動作、及び
   前記照明を構成するために、処理された前記入力データに応じて、ランプのための制御信号を出力する動作を有し、前記照明コンフィギュレータによる入力データの前記処理が、前記システムの変化に、可変適応レートで適応され得る方法。
7. 前記入力データを処理する動作が、ランプiが第１時間ステップt₁において起動されるかどうかを、第２時間ステップt₂における前記ランプiの起動及び全ての以前の事象e_t2に基づいて予測するための関数によって実施される前記ランダムな処理の前記モデルを有し、事象e_txが、前記ランプのネットワークの特定のランプが或る期間t_xにおいて起動されるかどうかを予測するのに用いられ得るあらゆる情報を有する請求項６に記載の方法。
8. 前記関数が、他の入力として、より新しい事象e_t1がより古い事象e_t2と比べてどのように重み付けされるべきかを示す学習レートパラメータL_Rを受け取る請求項７に記載の方法。
9. 前記関数が、
   前記第２時間ステップt₂における事象E={e_t2,0<e_t2<e_t1}、前記第２時間ステップt₂における前記ランプの起動L={l_it2,0<l_it2<l_it1}、及び前記学習レートパラメータL_Rを入力として受け取る第１関数fと、
   前記第１関数によって出力され、前記第２時間ステップt₂における事象E={e_t2,0<e_t2<e_t1}を入力として受け取り、前記第１時間ステップt₁における前記ランプの起動l_it1が真であるか偽であるかを出力する第２関数mとを有する請求項８に記載の方法。
10. 前記第１関数f及び前記第２関数mが１つの関数に統合される請求項９に記載の方法。
11. 前記第１関数f及び／又は前記第２関数mが、
    ニューラルネットワークアルゴリズム、
    機械学習アルゴリズム、
    統計的パターン認識アルゴリズム、
    強化学習アルゴリズム、
    動的計画法アルゴリズム、
    最適化関数アルゴリズム、
    遺伝的アルゴリズムから成るグループのうちの１つによって実施される請求項９又は１０に記載の方法。
12. 前記学習レートパラメータL_Rが経時変化する、且つ／又は
    ランプiの起動lが前記ランプiの減光レベルを示す値である請求項８、９、１０又は１１に記載の方法。
13. プロセッサが請求項６乃至１２のいずれか一項に記載の方法を実行することを可能にするコンピュータプログラム。
14. 請求項１３に記載のコンピュータプログラムを記憶する記録担体。
15. 請求項６乃至１２のいずれか一項に記載の方法を実施するようプログラムされたコンピュータ。

Images