WO2021028967A1

WO2021028967A1 - 制御システム、サーバ、機器、制御方法およびプログラム

Info

Publication number: WO2021028967A1
Application number: PCT/JP2019/031638
Authority: WO
Inventors: 長沢　雅人; 智子三木; 淳子貴島; 孝司関; 隆司新井
Original assignee: 三菱電機株式会社
Priority date: 2019-08-09
Filing date: 2019-08-09
Publication date: 2021-02-18
Also published as: JP2023145437A; US20220236704A1; JPWO2021028967A1

Abstract

クラウドサーバ（２）は、空気調和機（４，５２）または給湯機（５１）の機器設定パラメータの履歴を示す動作履歴情報と空気調和機（４，５２）または給湯機（５１）が動作する環境の履歴を示す環境履歴情報と空気調和機（４，５２）または給湯機（５１）の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部（２１１）と、履歴情報に基づいて、ニューラルネットワークのニューラルネットワーク係数を決定する係数決定部（２１５）と、係数決定部（２１５）によりニューラルネットワーク係数が決定されたニューラルネットワークを用いて、空気調和機（４，５２）または給湯機（５１）の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部（２１６）と、を備える。

Description

制御システム、サーバ、機器、制御方法およびプログラム

　本発明は、制御システム、サーバ、機器、制御方法およびプログラムに関する。

　近年、ニューラルネットワークを利用した機械学習を活用した機器制御システムが提供されている。例えば、複数の空気調和装置と、複数の空気調和装置とインターネットを介して接続され、空気調和装置から取得した環境情報を機械学習によって処理して空気調和装置を個別に制御するための制御ルールを構築するクラウドサーバと、を備える空気調和システムが提案されている（例えば特許文献１参照）。クラウドサーバは、制御ルールを構築した後、空気調和装置の最適な運転状態を制御するための指令値を、制御ルールを用いて求め、インターネットを介して空気調和装置へ送信する。

特開２０１８－１２３９９８号公報

　しかしながら、特許文献１に提案されている空気調和システムでは、クラウドサーバと空気調和装置との間で、インターネットを介して、環境情報と指令値とが頻繁に送受信される。従って、インターネットにおける通信トラフィックが増大し、通信速度が低下してしまうと、空気調和装置を最適な運転状態で維持することが困難になる虞がある。

　本発明は、上記事由に鑑みてなされたものであり、機器とサーバとの両方またはいずれか一方でニューラルネットワークを用いた計算を実行する場合において、ネットワークにおける通信トラフィックの機器の動作への影響が低減された制御システム、サーバ、機器、制御方法およびプログラムを提供することを目的とする。

　上記目的を達成するために、本発明に係る制御システムは、
　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部と、
　前記履歴情報に基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記係数決定部により前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部と、を有し、
　前記機器は、
　前記スケジュール情報が示す運転スケジュールに従って前記機器を制御する機器制御部を有する。

　本発明によれば、サーバにおいて、ニューラルネットワーク計算部が、係数決定部により第１ニューラルネットワーク係数が決定された第１ニューラルネットワークを用いて、環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求める。また、スケジュール生成部が、ニューラルネットワーク計算部により求められた機器設定パラメータに基づいて、機器の将来の運転スケジュールを示すスケジュール情報を生成する。そして、機器の機器制御部が、スケジュール情報が示す運転スケジュールに従って機器を制御する。これにより、機器は、スケジュール情報が示す運転スケジュールに対応する期間毎に、履歴情報をサーバへ送信し、サーバからスケジュール情報を取得するだけで、スケジュール情報が示す運転スケジュールに沿って機器を制御することができる。従って、機器とサーバとの間で履歴情報、スケジュール情報が送受信される頻度が低減するので、ネットワークにおける通信トラフィックの機器の動作への影響が低減されるという利点がある。

本発明の実施の形態１に係る制御システムの概略構成図実施の形態１に係る空気調和機のハードウェア構成を示すブロック図実施の形態１に係る空気調和機の機能構成を示すブロック図実施の形態１に係る空気調和機が設置された部屋の温度履歴の一例を示す図実施の形態１に係る空気調和機が設置された部屋の温度履歴の一例を示す図実施の形態１に係る履歴情報記憶部が記憶する情報の一例を示す図実施の形態１に係る給湯機のハードウェア構成を示すブロック図実施の形態１に係る給湯機の機能構成を示すブロック図実施の形態１に係る空気調和機が設置された浴室の温度履歴の一例を示す図実施の形態１に係る空気調和機が設置された浴室の温度履歴の一例を示す図実施の形態１に係る履歴情報記憶部が記憶する情報の一例を示す図実施の形態１に係る履歴情報記憶部が記憶する情報の一例を示す図実施の形態１に係るクラウドサーバのハードウェア構成を示すブロック図実施の形態１に係るクラウドサーバの機能構成を示すブロック図実施の形態１に係るニューラルネットワーク計算部の動作説明図実施の形態１に係る制御システムの動作の一例を示すシーケンス図実施の形態１に係る履歴属性情報の一例を示す図実施の形態１に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態１に係るクラウドサーバが実行するスケジュール生成処理の流れの一例を示すフローチャート実施の形態１に係るクラウドサーバが実行する係数決定処理の流れの一例を示すフローチャート実施の形態１に係るクラウドサーバが実行する機器設定算出処理の流れの一例を示すフローチャート実施の形態２に係るクラウドサーバの機能構成を示すブロック図実施の形態２に係る嗜好特徴量情報の一例を示す図実施の形態２に係る空気調和機の機能構成を示すブロック図実施の形態２に係るスケジュール記憶部が記憶する情報の一例を示す図実施の形態２に係る制御システムの動作の一例を示すシーケンス図実施の形態２に係る履歴属性情報の一例を示す図実施の形態２に係るクラウドサーバが実行する嗜好特徴量情報生成処理の流れの一例を示すフローチャート実施の形態２に係るクラウドサーバが実行する係数決定処理の流れの一例を示すフローチャート実施の形態２に係るクラウドサーバが実行する嗜好特徴量算出処理の流れの一例を示すフローチャート実施の形態３に係る空気調和機のハードウェア構成を示すブロック図実施の形態３に係るニューロエンジンの構成を示すブロック図実施の形態３に係る空気調和機の機能構成を示すブロック図実施の形態３に係るクラウドサーバの機能構成を示すブロック図実施の形態３に係る制御システムの動作の一例を示すシーケンス図実施の形態３に係る係数属性情報の一例を示す図実施の形態３に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態３に係るクラウドサーバが実行する係数情報生成処理の流れの一例を示すフローチャート実施の形態４に係る空気調和機の機能構成を示すブロック図実施の形態４に係るクラウドサーバの機能構成を示すブロック図実施の形態４に係る制御システムの動作の一例を示すシーケンス図実施の形態４に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態４に係るクラウドサーバが実行する係数情報生成処理の流れの一例を示すフローチャート実施の形態５に係る空気調和機の機能構成を示すブロック図実施の形態５に係るクラウドサーバの機能構成を示すブロック図実施の形態５に係る制御システムの動作の一例を示すシーケンス図実施の形態５に係る制御システムの動作の一例を示すシーケンス図実施の形態５に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態５に係るクラウドサーバが実行する係数情報生成処理の流れの一例を示すフローチャート実施の形態６に係る空気調和機の機能構成を示すブロック図実施の形態６に係るクラウドサーバの機能構成を示すブロック図実施の形態６に係る制御システムの動作の一例を示すシーケンス図実施の形態６に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態６に係るクラウドサーバが実行する教師情報送信処理の流れの一例を示すフローチャート本発明の実施の形態７に係る制御システムの概略構成図実施の形態７に係る空気調和機の機能構成を示すブロック図実施の形態７に係る空気調和機のハードウェア構成を示すブロック図実施の形態７に係る空気調和機の機能構成を示すブロック図実施の形態７係る制御システムの動作の一例を示すシーケンス図実施の形態７に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート本発明の実施の形態８に係る制御システムの概略構成図実施の形態８に係る空気調和機の機能構成を示すブロック図実施の形態８に係るクラウドサーバの機能構成を示すブロック図実施の形態８に係る制御システムの動作の一例を示すシーケンス図実施の形態８係る制御システムの動作の一例を示すシーケンス図実施の形態８に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態８に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態８係る制御システムの動作の一例を示すシーケンス図実施の形態８に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態８係る制御システムの動作の一例を示すシーケンス図実施の形態９に係る空気調和機のハードウェア構成を示すブロック図実施の形態９に係る空気調和機の機能構成を示すブロック図実施の形態９に係る操作特定用ニューラルネットワークの各層で扱う情報量を示す図実施の形態９に係る利用者のジェスチャを示す画像の一例を示す図実施の形態９に係るクラウドサーバの機能構成を示すブロック図実施の形態９係る制御システムの動作の一例を示すシーケンス図実施の形態９に係る係数属性情報、ＮＮ出力属性情報の一例を示す図実施の形態９に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態９に係るクラウドサーバが実行する係数情報生成処理の流れの一例を示すフローチャート実施の形態９に係る制御システムの動作説明図実施の形態９に係る制御システムの動作説明図実施の形態１０に係る空気調和機の機能構成を示すブロック図実施の形態１０に係るクラウドサーバの機能構成を示すブロック図実施の形態１０に係る制御システムの動作の一例を示すシーケンス図実施の形態１０に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態１０に係るクラウドサーバが実行するＮＮ出力情報生成処理の流れの一例を示すフローチャート実施の形態１０に係る制御システムの動作説明図実施の形態１０に係る制御システムの動作の一例を示すシーケンス図実施の形態１１に係る空気調和機の構成を示すブロック図実施の形態１１に係るクラウドサーバの構成を示すブロック図実施の形態１１係る制御システムの動作の一例を示すシーケンス図実施の形態１１に係る空気調和機が実行する機器制御処理の流れの一例を示すフローチャート実施の形態１１に係るクラウドサーバが実行するＮＮ出力情報生成処理の流れの一例を示すフローチャート実施の形態１１係る制御システムの動作説明図変形例に係る制御システムの概略構成図変形例に係るクラウドサーバの機能構成を示すブロック図変形例に係るストレージサーバの機能構成を示すブロック図変形例に係るＮＮ関連情報記憶部が記憶する情報の一例を示す図変形例に係る制御システムの動作の一例を示すシーケンス図変形例に係る端末装置に表示される表示画像の一例を示す図変形例に係る制御システムの動作の一例を示すシーケンス図変形例に係る端末装置に表示される表示画像の一例を示す図変形例に係る端末装置に表示される表示画像の一例を示す図変形例に係る端末装置に表示される表示画像の一例を示す図変形例に係る制御システムの動作の一例を示すシーケンス図変形例に係る制御システムの動作の一例を示すシーケンス図変形例に係る利用者のジェスチャを示す画像の一例を示す図変形例に係るクラウドサーバの構成を示すブロック図変形例に係る空気調和機の構成を示すブロック図変形例に係るクラウドサーバの構成を示すブロック図変形例に係る空気調和機の構成を示すブロック図変形例に係るクラウドサーバの構成を示すブロック図

　以下、本発明の各実施の形態に係る制御システムについて図面を参照して詳細に説明する。各実施の形態に係る制御システムは、いずれも、機器の利用者に関する利用者情報に基づいて、機器が設置されている場所の環境を示す環境パラメータと将来の気象条件を示す気象予報情報とから、ニューラルネットワークを用いて、将来の機器の機器設定パラメータを求めるものである。

（実施の形態１）
　本実施の形態に係る制御システムでは、サーバが、機器が設置されている場所の環境パラメータと将来の気象条件を示す気象予報情報とから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークを用いて、将来の機器の機器設定パラメータを求める。そして、サーバは、求められた将来の機器の機器設定パラメータから機器の将来の運転スケジュールを示すスケジュール情報を生成する。サーバは、機器から機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部と、気象サーバから、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部と、を有する。また、サーバは、取得した履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する係数決定部と、第１ニューラルネットワーク係数が決定された第１ニューラルネットワークを用いて、気象予報情報と環境履歴情報とに含まれる現時点の環境を示す環境パラメータとから機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、を有する。更に、サーバは、ニューラルネットワーク計算部により求められた機器設定パラメータに基づいて、機器の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部を有する。そして、機器は、スケジュール情報が示す運転スケジュールに従って機器を制御する機器制御部を有する。

　本実施の形態に係る制御システムは、図１に示すように、住戸Hに設置された空気調和機４、５２と、給湯機５１と、宅外ネットワークＮＴ１を介して通信可能なクラウドサーバ２と、を備える。宅外ネットワークＮＴ１は、例えばインターネットである。また、宅外ネットワークＮＴ１には、過去の気象条件を示す気象実績情報と、将来の気象条件を示す気象予報情報と、を配信する気象サーバ３が接続されている。住戸Ｈには、空気調和機４、５２を操作するための操作機器６、７２と、給湯機５１と、給湯機５１を操作するための操作機器７１と、が設置されている。ここで、空気調和機４は、住戸Ｈ内のリビングルームのような部屋に設置され、空気調和機５２は、住戸Ｈ内の浴室に設置されているものとする。また、住戸Ｈには、宅内ネットワークＮＴ２に接続されたルータ８２と、ルータ８２および宅外ネットワークＮＴ１に接続されたデータ回線終端装置８１と、が設置されている。宅内ネットワークＮＴ２は、例えば有線ＬＡＮ（Local Area Network）または無線ＬＡＮである。データ回線終端装置８１は、モデム、ゲートウェイ等である。

　空気調和機４は、図２に示すように、制御部４００と、部屋の温度を計測する計測装置４６１と、空気調和機４の利用者を撮像する撮像装置４８１と、を有する。なお、計測装置４６１は、部屋の温度を計測するものに限定されるものではなく、部屋の湿度、明るさ等の他の部屋の環境を示す環境パラメータを計測するものであってもよい。撮像装置４８１としては、例えば利用者の表面の温度分布を示す画像を撮像するカメラが採用される。また、空気調和機４は、制御部４００から入力される制御信号に基づいて動作する圧縮機（図示せず）と送風ファン（図示せず）とを有する。

　制御部４００は、ＣＰＵ（Central Processing Unit）４０１と、主記憶部４０２と、補助記憶部４０３と、通信インタフェース４０５と、計測装置インタフェース４０６と、無線モジュール４０７と、撮像インタフェース４０８と、これらを相互に接続するバス４０９と、を備える。主記憶部４０２は、揮発性メモリから構成され、ＣＰＵ４０１の作業領域として用いられる。補助記憶部４０３は、磁気ディスク、半導体フラッシュメモリ等の不揮発性メモリから構成され、制御部４００の各種機能を実現するためのプログラムを記憶する。通信インタフェース４０５は、宅内ネットワークＮＴ２に接続されており、ＣＰＵ４０１から通知される各種情報を宅内ネットワークＮＴ２へ送出したり、宅内ネットワークＮＴ２から受信した各種情報をＣＰＵ４０１へ通知したりする。無線モジュール４０７は、操作機器６と無線通信し、操作機器６から利用者が操作機器６に対して行った操作内容を示す操作情報を受信すると、その操作情報をＣＰＵ４０１へ通知する。計測装置インタフェースは、計測装置４６１から計測値信号が入力されると、それに応じた温度情報を生成してＣＰＵ４０１へ通知する。撮像インタフェース４０８は、撮像装置４８１から画像信号が入力されると、それに応じた画像情報を生成してＣＰＵ４０１へ通知する。なお、空気調和機５２も空気調和機４と同様のハードウェア構成を有する。また、空気調和機５２の場合、計測装置４６１は、住戸Ｈの浴室の温度、湿度、明るさ等の環境パラメータを計測する。

　ＣＰＵ４０１は、補助記憶部４０３が記憶するプログラムを主記憶部４０２に読み出して実行することにより、図３に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、スケジュール取得部４１８、機器設定更新部４１９、動作モード設定部４２０および利用者特定部４２１として機能する。なお、空気調和機５２も同様の機能構成を有する。また、図２に示す補助記憶部４０３は、図３に示すように、空気調和機４の機器設定パラメータ示す機器設定情報を記憶する機器設定記憶部４３１と、空気調和機４の利用者に関する利用者情報を記憶する利用者情報記憶部４３２と、を有する。利用者情報記憶部４３２は、例えば、撮像装置４８１により撮像される各利用者の画像情報が示す利用者の表面の温度分布から算出される利用者の表面における熱の発散が多い領域の位置を示す情報を、利用者を識別する利用者識別情報と対応づけて記憶している。また、補助記憶部４０３は、空気調和機４の機器履歴情報および環境履歴情報を記憶する履歴情報記憶部４３４と、空気調和機４の運転スケジュールを示すスケジュール記憶部４３５と、空気調和機４の動作モード情報を記憶する動作モード記憶部４３３と、を有する。

　履歴情報記憶部４３４は、空気調和機４の利用者毎に、空気調和機４の機器設定情報と、温度情報を含む環境パラメータを示す環境情報と、の履歴を記憶する。例えば図４Ａに示すように、住戸Ｈに居住する利用者が、冬に住戸Ｈに帰宅し、日時Ｔ１０（例えば２０１８／１／１　１０：００）において、空気調和機４の動作モードが手動モードの状態で設定温度をＴｈ１１（例えば２８℃）に設定し風量レベルを「強」に設定して空気調和機４を動作させたとする。このとき、空気調和機４が設置された部屋の温度がＴｈ１０（例えば１９℃）だったとする。この場合、空気調和機４により部屋が暖められ、日時Ｔ１０後の日時Ｔ１１（例えば２０１８／１／１　１０：１５）において、部屋の温度が設定温度Ｔｈ１１に到達する。ここで、利用者が、冷えた身体が暖まったので、空気調和機４の設定温度をＴｈ１１よりも低いＴｈ１２（例えば２５℃）に設定し風量レベルを「弱」に設定したとする。この場合、空気調和機４により部屋が冷やされ、日時Ｔ１１後の日時Ｔ１２（例えば２０１８／１／１　１０：２０）において、部屋の温度が設定温度Ｔｈ１２に到達する。一方、図４Ｂに示すように、住戸Ｈに居住する利用者が、夏に住戸Ｈに帰宅し、日時Ｔ２０（例えば２０１８／７／１　１０：００）において、空気調和機４の動作モードが手動モードの状態で設定温度をＴｈ２１（例えば２３℃）に設定し風量レベルを「強」に設定して空気調和機４を動作させたとする。このとき、空気調和機４が設置された部屋の温度がＴｈ２０（例えば２８℃）だったとする。この場合、空気調和機４により部屋が冷やされ、日時Ｔ２０後の日時Ｔ２１（例えば２０１８／７／１　１０：１５）において、部屋の温度が設定温度Ｔｈ２１に到達する。ここで、利用者が、身体が冷えてきたので、空気調和機４の設定温度をＴｈ２１よりも高いＴｈ２２（例えば２６℃）に設定し風量レベルを「弱」に設定したとする。この場合、空気調和機４により部屋が暖められ、日時Ｔ２１後の日時Ｔ２２（例えば２０１８／７／１　１０：２０）において、部屋の温度が設定温度Ｔｈ２２に到達する。この場合、履歴情報記憶部１３１は、図５に示すように、空気調和機４の設定温度、風量レベルの履歴を示す動作履歴情報と部屋の室内温度の履歴を示す環境履歴情報とを、日時情報と対応づけて記憶する。ここで、履歴情報記憶部１３１は、動作履歴情報と環境履歴情報とを、利用者識別情報ＩＤＵ［１］、空気調和機４を識別する機器識別情報ＩＤＡ［１］と対応づけて記憶する。

　図３に戻って、環境情報取得部４１１は、計測装置４６１により計測される部屋の温度を示す環境パラメータである環境情報を、計測装置インタフェースを介して取得する。なお、環境情報取得部４１１は、計測装置４６１が部屋の湿度、明るさ等の他の部屋の環境パラメータを計測するものである場合、これらの他の環境パラメータを示す環境情報を取得する。環境情報取得部４１１は、取得した環境情報を時系列で履歴情報記憶部４３４に記憶させる。画像取得部４１２は、撮像装置４８１で撮像される利用者の画像情報を取得する。

　操作受付部４１３は、操作機器６から送出された操作情報が無線モジュール４０７から通知されると、通知された操作情報を受け付ける。そして、操作受付部４１３は、操作情報が空気調和機４の機器設定パラメータの更新に関するものである場合、操作情報に対応する機器設定パラメータを示す機器設定情報を生成して、機器設定記憶部４３１に記憶させる。また、操作受付部４１３は、操作情報が空気調和機４の動作モードの変更に関するものである場合、操作情報に対応する動作モードを示す動作モード情報を動作モード設定部４２０に通知する。機器制御部４１４は、機器設定記憶部４３１が記憶する機器設定情報に基づいて、圧縮機および送風ファンの動作を制御する。

　利用者特定部４２１は、画像取得部４１２が取得した画像情報が示す利用者の表面の温度分布から、利用者表面における熱の発散が多い領域を特定し、利用者情報記憶部４３２が記憶する利用者に関する情報と特定した領域の位置とに基づいて、空気調和機４の利用者を特定する。また、利用者特定部４２１は、特定した空気調和機４の利用者の利用者識別情報を、利用者情報記憶部４３２に記憶させる。スケジュール取得部４１８は、クラウドサーバ２から空気調和機４の運転スケジュールを示すスケジュール情報を取得し、取得したスケジュール情報をスケジュール記憶部４３５に記憶させる。

　機器設定更新部４１９は、動作モード記憶部４３３が記憶する空気調和機４の動作モード情報を参照し、動作モードが自動モードに設定されている場合、スケジュール記憶部４３５が記憶するスケジュール情報と計時部４１５が計時する現時点の時刻とに基づいて、空気調和機４の機器設定情報を生成する。そして、機器設定更新部４１９は、生成した機器設定情報を、機器設定記憶部４３１に記憶させる。また、機器設定更新部４１９は、機器設定記憶部４３１が記憶する機器設定情報を、定期的に時系列で履歴情報記憶部４３４に記憶させる。

　計時部４１５は、例えばソフトウェアタイマを有し、環境情報取得部４１１が環境情報を取得した日時、機器設定更新部４１９が機器設定情報を履歴情報記憶部４３４に記憶させた日時および現時点の日時を計時する。ここで、環境情報取得部４１１は、取得した環境情報を、計時部４１５により計時された日時に対応づけて履歴情報記憶部４３４に記憶させる。また、機器設定更新部４１９は、機器設定記憶部４３１から取得した機器設定情報を、計時部４１５により計時された日時に対応づけて履歴情報記憶部４３４に記憶させる。

　履歴情報生成部４１６は、履歴情報記憶部４３４が記憶する複数の温度情報から構成される環境履歴情報と、利用者情報記憶部４３２が記憶する空気調和機４の利用者の利用者識別情報と、履歴情報記憶部４３４が記憶する複数の機器設定情報から構成される動作履歴情報と、を含む履歴情報とこれに対応する履歴属性情報とを生成する。履歴情報生成部４１６は、例えばファイル形式がＪＳＯＮスキーマファイル形式である履歴属性情報を生成するとともに、ＪＳＯＮファイル形式である属性情報を生成する。履歴情報送信部４１７は、履歴情報生成部１１３が生成した履歴情報および履歴属性情報をクラウドサーバ２へ送信する。履歴情報送信部４１７は、履歴情報および履歴属性情報に対して可逆式の情報圧縮処理を行ってから送信する。動作モード設定部４２０は、操作受付部４１３から動作モード情報が通知されると、通知された動作モード情報を動作モード記憶部４３３に記憶させる。

　給湯機５１は、図６に示すように、給湯機５１を制御する制御部５００と、湯水の温度を計測する計測装置５６１と、を有する。制御部５００は、ＣＰＵ５０１と、主記憶部５０２と、補助記憶部５０３と、通信インタフェース５０５と、計測装置インタフェース５０６と、操作機器インタフェース５０７と、これらを相互に接続するバス５０９と、を備える。ＣＰＵ５０１、主記憶部５０２、補助記憶部５０３、通信インタフェース５０５および計測装置インタフェース５０６は、空気調和機４の場合と同様である。操作機器インタフェース５０７は、操作機器６と有線接続されており、操作機器６から利用者が操作機器６に対して行った操作内容を示す操作情報を受信すると、その操作情報をＣＰＵ５０１へ通知する。

　ＣＰＵ５０１は、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図７に示すように、環境情報取得部５１１、操作受付部５１３、機器制御部５１４、計時部５１５、履歴情報生成部５１６、履歴情報送信部５１７、スケジュール取得部５１８、機器設定更新部５１９、動作モード設定部５２０および利用者特定部５２１として機能する。また、図６に示す補助記憶部５０３は、図７に示すように、給湯機５１の機器設定パラメータを示す機器設定情報を記憶する機器設定記憶部５３１と、給湯機５１の利用者、即ち、浴室の利用者に関する利用者情報を記憶する利用者情報記憶部５３２と、を有する。更に、補助記憶部５０３は、給湯機５１の機器履歴情報および環境履歴情報を記憶する履歴情報記憶部５３４と、給湯機５１の運転スケジュールを示すスケジュール記憶部５３５と、給湯機５１の動作モード情報を記憶する動作モード記憶部５３３と、を有する。

　履歴情報記憶部５３４は、給湯機５１の利用者毎に、給湯機５１の機器設定情報と、温度情報を含む環境パラメータを示す環境情報と、の履歴を記憶する。例えば図８Ａに示すように、住戸Ｈに居住する他の利用者が、冬の日時Ｔ３０（例えば２０１８／１／１　１０：００）の入浴時において、空気調和機５２の動作モードが手動モードの状態で設定温度をＴｈ３１（例えば２７℃）に設定し風量レベルを「強」に設定して空気調和機５２を動作させたとする。このとき、空気調和機５２が設置された浴室の温度がＴｈ３０（例えば１９℃）だったとする。また、浴室の浴槽には、給湯機５１から供給された湯水が張られており、湯水の温度が４２℃だったとする。この場合、空気調和機５２により浴室が暖められ、日時Ｔ３０後の日時Ｔ３１（例えば２０１８／１／１　１０：１５）において、浴室の温度が設定温度Ｔｈ３１に到達する。このとき、湯水が時間の経過とともに冷めてその温度が４０℃に低下しているとする。ここで、利用者が、暑くなったと感じて、空気調和機５２の設定温度をＴｈ３１よりも低いＴｈ３２（例えば２５℃）に設定し風量レベルを「弱」に設定したとする。この場合、空気調和機５２により浴室が冷やされ、日時Ｔ３１後の日時Ｔ３２（例えば２０１８／１／１　１０：２０）において、浴室の温度が設定温度Ｔｈ３２に到達する。このとき、湯水が時間の経過とともに冷めてその温度が３９℃に低下しているとする。一方、図８Ｂに示すように、住戸Ｈに居住する他の利用者が、秋の日時Ｔ４０（例えば２０１８／９／１　１０：００）の入浴時において、空気調和機５２の動作モードが手動モードの状態で設定温度をＴｈ４１（例えば２３℃）に設定し風量レベルを「強」に設定して空気調和機５２を動作させたとする。このとき、空気調和機５２が設置された浴室の温度がＴｈ４０（例えば２９℃）だったとする。この場合、空気調和機５２により浴室が冷やされ、日時Ｔ４０後の日時Ｔ４１（例えば２０１８／９／１　１０：１５）において、浴室の温度が設定温度Ｔｈ４１に到達する。ここで、利用者が、身体が少し冷えてきたので、空気調和機５２の設定温度をＴｈ４１よりも高いＴｈ４２（例えば２６℃）に設定し風量レベルを「弱」に設定したとする。この場合、空気調和機５２により浴室が暖められ、日時Ｔ４１後の日時Ｔ４２（例えば２０１８／９／１　１０：２０）において、浴室の温度が設定温度Ｔｈ４２に到達する。この場合、浴室に設置された空気調和機５２の履歴情報記憶部４３４は、図９Ａに示すように、空気調和機５２の設定温度、風量レベルの履歴を示す動作履歴情報と浴室の室内温度の履歴を示す環境履歴情報とを、日時情報と対応づけて記憶する。そして、給湯機５１の履歴情報記憶部５３４は、図９Ｂに示すように、給湯機５１の設定温度の履歴を示す動作履歴情報と湯水の温度の履歴を示す環境履歴情報とを、日時情報と対応づけて記憶する。ここで、履歴情報記憶部１３１は、空気調和機５２および給湯機５１それぞれ動作履歴情報と環境履歴情報とを、利用者識別情報ＩＤＵ［２］、空気調和機５２を識別する機器識別情報ＩＤＡ［２］、給湯機５１を識別する機器識別情報ＩＤＡ［３］と対応づけて記憶する。

　図７に戻って、環境情報取得部５１１は、計測装置５６１により計測される湯水の温度を示す温度情報を計測装置インタフェース５０６から取得する。利用者特定部５２１は、例えば空気調和機５２の制御部４００から、制御部４００の利用者情報記憶部４３２が記憶する利用者識別情報を取得することにより、利用者を特定する。そして、利用者特定部５２１は、特定した浴室の利用者の利用者識別情報を、利用者情報記憶部５３２に記憶させる。

　操作受付部５１３は、前述の操作受付部４１３と同様である。機器制御部５１４は、機器設定記憶部５３１が記憶する機器設定情報に基づいて、給湯機５１を制御する。スケジュール取得部５１８は、クラウドサーバ２から給湯機５１の運転スケジュールを示すスケジュール情報を取得し、取得したスケジュール情報をスケジュール記憶部５３５に記憶させる。

　機器設定更新部５１９は、給湯機５１の動作モードが自動モードに設定されている場合、スケジュール記憶部５３５が記憶するスケジュール情報と計時部５１５が計時する現時点の時刻とに基づいて、給湯機５１の機器設定情報を生成する。そして、機器設定更新部５１９は、生成した機器設定情報を、機器設定記憶部５３１に記憶させる。また、機器設定更新部５１９は、機器設定記憶部５３１が記憶する機器設定情報を、定期的に時系列で履歴情報記憶部４３４に記憶させる。計時部５１５は、環境情報取得部５１１が環境情報を取得した日時、機器設定更新部５１９が機器設定情報を履歴情報記憶部５３４に記憶させた日時および現時点の日時を計時する。ここで、環境情報取得部５１１は、取得した環境情報を、計時部５１５により計時された日時に対応づけて履歴情報記憶部５３４に記憶させる。また、機器設定更新部５１９は、機器設定記憶部５３１から取得した機器設定情報を、計時部５１５により計時された日時に対応づけて履歴情報記憶部５３４に記憶させる。

　クラウドサーバ２は、図１０に示すように、ＣＰＵ２０１と、主記憶部２０２と、補助記憶部２０３と、通信インタフェース２０５と、これらを相互に接続するバス２０９と、を備える。ＣＰＵ２０１は、例えばマルチコアプロセッサである。主記憶部２０２は、揮発性メモリから構成され、ＣＰＵ２０１の作業領域として用いられる。補助記憶部２０３は、大容量の不揮発性メモリから構成され、クラウドサーバ２の各種機能を実現するためのプログラムを記憶する。通信インタフェース２０５は、宅外ネットワークＮＴ１に接続されており、気象サーバ３と宅外ネットワークＮＴ１を介して通信可能である。ＣＰＵ２０１は、補助記憶部２０３が記憶するプログラムを主記憶部に読み出して実行することにより、図１１に示すように、履歴情報取得部２１１、気象情報取得部２１２、係数設定部２１３、ニューラルネットワーク計算部２１４、係数決定部２１５、スケジュール生成部２１６およびスケジュール送信部２１７として機能する。また、図１０に示す補助記憶部は、図１１に示すように、空気調和機４から取得した履歴情報を記憶する履歴情報記憶部２３１と、気象サーバ３から取得した気象予報情報および気象実績情報を記憶する気象情報記憶部２３２と、ニューラルネットワーク記憶部２３３と、空気調和機４へ送信するスケジュール情報を記憶するスケジュール記憶部２３４と、を有する。

　ニューラルネットワーク記憶部２３３は、後述するニューラルネットワークの構造を示す情報と、ニューラルネットワークの重み係数と、を記憶する。ニューラルネットワークの構造を示す情報には、各ノードにおける活性化関数の形状を示す情報、層数情報、各層におけるノード数の情報等が含まれる。また、ニューラルネットワーク記憶部２３３は、前述の空気調和機４、５２および給湯機５１についての動作履歴情報、環境履歴情報および気象実績情報から、ニューラルネットワークの重み係数を決定する際に用いられる重み係数の初期値である初期係数を示す情報も記憶する。

　履歴情報取得部２１１は、空気調和機４、５２および給湯機５１から動作履歴情報、環境履歴情報および利用者情報を含む履歴情報を取得する。履歴情報取得部２１１は、空気調和機４、５２および給湯機５１から取得した可逆式の情報圧縮処理が施された履歴情報に対して情報伸張処理を実行してから履歴情報に含まれる動作履歴情報、環境履歴情報および利用者情報を取得する。履歴情報取得部２１１は、取得した動作履歴情報、環境履歴情報および利用者情報を履歴情報記憶部２３１に記憶させる。気象情報取得部２１２は、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を、気象サーバ３から宅外ネットワークＮＴ１を介して取得する。ここで、気象情報取得部２１２は、気象サーバ３に対して気象情報の送信を要求する気象情報要求情報を送信することにより、気象サーバ３から気象情報を取得する。

　ニューラルネットワーク計算部２１４は、室内温度、湯水温度等の環境パラメータと、日時を示す数値と、気象条件を数値化した情報とから、予め設定されたノード数および層数を有するニューラルネットワークを用いて、一日の各時間帯における空気調和機４、５２の設定温度、風量レベル、給湯機５１の設定温度等の機器設定パラメータを算出する。ここで、ニューラルネットワークは、空気調和機４、５２および給湯機５１それぞれの将来の機器設定パラメータを求めるための第１ニューラルネットワークである。このニューラルネットワークは、図１２に示すように入力層Ｌ１０、隠れ層Ｌ２０および出力層Ｌ３０を有する。入力層Ｌ１０は、室内温度、湯水温度等の環境パラメータと、日時を示す数値と、気象条件を数値化した情報とを、隠れ層Ｌ２０へ入力する。ここで、気象条件の数値化方法としては、例えば気象条件を「晴れ」、「曇り」、「雨」、「雪」の４種類とした場合、各気象条件に対応する数値ＮＵＭ１、ＮＵＭ２、ＮＵＭ３、ＮＵＭ４を、ＮＵＭ１＜ＮＵＭ２＜ＮＵＭ３＜ＮＵＭ４の関係が成立するように設定すればよい。具体的には、「晴れ」、「曇り」、「雨」、「雪」に対応する数値を、それぞれ、「１０」「２０」「３０」「４０」に設定すればよい。

　隠れ層Ｌ２０は、予め設定された数Ｍ［ｊ］のノードｘ［ｊ，ｉ］（１≦ｉ≦Ｍ［ｊ］、Ｍ［ｊ］は正の整数）を含むＮ（Ｎは正の整数）個の層から構成されている。即ち、隠れそうＬ２０は、各ノード列同士が繋がれた構造を有する。ここで、各ノードｘ［ｊ，ｉ］の出力ｙ［ｊ，ｉ］は、下記式（１）の関係式で表される。

ここで、Ｗ［ｊ，ｉ，ｋ］は、重み係数を示し、ｆ（＊）は、活性化関数を示す。この重み係数Ｗ［ｊ，ｉ，ｋ］が、前述のニューラルネットワークの構造を決める第１ニューラルネットワーク係数に相当する。また、活性化関数としては、シグモイド関数、ランプ関数、ステップ関数、ソフトマックス関数等の非線形関数が用いられる。例えば、活性化関数が、シグモイド関数である場合、下記式（２）の関係式で表される。

ここで、ｙｉは、引数を示し、ｙｏは出力値を示す。また、活性化関数がランプ関数である場合、下記式（３）の関係式で表される。

ここで、ｙｉは、引数を示し、ｙｏは出力値を示す。

　隠れ層Ｌ２０は、ノードに入力される情報が前の層の各ノードの出力にそれぞれに重み係数を乗じたものの総和になっている。そして、総和を引数とする活性化関数の出力が次の層へ伝達される。出力層Ｌ３０は、隠れ層Ｌ２０の最終層からの出力ｙ［ｊ，ｉ］をそのまま出力する。

　係数設定部２１３は、前述の重み係数を設定する。そして、ニューラルネットワーク計算部２１４は、係数設定部２１３により重み係数が設定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから空気調和機４、５２および給湯機５１の将来の機器設定パラメータを求める。ここで、現時点の環境を示す環境パラメータとは、空気調和機４、５２から取得した室内温度または給湯機５１から取得した湯水の温度を示すパラメータであり、空気調和機４、５２の計測装置４６１および給湯機５１の計測装置５６１の計測頻度と、履歴情報取得部２１１の環境パラメータの取得頻度と、によって、現時点よりも数秒から数分前の環境を示すパラメータとなる場合がある。ここで、ニューラルネットワーク計算部２１４は、履歴情報に含まれる環境履歴情報が示す現時点の室内温度、湯水温度等の環境パラメータと、現時点の日時を示す数値と、気象予報情報が示す将来の気象条件を数値化した情報とから、前述のニューラルネットワークを用いて、一日の各時間帯における空気調和機４、５２の機器設定パラメータを算出する。

　係数決定部２１５は、履歴情報に含まれる動作履歴情報および環境履歴情報と、気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部２１５は、まず、ニューラルネットワーク記憶部２３３から初期係数を示す情報を取得し、取得した初期係数をニューラルネットワークの重み係数に設定する。次に、係数決定部２１５は、ニューラルネットワーク計算部２１４が、環境履歴情報が示す過去の環境パラメータと、日時情報が示す日時と、気象実績情報が示す過去の気象条件を数値化した情報と、に基づいて、ニューラルネットワークを用いて算出した機器設定パラメータを取得する。続いて、係数決定部２１５は、履歴情報記憶部２３１が記憶する動作履歴情報が示す過去の機器設定パラメータを取得し、ニューラルネットワークを用いて算出された機器設定パラメータとの誤差を算出する。そして、係数決定部２１５は、算出した誤差に基づいて、誤差逆伝播法（バックプロパゲーション）によりニューラルネットワークの重み係数を決定する。ここで、係数決定部２１５は、例えばオートエンコーダを用いて重み係数を決定する。

　また、係数決定部２１５は、ニューラルネットワークの重み係数を決定する際、ドロップアウト情報を使用する。ドロップアウト情報は、前述の隠れ層Ｌ２０における各ノードノードについて定義され、係数決定部２１５がニューラルネットワークの重み係数を決定する際に、ノードを不活性化、即ち、ノードｘ［ｊ，ｉ］の出力を「０」としたか否かを示す情報である。各ノードは、予め設定された確率Ｐで活性化され、確率（１－Ｐ）で不活性化される。確率Ｐは、ノード毎に設定されており、０よりも大きく１以下の範囲の値をとる。確率Ｐが「１」に設定されている場合、対応するノードは常に活性化されることになる。例えば、確率Ｐで「１」となり、確率（１－Ｐ）で「０」となる変数をｒＹとすると、各ノードｘ［ｊ，ｉ］の出力ｙ［ｊ，ｉ］は、下記式（４）および式（５）の関係式で表される。

ここで、Ｂｅｒｎｏｕｌｌｉ（＊）は、ベルヌ－イ分布に従った確率で「１」となる関数を表す。

　スケジュール生成部２１６は、ニューラルネットワーク計算部２１４により求められた機器設定パラメータに基づいて、空気調和機４、５２および給湯機５１それぞれの将来の運転スケジュールを示すスケジュール情報を生成する。スケジュール送信部２１７は、生成されたスケジュール情報を空気調和機４、５２および給湯機５１へ送信する。

　次に、本実施の形態に係る制御システムの動作について図１３および図１４を参照しながら説明する。まず、履歴情報生成時期が到来すると、空気調和機４、５２および給湯機５１は、履歴情報記憶部４３４、５３４が記憶する動作履歴情報、環境履歴情報、日時情報および利用者情報を用いて履歴情報および履歴属性情報を生成する（ステップＳ１）。

　履歴情報は、プロトコル情報と、生成した履歴情報を識別する履歴情報識別情報と、動作履歴情報と、環境履歴情報と、を含む。プロトコル情報は、履歴情報をクラウドサーバ２へ送信する際の通信プロトコルに関する各種情報を含む。また、履歴属性情報は、例えば図１４に示すように、プロトコル情報と、各種属性情報と、を含む。属性情報としては、生成した履歴属性情報を識別する履歴属性情報識別情報と、空気調和機４、５２または給湯機５１を識別する機器識別情報と、前述の利用者識別情報と、フォーマット情報と、パラメータ取得条件情報と、機器設定種別情報と、環境種別情報と、連携機器識別情報と、連携対象情報と、操作機器識別情報と、が含まれる。履歴情報識別情報は、例えば属性情報に付与された識別情報と、履歴情報に付与された識別情報と、空気調和機４、５２または給湯機５１の識別情報と、の少なくとも１つを含む。フォーマット情報は、属性情報および履歴情報それぞれのデータ形式またはファイル形式を示す情報と圧縮形式を示す情報とを含む。ここで、フォーマット情報は、例えば属性情報のファイル形式がＪＳＯＮスキーマファイル形式であることを示す情報と、履歴情報がＪＳＯＮファイル形式であることを示す情報を含む。また、フォーマット情報は、履歴情報ファイル数、各履歴情報のファイルのファイルサイズを示す情報を含む。ここで、フォーマット情報に含まれるフラグ情報が例えば「０」であれば、履歴情報のファイル数を示し、「１」であれば１つ目の履歴情報のファイルのサイズ、「２」であれば２つ目の履歴情報のファイルのサイズ、「Ｎ」であればＮ個目の履歴情報のファイルのサイズを示し、「Ｎ＋１」であれば、履歴情報の圧縮形式を示すようにしてもよい。

　パラメータ取得条件情報は、動作履歴情報または環境履歴情報を取得した期間、機器設定パラメータ、環境パラメータを取得する時間間隔のような各種パラメータの取得条件を示す情報を含む。また、パラメータ取得条件情報は、各種パラメータの取得条件の変更履歴の有無、各種パラメータの取得条件を変更した場合の変更日時を示す情報を含んでもよい。ここで、パラメータ取得条件情報に含まれるフラグ情報が例えば「０」であれば、パラメータの取得日時を示し、「１」であればパラメータの取得開始日時を示し、「２」であればパラメータの取得終了日時を示し、「３」であればパラメータの取得間隔を示すようにしてもよい。機器設定種別情報は、動作履歴情報の内容を補足する情報であり、空気調和機４、５２および給湯機５１それぞれのオンオフ、設定温度、設定風量、設定風向等の機器設定パラメータの種別を示す情報を含む。ここで、機器設定種別情報に含まれるフラグ情報が例えば「０」であれば、空気調和機４、５２および給湯機５１それぞれのオンオフを示し、「１」であれば設定温度を示し、「２」であれば設定風量を示し、「３」であれば設定風向を示すようにしてもよい。操作機器識別情報は、機器設定パラメータを設定した操作機器６、７１、７２が住戸Ｈ内のリモートコントローラ、ＴＶまたはスマートフォンのような携帯端末、クラウドサーバ２を介した遠隔操作端末のいずれであるかを示す情報を含む。例えば、操作機器識別情報は、リモートコントローラであれば「０」に設定され、携帯端末であれば「１」に設定され、遠隔情報端末であれば「２」に設定されるようにしてもよい。

　環境種別情報は、環境履歴情報の内容を補足する情報であり、室温、住戸Ｈ外の気温、住戸Ｈ内の人の検知有無、住戸Ｈ内に居住する人の表面の温度、においセンサによる検知状態、ＣＯ２濃度、空気中の微粒子（例えばＰＭ２．５）の濃度等の環境パラメータの種別を示す情報を含む。ここで、環境種別情報に含まれるフラグ情報が例えば「０」であれば、室温を示し、「１」であれば湿度を示し、「２」であれば外気温を示し、「３」であれば人の検知の有無を示すようにしてもよい。また、環境種別情報には、気象情報が含まれている。連携機器識別情報は、例えば空気調和機４、５２または給湯機５１と連携して動作している機器の識別情報を含む。連携対象情報は、例えば空気調和機４、５２または給湯機５１と連携する対象となる機器の動作状態の識別情報を含む。連携機器識別は、例えば、給湯機５１と連携している換気扇の識別情報を含む。この場合、連携対象情報は、例えば給湯機５１と連携する換気扇の動作がオンオフ動作であることを示す情報を含む。

　図１３に戻って、その後、生成された履歴情報が、空気調和機４、５２および給湯機５１からクラウドサーバ２へ送信される（ステップＳ２）。クラウドサーバ２は、履歴情報を受信すると、履歴情報に含まれる動作履歴情報、環境履歴情報、日時情報および利用者情報を履歴情報記憶部２３１に記憶させる。次に、気象サーバ３に対して気象予報情報と気象実績情報とを含む気象情報の送信を要求する気象情報要求情報が、クラウドサーバ２から気象サーバ３へ送信される（ステップＳ３）。一方、気象サーバ３は、気象情報要求情報を受信すると、住戸Ｈが存在する地域における気象予報情報と気象実績情報とを特定して、特定した気象予報情報と気象実績情報とを含む気象情報を生成する（ステップＳ４）。続いて、生成された気象情報が、気象サーバ３からクラウドサーバ２へ送信される（ステップＳ５）。一方、クラウドサーバ２は、気象情報を受信すると、受信した気象情報に含まれる気象実績情報と気象予報情報とを気象情報記憶部２３２に記憶させる。その後、クラウドサーバ２は、取得した動作履歴情報、環境履歴情報、日時情報、利用者情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ６）。

　次に、空気調和機４、５２または給湯機５１が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ７）。この場合、空気調和機４、５２または給湯機５１は、動作モード記憶部４３３、５３３に自動モードであることを示す動作モード情報を記憶させることにより、動作モードを自動モードに設定する（ステップＳ８）。続いて、空気調和機４、５２または給湯機５１が、予め設定された空気調和機４、５２または給湯機５１の運転スケジュールの更新時期が到来したと判定すると、クラウドサーバ２に対してスケジュール情報の送信を要求するスケジュール要求情報が、空気調和機４、５２または給湯機５１からクラウドサーバ２へ送信される（ステップＳ９）。一方、クラウドサーバ２は、スケジュール要求情報を受信すると、現時点の環境パラメータと、日時を示す数値と、気象条件を数値化した情報とから、前述のニューラルネットワークを用いて、一日の各時間帯における空気調和機４、５２の設定温度、風量レベル、給湯機５１の設定温度等を示す機器設定パラメータを算出する。そして、クラウドサーバ２は、算出した機器設定パラメータを用いてスケジュール情報を生成する（ステップＳ１０）。続いて、生成されたスケジュール情報が、クラウドサーバ２から空気調和機４、５２または給湯機５１へ送信される（ステップＳ１１）。一方、空気調和機４、５２または給湯機５１は、スケジュール情報を受信すると、受信したスケジュール情報をスケジュール記憶部４３５、５３５に記憶させる。その後、空気調和機４、５２または給湯機５１が、スケジュール記憶部４３５、５３５が記憶するスケジュール情報を参照して、機器設定情報の更新時期が到来したと判定したとする。この場合、空気調和機４、５２または給湯機５１が、スケジュール情報に基づいて、機器設定記憶部４３１、５３１が記憶する機器設定情報を更新する（ステップＳ１２）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ１２の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機４、５２が実行する機器制御処理について図１５を参照しながら説明する。この機器制御処理は、例えば空気調和機４、５２へ電源が投入されたことを契機として開始される。なお、給湯機５１も以下に説明する機器制御処理と同様の機器制御処理を実行する。以下では、空気調和機４、５２についての機器制御処理を取り上げて説明する。

　まず、履歴情報生成部４１６は、クラウドサーバ２へ送信する履歴情報を生成する履歴情報生成時期が到来したか否かを判定する（ステップＳ１０１）。履歴情報生成部４１６が、前述の履歴情報生成時期が未だ到来していないと判定すると（ステップＳ１０１：Ｎｏ）、そのまま後述のステップＳ１０６の処理が実行される。

　一方、履歴情報生成部４１６が、履歴情報生成時期が到来したと判定したとする（ステップＳ１０１：Ｙｅｓ）。この場合、履歴情報生成部４１６は、履歴情報記憶部４３４から動作履歴情報および環境履歴情報を取得する（ステップＳ１０２）。次に、履歴情報生成部４１６は、取得した動作履歴情報、環境履歴情報と、日時情報および利用者情報記憶部４３２が記憶する利用者情報を用いて、これらを含む履歴情報を生成する（ステップＳ１０３）。続いて、履歴情報送信部４１７は、生成された履歴情報をクラウドサーバ２へ送信する（ステップＳ１０４）。

　その後、操作受付部４１３は、空気調和機４の動作モードの変更操作を受け付けたか否かを判定する（ステップＳ１０５）。具体的には、操作受付部４１３が、空気調和機４の動作モードの変更に関する操作情報を受け付けたか否かを判定する。操作受付部４１３が、空気調和機４の動作モードの変更操作を受け付けていないと判定すると（ステップＳ１０５：Ｎｏ）、そのまま後述のステップＳ１０８の処理が実行される。一方、操作受付部４１３が、空気調和機４の動作モードの変更に関する操作情報を受け付けたと判定すると（ステップＳ１０５：Ｙｅｓ）、動作モード設定部４２０は、動作モード記憶部４３３が記憶する動作モード情報を更新する（ステップＳ１０６）。次に、スケジュール取得部４１８、５１８は、動作モード記憶部４３３が記憶する動作モード情報を参照して、空気調和機４、５２または給湯機５１の動作モードが自動モードであるか否かを判定する（ステップＳ１０７）。スケジュール取得部４１８が、空気調和機４、５２または給湯機５１の動作モードが手動モードであると判定すると（ステップＳ１０７：Ｎｏ）、再びステップＳ１０１の処理が実行される。一方、スケジュール取得部４１８は、空気調和機４、５２または給湯機５１の動作モードが自動モードであると判定すると（ステップＳ１０７：Ｙｅｓ）、スケジュール更新時期が到来したか否かを判定する（ステップＳ１０８）。スケジュール取得部４１８が、未だスケジュール更新時期が到来していないと判定すると（ステップＳ１０８：Ｎｏ）、そのまま後述のステップＳ１１２の処理が実行される。一方、スケジュール取得部４１８が、スケジュール更新時期が到来したと判定したとする（ステップ１０８：Ｙｅｓ）。この場合、スケジュール取得部４１８は、クラウドサーバ２へ前述のスケジュール要求情報を送信することにより（ステップＳ１０９）、クラウドサーバ２からスケジュール情報を取得する（ステップＳ１１０）。スケジュール取得部４１８は、取得したスケジュール情報をスケジュール記憶部４３５に記憶させる。続いて、機器設定情報生成部１１６は、スケジュール記憶部４３５が記憶するスケジュール情報を参照して、空気調和機４、５２または給湯機５１の機器設定情報の更新時期が到来したか否かを判定する（ステップＳ１１１）。機器設定情報生成部１１６が、空気調和機４、５２または給湯機５１の機器設定情報の更新時期が未だ到来していないと判定すると（ステップＳ１１１：Ｎｏ）、再びステップＳ１０１の処理が実行される。一方、機器設定情報生成部１１６は、空気調和機４、５２または給湯機５１の機器設定情報の更新時期が到来したと判定すると（ステップＳ１１１：Ｙｅｓ）、スケジュール記憶部４３５が記憶するスケジュール情報に基づいて、機器設定情報を更新する（ステップＳ１１３）。その後、再びステップＳ１０１の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ２が実行するスケジュール生成処理について図１６から図１８を参照しながら説明する。このスケジュール生成処理は、例えばクラウドサーバ２へ電源が投入されたことを契機として開始される。

　まず、図１６に示すように、履歴情報取得部２１１は、空気調和機４、５２または給湯機５１から履歴情報を取得したか否かを判定する（ステップＳ２０１）。履歴情報取得部２１１が、履歴情報を取得していないと判定すると（ステップＳ２０１：Ｎｏ）、そのまま後述のステップＳ２０６の処理が実行される。一方、履歴情報取得部２１１は、履歴情報を取得したと判定すると（ステップＳ２０１：Ｙｅｓ）、取得した履歴情報を履歴情報記憶部２３１に記憶させる（ステップＳ２０２）。次に、気象情報取得部２１２は、気象サーバ３に対して気象情報の送信を要求する気象情報要求情報を送信することにより（ステップＳ２０３）、気象サーバ３から気象情報を取得する（ステップＳ２０４）。ここで、気象情報取得部２１２は、取得した気象情報に含まれる気象予報情報および気象実績情報を気象情報記憶部２３２に記憶させる。続いて、履歴情報に含まれる動作履歴情報および環境履歴情報と気象実績情報とに基づいて、前述のニューラルネットワークの係数を決定する係数決定処理が実行される（ステップＳ２０５）。

　ここで、係数決定処理の詳細について、図１７を参照しながら詳細に説明する。まず、ニューラルネットワーク計算部２１４は、履歴情報記憶部２３１から動作履歴情報、環境履歴情報および日時情報を取得し、気象情報記憶部２３２から気象実績情報を取得する（ステップＳ３０１）。この動作履歴情報、環境履歴情報および日時情報が、ニューラルネットワークを学習させるための教師情報に相当する。次に、係数設定部２１３が、ニューラルネットワーク記憶部２３３から重み係数の初期値である初期重み係数を示す情報を取得し、前述のニューラルネットワークの重み係数を初期重み係数に設定する（ステップＳ３０２）。続いて、ニューラルネットワーク計算部２１４は、初期重み係数が設定されたニューラルネットワークを用いて、取得した環境履歴情報に含まれる環境パラメータ、日時情報が示す日時および気象実績情報が示す気象条件を数値化した情報から、予め設定された日における複数の時間帯それぞれにおける機器設定パラメータを算出する（ステップＳ３０３）。その後、係数決定部２１５は、前述複数の時間帯それぞれについて、算出された機器設定パラメータと、動作履歴情報に含まれる機器設定パラメータと、の誤差を算出する（ステップＳ３０４）。次に、係数決定部２１５は、算出された誤差に基づいて、誤差逆伝播法（バックプロパゲーション）により各重み係数を決定する（ステップＳ３０５）。そして、係数決定部２１５は、決定した重み係数をニューラルネットワーク記憶部２３３に記憶させる（ステップＳ３０６）。

　図１６に戻って、次に、スケジュール生成部２１６は、空気調和機４、５２または給湯機５１からスケジュール要求情報を取得したか否かを判定する（ステップＳ２０６）。スケジュール生成部２１６が、スケジュール要求情報を取得していないと判定すると（ステップＳ２０６：Ｎｏ）、再びステップＳ２０１の処理が実行される。一方、スケジュール生成部２１６が、スケジュール要求情報を取得したと判定すると（ステップＳ２０６：Ｙｅｓ）、機器設定算出処理が実行される（ステップＳ２０７）。

　ここで、機器設定算出処理の詳細について、図１８を参照しながら詳細に説明する。まず、ニューラルネットワーク計算部２１４は、履歴情報記憶部２３１から環境履歴情報および日時情報に含まれる現時点における環境パラメータおよび日時情報を取得し、気象情報記憶部２３２から気象予報情報を取得する（ステップＳ４０１）。次に、係数設定部２１３が、ニューラルネットワーク記憶部２３３から係数決定処理において決定した重み係数を取得し、前述のニューラルネットワークの重み係数を取得した重み係数に設定する（ステップＳ４０２）。続いて、ニューラルネットワーク計算部２１４は、重み係数が設定されたニューラルネットワークを用いて、取得した現時点における環境パラメータ、日時情報が示す日時および気象予報情報が示す気象条件を数値化した情報から将来の機器設定パラメータを算出する（ステップＳ４０３）。

　図１６に戻って、その後、スケジュール生成部２１６は、算出された機器設定パラメータを用いてスケジュール情報を生成する（ステップＳ２０８）。ここで、スケジュール生成部２１６は、生成したスケジュール情報をスケジュール記憶部２３４に記憶させる。次に、スケジュール送信部２１７は、スケジュール記憶部２３４が記憶するスケジュール情報を空気調和機４、５２または給湯機５１へ送信する（ステップＳ２０９）。そして、再びステップＳ２０１の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ２において、ニューラルネットワーク計算部２１４が、係数決定部２１５により重み係数が決定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境パラメータとから空気調和機４、５２および給湯機５１の将来の機器設定パラメータを求める。また、スケジュール生成部２１６が、ニューラルネットワーク計算部２１４により求められた機器設定パラメータに基づいて、空気調和機４、５２および給湯機５１の将来の運転スケジュールを示すスケジュール情報を生成する。一方、空気調和機４、５２または給湯機５１の機器設定更新部４１９、５１９が、スケジュール情報が示す運転スケジュールに従って機器設定記憶部４３１、５３１が記憶する機器設定情報を更新し、機器制御部４１４、５１４が、機器設定記憶部４３１、５３１が記憶する機器設定情報が示す機器設定パラメータに基づいて空気調和機４、５２、給湯機５１を制御する。これにより、空気調和機４、５２または給湯機５１は、スケジュール情報が示す運転スケジュールに対応する期間毎に、履歴情報をクラウドサーバ２へ送信し、クラウドサーバ２からスケジュール情報を取得するだけで、空気調和機４、５２、給湯機５１を制御することができる。従って、空気調和機４、５２または給湯機５１とクラウドサーバ２との間で履歴情報、スケジュール情報が送受信される頻度が低減するので、宅外ネットワークＮＴ１における通信トラフィックの空気調和機４、５２、給湯機５１の動作への影響が低減されるという利点がある。

　また、本実施の形態に係る制御システムによれば、空気調和機４、５２または給湯機５１が、空気調和機４、５２または給湯機５１に関する履歴情報を、教師情報としてクラウドサーバ２へ送信し、クラウドサーバ２が、ニューラルネットワーク計算部２１４により求められた機器設定パラメータに基づいてスケジュール情報を生成する。これにより、空気調和機４がニューロエンジンを備えていなくても利用者の身体的特徴または生活習慣に適した運転スケジュールで動作することができる。

　更に、本実施の形態に係る制御システムでは、空気調和機４、５２または給湯機５１が、空気調和機４、５２または給湯機５１から利用者情報を取得してクラウドサーバ２へ送信する。これにより、クラウドサーバ２は、利用者情報の内容を考慮してニューラルネットワークの重み係数を決定するので、例えば空気調和機４、５２または給湯機５１の利用者が入れ替わった場合（例えば、利用者が、お父さん、お母さん、息子または娘からおばあちゃんに入れ替わった場合）でも、その利用者に適した環境を提供することができる。

（実施の形態２）
　本実施の形態に係る制御システムでは、サーバが、機器の機器設定パラメータの履歴を示す動作履歴情報と機器が設置されている場所の環境履歴情報と過去の気象条件を示す気象実績情報とから、予め設定されたノード数および層数を有する利用者の嗜好の特徴を示す嗜好特徴量を求めるための第２ニューラルネットワークを用いて、機器の利用者の嗜好の特徴を数値化した情報である嗜好特徴量を求める。サーバは、機器の機器設定パラメータの履歴を示す動作履歴情報と機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部と、気象サーバから、過去の気象条件を示す気象実績情報を含む気象情報を取得する気象情報取得部と、を有する。また、サーバは、気象実績情報と履歴情報とに基づいて、第２ニューラルネットワークの重み係数を決定する係数決定部と、係数決定部により重み係数が決定された第２ニューラルネットワークを用いて、履歴情報と気象実績情報とから嗜好特徴量を求めるニューラルネットワーク計算部と、を有する。そして、機器は、機器の運転スケジュールを示す複数種類のスケジュール情報を、嗜好特徴量情報に対応づけて記憶するスケジュール記憶部と、ニューラルネットワーク計算部により求められた嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに従って機器を制御する機器制御部を有する。

　本実施の形態に係る制御システムは、実施の形態１で図１を用いて説明した制御システムと同様に、住戸Ｈに設置された空気調和機および給湯機と、空気調和機、給湯機と宅外ネットワークＮＴ１を介して通信可能な図１９に示すクラウドサーバと、を備える。なお、本実施の形態において、実施の形態１と同様の構成については、実施の形態１と同一の符号を用いて説明する。また、本実施の形態では、空気調和機のみについて説明する。給湯機は、空気調和機と同様の処理を実行する。また、住戸Ｈ内には、宅内ネットワークＮＴ２が敷設されており、宅内ネットワークＮＴ２に接続されたルータとデータ回線終端装置とが設置されているものとする。

　本実施の形態に係る空気調和機１５００４は、図２で説明したように、撮像装置４８１により撮像される画像を用いて利用者を特定できる。本実施の形態に係る制御システムでは、空気調和機１５００４において利用者を撮像装置４８１により撮像して得られる画像から利用者の身体的特徴を示す利用者特徴量情報を生成する。そして、生成された利用者特徴量情報が、空気調和機１５００４からクラウドサーバ１５００２へ送信される。一方、クラウドサーバ１５００２では、教師情報記憶部１５２３５に記憶された嗜好特徴量と、動作履歴情報および環境履歴情報と、に基づいて、ニューラルネットワークの重み係数を決定する。ここで、クラウドサーバ１５００２は、利用者が、「暑がり（身体的特徴の個人差として比較的暑がりな人）」であるか「寒がり（身体的特徴の個人差として比較的寒がりな方）」といった複数種類の身体的特徴のいずれのカテゴリに分類されるかをニューラルネットワークを用いて判別する。そして、クラウドサーバ１５００２は、判別したカテゴリに対応する嗜好特徴量情報を空気調和機１５００４へ送信する。これにより、空気調和機１５００４は、例えば「暑がり」のカテゴリに対応するスケジュール情報が示す運転スケジュールに沿って動作する。本実施の形態では、空気調和機１５００４が、ニューラルネットワークの計算を行う機能を有していなくてもよい。

　本実施の形態に係るクラウドサーバ１５００２のハードウェア構成は、実施の形態１で図１０を用いて説明したクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ１５００２は、ＣＰＵ２０１は、補助記憶部２０３が記憶するプログラムを主記憶部２０２に読み出して実行することにより、図１９に示すように、履歴情報取得部２１１、気象情報取得部２１２、係数設定部１５２１３、ニューラルネットワーク計算部２１４、係数決定部１５２１５、嗜好特徴量情報生成部１５２１６および嗜好情報送信部１５２１７として機能する。また、図１０に示す補助記憶部２０３は、図１９に示すように、空気調和機１５００４から取得した履歴情報および履歴属性情報を記憶する履歴情報記憶部２３１と、気象サーバ３から取得した気象実績情報を記憶する気象情報記憶部２３２と、ニューラルネットワーク記憶部１５２３３と、教師情報記憶部１５２３５と、を有する。なお、図１９において、実施の形態１と同様の構成については、図１１と同一の符号を付している。教師情報記憶部１５２３５は、係数決定部１５２１５がニューラルネットワーク係数を決定するための教師情報を記憶する。教師情報は、住戸Ｈにおける室内環境パラメータの履歴を示す環境履歴情報と、住戸Ｈに設置された空気調和機１５００４の設定パラメータの履歴を示す動作履歴情報と、空気調和機１５００４の利用者の嗜好の特徴を示す嗜好特徴量と、を組み合わせた情報である。ここで、嗜好特徴量は、利用者の空気調和機１５００４を使用する際の嗜好の特徴をカテゴライズしたものである。嗜好特徴量は、例えば図２０に示すように、室内温度が２６℃前後以下でも冷房運転を開始し、冷房設定温度を下げる頻度が高く、室内温度に関わらずハイパワーで冷房する、冷房運転により室内温度が下降後、一定時間経過しても運転強度を下げない、といった傾向がある場合、利用者が暑がりであると推定可能であり、これらを示す環境履歴情報と動作履歴情報の組合せに対して、嗜好特徴量が１０を示す「暑がり」と特徴付けられる。また、例えば、室内温度が１８℃前後以上でも暖房運転を開始し、暖房設定温度を上げる頻度が高く、室内温度に関わらずハイパワーで暖房する、暖房運転により室内温度が上昇後、一定時間経過しても運転強度を下げない、といった傾向がある場合、利用者が寒がりであると推定可能であり、これらを示す環境履歴情報と動作履歴情報の組合せに対して、嗜好特徴量が２０を示す「寒がり」と特徴付けられる。

　教師情報記憶部１５２３５が記憶する教師情報は、クラウドサーバ１５００２またはクラウドサーバ１５００２以外の他の情報処理装置（図示せず）において実行されるプログラムにより自動的に作成されてもよい。或いは、クラウドサーバ１５００２を管理する管理者側において、空気調和機１５００４から随時収集される環境履歴情報と動作履歴情報から人工的に嗜好特徴を定義することにより作成されてもよい。また、嗜好特徴量を推定する際、動作履歴情報および環境履歴情報に加えて気象実績情報を使用してもよい。例えば、夏日または真夏日であれば、室内環境に関わらず冷房運転を開始したり、冷房設定温度を下げたりした場合、空気調和機１５００４の利用者が「暑がり」であると推定して、これらの操作に対応する環境履歴情報と動作履歴情報と気象実績情報との組合せに対して、嗜好特徴量が１０を示す「暑がり」と特徴付けるようにしてもよい。

　ニューラルネットワーク記憶部１５２３３は、後述するニューラルネットワークの構造を示す情報と、ニューラルネットワークの重み係数と、を記憶する。ニューラルネットワークの構造を示す情報には、各ノードにおける活性化関数の形状を示す情報、層数情報、各層におけるノード数の情報等が含まれる。また、ニューラルネットワーク記憶部２３３は、前述の空気調和機４、５２および給湯機５１についての動作履歴情報、環境履歴情報および気象実績情報から、ニューラルネットワークの重み係数を決定する際に用いられる重み係数の初期値である初期係数を示す情報も記憶する。

　ニューラルネットワーク計算部２１４は、動作履歴情報と環境履歴情報と気象実績情報とから、予め設定されたノード数および層数を有するニューラルネットワークを用いて、利用者の嗜好の特徴を示す嗜好特徴量を算出する。ここで、ニューラルネットワークは、利用者の嗜好の特徴を示す嗜好特徴量を求めるための第２ニューラルネットワークである。

　係数設定部１５２１３は、ニューラルネットワークの重み係数を設定する。そして、ニューラルネットワーク計算部２１４は、係数設定部１５２１３により重み係数が設定されたニューラルネットワークを用いて、気象実績情報と動作履歴情報と環境履歴情報とから空気調和機４、５２および給湯機５１の利用者の嗜好の特徴を示す嗜好特徴量を求める。ここで、ニューラルネットワーク計算部２１４は、動作履歴情報と環境履歴情報と気象実績情報が示す過去の気象条件を数値化した情報とから、ニューラルネットワークを用いて、嗜好特徴量を算出する。

　係数決定部１５２１５は、嗜好特徴量情報と、動作履歴情報および環境履歴情報と、気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部１５２１５は、まず、ニューラルネットワーク記憶部１５２３３から初期係数を示す情報を取得し、取得した初期係数をニューラルネットワークの重み係数に設定する。次に、係数決定部１５２１５は、ニューラルネットワーク計算部２１４が、教師情報記憶部１５２３５が記憶する動作履歴情報と環境履歴情報と気象実績情報が示す過去の気象条件を数値化した情報と、に基づいて、ニューラルネットワークを用いて算出した嗜好特徴量を取得する。続いて、係数決定部１５２１５は、動作履歴情報と環境履歴情報の組合せに対応する嗜好特徴量情報を教師情報記憶部１５２３５から取得し、ニューラルネットワークを用いて算出された嗜好特徴量との誤差を算出する。そして、係数決定部１５２１５は、算出した誤差に基づいて、誤差逆伝播法（バックプロパゲーション）によりニューラルネットワークの重み係数を決定する。

　嗜好特徴量情報生成部１５２１６は、空気調和機１５００４から嗜好特徴量要求情報を受信すると、ニューラルネットワーク計算部２１４に嗜好特徴量を算出させる。そして、嗜好特徴量情報生成部１５２１６は、算出された嗜好特徴量を示す嗜好特徴量情報を生成する。嗜好特徴量送信部１５２１７は、生成された嗜好特徴量情報を、嗜好特徴量要求情報の送信元の空気調和機１５００４へ送信する。

　本実施の形態に係る空気調和機１５００４のＣＰＵ４０１は、補助記憶部４０３が記憶するプログラムを主記憶部４０２に読み出して実行することにより、図２１に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、嗜好特徴量取得部１５４１８、機器設定更新部４１９、動作モード設定部４２０、利用者特定部４２１およびスケジュール特定部１５４２５として機能する。また、補助記憶部４０３は、図２０に示すように、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、スケジュール記憶部１５４３５と、を有する。

　スケジュール記憶部１５４３５は、例えば図２２に示すように、複数種類のスケジュール情報を、嗜好特徴量を示す嗜好特徴量情報に対応づけて記憶する。ここで、嗜好特徴量は、例えば利用者の身体的特徴に基づいて利用者の嗜好の特徴をカテゴライズした場合における各嗜好を数値化した情報である。この嗜好特徴量情報は、例えば、「暑がり」に「１０」、「寒がり」に「２０」、「最初は暑がりではあるが室温が冷えてくるとすぐに設定を弱くする」に「３０」、「帰宅直後のみ暑がり」に「４０」、「風呂上りの時間帯だけ暑がり」に「９０」、「食事時間は暑がり」に「１００」、「空気調和機をたまにしかつけない」に「１１０」、「猛暑日のみつける」に「１２０」を割り当てるようにしてもよい。

　嗜好特徴量取得部１５４１８は、クラウドサーバ１５００２から嗜好特徴量情報を取得し、取得した嗜好特徴量情報をスケジュール特定部１５４２５に通知する。スケジュール特定部１５４２５は、スケジュール記憶部１５４３５が記憶する複数種類のスケジュール情報の中から、嗜好特徴量取得部１５４１８が取得した、ニューラルネットワーク計算部２１４により求められた嗜好特徴量に対応するスケジュール情報を特定する。そして、機器設定更新部４１９は、スケジュール特定部１５４２５により特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する。

　次に、本実施の形態に係る制御システムの動作について図２３および図２４を参照しながら説明する。なお、図２３において、実施の形態１と同様の処理については、図１３と同一の符号を付している。まず、クラウドサーバ１５００２は、教師情報記憶部１５２３５から取得した動作履歴情報、環境履歴情報、および嗜好特徴量情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ１５００１）。次に、空気調和機４、５２または給湯機５１が、利用者による自動モードへの切り替え操作を受け付け（ステップＳ１５００２）、動作モードを自動モードに設定したとする（ステップＳ１５００３）。

　その後、履歴情報生成時期が到来すると、空気調和機１５００４は、履歴情報記憶部４３４、５３４が記憶する動作履歴情報、環境履歴情報、日時情報および利用者情報を用いて履歴情報および履歴属性情報を生成する（ステップＳ１５００４）。ここで、履歴属性情報は、例えば図２４に示すような構造を有する。次に、生成された履歴情報および履歴属性情報が、空気調和機１５００４からクラウドサーバ２へ送信される（ステップＳ１５００５）。

　続いて、空気調和機１５００４が、予め設定された空気調和機１５００４の運転スケジュールの更新時期が到来したと判定すると、クラウドサーバ２に対してスケジュール情報の送信を要求するスケジュール要求情報が、空気調和機１５００４からクラウドサーバ２へ送信される（ステップＳ１５００６）。一方、クラウドサーバ２がスケジュール要求情報を受信すると、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、クラウドサーバ１５００２から気象サーバ３へ送信される（ステップＳ１５００７）。一方、気象サーバ３は、気象実績要求情報を受信すると、空気調和機４、５２または給湯機５１が設置された住戸Ｈが存在する地域の気象実績情報を生成する（ステップＳ１５００８）。その後、生成された気象実績情報が、気象サーバ３からクラウドサーバ１５００２へ送信される（ステップＳ１５００９）。次に、クラウドサーバ１５００２は、動作履歴情報と環境履歴情報と気象実績情報とから、前述のニューラルネットワークを用いて、利用者の嗜好特徴量を算出する（ステップＳ１５０１０）。続いて、クラウドサーバ１５００２は、算出した嗜好特徴量を示す嗜好特徴量情報を生成し（ステップＳ１５０１１）。その後、生成された嗜好特徴量情報が、クラウドサーバ２から空気調和機１５００４へ送信される（ステップＳ１５０１２）。一方、空気調和機１５００４は、嗜好特徴量情報を受信すると、スケジュール記憶部１５４３５が記憶する複数種類のスケジュール情報の中から、受信した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１５０１３）。その後、空気調和機１５００４は、スケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１２）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ１２の処理が繰り返し実行される。

　次に、本実施の形態に係るクラウドサーバ１５００２が実行する嗜好特徴量情報生成処理について図２５から図２７を参照しながら説明する。このスケジュール特定処理は、例えばクラウドサーバ１５００２へ電源が投入されたことを契機として開始される。

　まず、図２５に示すように、教師情報記憶部１５２３５から取得した動作履歴情報、環境履歴情報、気象実績情報および嗜好特徴量情報に基づいて、ニューラルネットワークの係数を決定する係数決定処理が実行される（ステップＳ１５２０１）。

　ここで、係数決定処理の詳細について、図２６を参照しながら詳細に説明する。まず、ニューラルネットワーク計算部２１４は、教師情報記憶部１５２３５から動作履歴情報、環境履歴情報および日時情報を取得し、気象情報記憶部２３２から気象実績情報を取得する（ステップＳ１５３０１）。次に、係数設定部１５２１３が、ニューラルネットワーク記憶部１５２３３から重み係数の初期値である初期重み係数を示す情報を取得し、ニューラルネットワークの重み係数を初期重み係数に設定する（ステップＳ１５３０２）。続いて、ニューラルネットワーク計算部２１４は、初期重み係数が設定されたニューラルネットワークを用いて、取得した環境履歴情報に含まれる環境パラメータ、日時情報が示す日時および気象実績情報が示す気象条件を数値化した情報から、嗜好特徴量を算出する（ステップＳ１５３０３）。その後、係数決定部１５２１５は、履歴情報記憶部２３１から履歴属性情報に含まれる嗜好特徴量情報を取得し、算出された嗜好特徴量と、取得した嗜好特徴量情報が示す嗜好特徴量と、の誤差を算出する（ステップＳ１５３０４）。次に、係数決定部１５２１５は、算出された誤差に基づいて、誤差逆伝播法（バックプロパゲーション）によりニューラルネットワークの重み係数を決定する（ステップＳ１５３０５）。そして、係数決定部１５２１５は、決定した重み係数をニューラルネットワーク記憶部１５２３３に記憶させる（ステップＳ１５３０６）。

　図２５に戻って、次に、履歴情報取得部２１１は、空気調和機１５００４から履歴情報を取得したか否かを判定する（ステップＳ１５２０２）。履歴情報取得部２１１が、履歴情報を取得していないと判定すると（ステップＳ１５２０２：Ｎｏ）、そのまま後述のステップＳ１５２０４の処理が実行される。一方、履歴情報取得部２１１は、履歴情報を取得したと判定すると（ステップＳ１５２０２：Ｙｅｓ）、取得した履歴情報を履歴情報記憶部２３１に記憶させる（ステップＳ１５２０３）。次に、嗜好特徴量情報生成部１５２１６は、空気調和機１５００４から嗜好特徴量要求情報を取得したか否かを判定する（ステップＳ１５２０４）。嗜好特徴量情報生成部１５２１６が、嗜好特徴量要求情報を取得していないと判定すると（ステップＳ１５２０４：Ｎｏ）、再びステップＳ１５２０１の処理が実行される。一方、嗜好特徴量情報生成部１５２１６が、嗜好特徴量要求情報を取得したと判定すると（ステップＳ１５２０４：Ｙｅｓ）、嗜好特徴量算出処理が実行される（ステップＳ１５２０５）。

　ここで、嗜好特徴量算出処理の詳細について、図２７を参照しながら詳細に説明する。まず、ニューラルネットワーク計算部２１４は、履歴情報記憶部２３１から環境履歴情報および動作履歴情報を取得する（ステップＳ１５４０１）。次に、気象情報取得部２１２は、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報を送信することにより（ステップＳ１５４０２）、気象サーバ３から気象実績情報を取得する（ステップＳ１５４０３）。ここで、気象情報取得部２１２は、取得した気象実績情報を気象情報記憶部２３２に記憶させる。続いて、係数設定部１５２１３が、ニューラルネットワーク記憶部１５２３３から係数決定処理において決定した重み係数を取得し、ニューラルネットワークの重み係数を取得した重み係数に設定する（ステップＳ１５４０４）。その後、ニューラルネットワーク計算部２１４は、重み係数が設定されたニューラルネットワークを用いて、取得した環境履歴情報、動作履歴情報および気象実績情報が示す気象条件を数値化した情報から利用者の嗜好の特徴量である嗜好特徴量を算出する（ステップＳ１５４０５）。

　図２５に戻って、その後、嗜好特徴量情報生成部１５２１６は、ニューラルネットワーク計算部２１４により算出された嗜好特徴量を示す嗜好特徴量情報を生成する（ステップＳ１５２０６）。次に、嗜好特徴量送信部１５２１７は、生成された嗜好特徴量情報を空気調和機１５００４へ送信する（ステップＳ１５２０７）。そして、再びステップＳ１５２０１の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ２において、ニューラルネットワーク計算部２１４が、係数決定部２１５により重み係数が決定されたニューラルネットワークを用いて、気象実績情報と環境履歴情報と動作履歴情報とから利用者の嗜好の特徴量である嗜好特徴量を算出する。一方、空気調和機１５００４のスケジュール特定部１５４２５が、スケジュール記憶部１５４３５が記憶する複数種類のスケジュール情報の中から、クラウドサーバ１５００２により求められた嗜好特徴量に対応するスケジュール情報を特定し、機器設定更新部４１９が、スケジュール特定部１５４２５が特定したスケジュール情報が示す運転スケジュールに従って機器設定記憶部４３１が記憶する機器設定情報を更新し、機器制御部４１４が、機器設定記憶部４３１が記憶する機器設定情報が示す機器設定パラメータに基づいて空気調和機１５００４を制御する。これにより、空気調和機１５００４は、スケジュール情報が示す運転スケジュールに対応する期間毎に、履歴情報をクラウドサーバ２へ送信し、クラウドサーバ２から嗜好特徴量情報を取得するだけで、空気調和機１５００４を制御することができる。従って、クラウドサーバ１５００２から空気調和機１５００４へは、嗜好特徴量情報のみを送信すればよく、宅外ネットワークＮＴ１における通信トラフィックの空気調和機１５００４の動作への影響が低減されるという利点がある。

　なお、本実施の形態では、クラウドサーバ１５００２から空気調和機４、５２へスケジュール情報を送信する例について説明したが、これに限らず、例えば嗜好特徴量を示す嗜好特徴量情報を空気調和機４、５２へ送信するものであってもよい。例えば空気調和機４、５２が、計測装置４６１を備える場合、計測装置４６１で得られる環境履歴情報と、嗜好特徴量情報と、を用いて制御されるようにしてもよい。また、嗜好特徴量情報は、スケジュール情報に比べて情報量が少ないため、その分、通信トラフィックを低減できるという利点がある。

（実施の形態３）
　本実施の形態に係る制御システムでは、機器が、機器が設置されている場所の環境パラメータと気象予報情報が示す将来の気象条件とから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークを用いて、将来の機器の機器設定パラメータを求める。サーバは、機器から、機器設定パラメータの履歴を示す動作履歴情報と機器が動作する環境の履歴を示す環境履歴情報と機器の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部と、気象サーバから、過去の気象条件を示す気象実績情報を含む気象情報を取得する気象情報取得部と、を有する。また、サーバは、取得した履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する係数決定部を有する。機器は、重み係数が決定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報とに含まれる現時点の環境を示す環境パラメータとから機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部を有する。

　本実施の形態に係る制御システムは、実施の形態１で図１を用いて説明した制御システムと同様に、住戸Ｈに設置された空気調和機および給湯機と、空気調和機、給湯機と宅外ネットワークＮＴ１を介して通信可能なクラウドサーバと、を備える。なお、本実施の形態において、実施の形態１と同様の構成については、実施の形態１と同一の符号を用いて説明する。また、本実施の形態では、空気調和機のみについて説明する。給湯機は、空気調和機と同様の処理を実行する。また、住戸Ｈ内には、宅内ネットワークＮＴ２が敷設されており、宅内ネットワークＮＴ２に接続されたルータとデータ回線終端装置とが設置されているものとする。

　本実施の形態に係る空気調和機２００４は、図２８に示すように、制御部２４００と、計測装置４６１と、撮像装置４８１と、を有する。また、空気調和機２００４は、制御部４００から入力される制御信号に基づいて動作する圧縮機（図示せず）と送風ファン（図示せず）とを有する。制御部２４００は、ＣＰＵ４０１と、主記憶部４０２と、補助記憶部４０３と、通信インタフェース４０５と、計測装置インタフェース４０６と、無線モジュール４０７と、撮像インタフェース４０８と、ニューロエンジン４０４と、これらを相互に接続するバス４０９と、を備える。なお、図２８において、実施の形態１と同様の構成については、図２と同一の符号を付している。ニューロエンジン４０４は、予め設定されたノード数および層数を有するニューラルネットワークを用いた演算処理専用のハードウェアであり、実施の形態１で説明したニューラルネットワーク計算部２１４と同様の機能を有する。ニューロエンジン４０４は、図２９に示すように、プロセッサ４４１と、ワークメモリ４４２と、演算アクセラレータ４４３と、入出力レジスタ４４４と、ダウンロードバッファ４４５と、を有する。ここで、クラウドサーバ２００２からは、後述する係数属性情報と、係数情報と、を取得する。なお、係数属性情報は、例えばＪＳＯＮスキーマファイル形式のフォーマットを有し、係数情報は、ＪＳＯＮファイル形式のフォーマットを有する。ここで、係数属性情報は、ダウンロードバッファ４４５に一度格納された後、プロセッサ４４１が使用するワークメモリ４４２に格納される。プロセッサ４４１は、ワークメモリ４４２の係数属性情報ＤＡＺ２を読み出し、係数属性情報ＤＡＺ２に含まれるニューラルネットワークの構造を示す情報、ニューラルネットワークの層数およびノード数を示す情報に基づいて、重み係数情報ＤＡＣ２、ノード計算値情報ＤＡＮ２１および入出力ノード値情報ＤＡＮ２２を格納するために必要となるメモリ領域を確保する。そして、プロセッサ４４１は、それぞれのメモリ領域において、ニューラルネットワークの重み係数とノードとを対応付けていく。

　また、プロセッサ４４１は、重み係数情報ＤＡＣ２を、ワークメモリ４４２の対応部分に格納する。また、プロセッサ４４１は、入出力レジスタ４４４から入力されるニューラルネットワークへの入力値情報を、入出力ノード値情報ＤＡＮ２２を格納するためのメモリ領域に格納した上で、順次重み係数情報ＤＡＣ２を読み出す。また、プロセッサ４４１は、ワークメモリ４４２に格納された係数属性情報ＤＡＺ２に含まれる活性化関数情報を、演算プログラムに設定した上で、ニューラルネットワークの各層および各ノードについて順次演算を実行する。そして、プロセッサ４４１は、ニューラルネットワークの各層および各ノードについての演算を完了すると、得られた出力値情報を、入出力ノード値情報ＤＡＮ２２を格納するメモリ領域に格納し、その後、入出力ノード値情報ＤＡＮ２２を格納するメモリ領域から入出力レジスタ４４４の出力部分へ転送する。なお、プロセッサ４４１による演算処理には、大きな容量のワークメモリ４４２が必要となるとともに、プロセッサ４４１とワークメモリ４４２との間での数値情報の転送が頻発する。従って、プロセッサ４４１を用いたニューラルネットワークの演算にはある程度の時間を要する。そこで、ニューラルネットワークの演算時間を短縮するために、プロセッサ４４１として、高速演算が可能なＧＰＵ（Grahical Processing Unit）を採用する場合もある。

　一方、演算アクセラレータ４４３は、ハードウェアで構成された専用アクセラレータであり、ニューラルネットワークのノード毎に必要となる膨大な数の単純演算を実行するニューラルネットワークの演算に特有の処理に特化したものである。演算アクセラレータ４４３は、複数のノード単位演算部４４３ａを有する。各ノード単位演算部４４３ａは、ニューラルネットワークのノード（例えばノードＸ１、Ｙ１）毎に設けられ、ローカルレジスタ４４３ｂと、積和演算部４４３ｃと、変換テーブル部４４３ｄと、を有する。ノード単位演算部４４３ａは、ニューラルネットワークを構成するノードの数と同数だけ設けられている。また、積和演算部４４３ｃおよび変換テーブル部４４３ｄに対応するローカルレジスタ４４３ｂは、ニューラルネットワークの規模によりレジスタの数が異なることを考慮して、必要な数のローカルレジスタを選択できる構造となっている。そして、演算アクセラレータ４４３は、クラウドサーバ２００２から取得した係数属性情報に含まれるニューラルネットワークの層数、ノード数を示す情報に基づいて、必要な数のローカルレジスタ４４３ｂを選択する。

　そして、演算アクセラレータ４４３は、必要な数のローカルレジスタ４４３ｂが選択された後、重み係数情報を各ローカルレジスタ４４３ｂに格納してニューラルネットワークの各ノードの演算を実行する。また、変換テーブル部４４３ｄは、前述の活性化関数の演算を行うためのものであり、変換テーブル部４４３ｄの内容は、係数属性情報に含まれる活性化関数の形状を示す情報に基づいて設定される。また、係数属性情報には、後述するように、ニューラルネットワークの構造を示す構造情報を含む。そして、ノード単位演算部４４３ａは、係数属性情報に含まれるニューラルネットワークの構造に関する情報を参照して、ニューラルネットワークの重み係数情報を格納するローカルレジスタ４４３ｂの位置と、ノード単位演算部４４３ａの間の接続関係と、を決定し、係数情報を取得する。演算アクセラレータ４４３は、このようなハードウェア構成を有することにより、ニューラルネットワークのノード毎に各別に計算したり、複数のノードについての計算を纏めて実行したりすることができる。この演算アクセラレータ４４３は、ワークメモリ４４２とプロセッサ４４１とを用いた演算に比べて、高速な処理が可能となっている。また、演算アクセラレータ４４３は、ニューラルネットワークを用いた演算の結果を、出力ノードに対応するノード単位演算部４４３ａのローカルレジスタ４４３ｂから読み出して入出力レジスタ４４４の出力部分へ出力する。

　なお、演算アクセラレータ４４３は、演算規模によらずハードウェアの回路規模を変更することができない。そこで、本実施の形態に係るニューロエンジン４０４は、演算アクセラレータ４４３と、プロセッサ４４１とワークメモリ４４２とを組み合わせた構成となっている。

　図２８に戻って、ＣＰＵ４０１は、補助記憶部４０３が記憶するプログラムを主記憶部４０２に読み出して実行することにより、図３０に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、係数取得部２４２３および係数設定部２４２４として機能する。また、図２８に示す補助記憶部４０３は、図３０に示すように、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部２４３６と、気象情報記憶部２４３７と、を有する。ニューラルネットワーク記憶部２４３６は、ニューロエンジン４０４が用いるニューラルネットワークの構造を示すニューラルネットワーク構造情報と、ニューラルネットワークの重み係数を示す重み係数情報と、を記憶する。ニューラルネットワークの構造情報には、各ノードにおける活性化関数の形状を示す情報、層数情報、各層におけるノード数の情報等が含まれる。気象情報記憶部２４３７は、クラウドサーバ２００２から取得した気象予報情報を記憶する。

　気象情報取得部２４２２は、将来の気象条件を示す気象予報情報を含む気象情報を、気象サーバ３から取得する第２気象情報取得部である。ここで、気象情報取得部２４２２は、気象サーバ３に対して気象情報の送信を要求する気象情報要求情報を送信することにより、気象サーバ３から気象情報を取得する。係数取得部２４２３は、ニューロエンジン４０４において実現されているニューラルネットワークの重み係数を示す情報を含む係数情報を、クラウドサーバ２００２から取得する。ここで、係数取得部２４２３は、クラウドサーバ２００２に対して係数情報の送信を要求する係数要求情報を送信することにより、クラウドサーバ２００２から係数情報を取得する。また、係数取得部２４２３は、クラウドサーバ２００２から取得した可逆式の情報圧縮処理が施された係数情報および係数属性情報に対して情報伸張処理を実行する。そして、係数取得部２４２３は、係数情報に含まれる重み係数情報をニューラルネットワーク記憶部２４３６に記憶させる。

　係数設定部２４２４は、ニューラルネットワークの重み係数を設定する。そして、ニューロエンジン４０４は、係数設定部２４２４により重み係数が設定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから空気調和機２００４の将来の機器設定パラメータを算出する。ここで、現時点の環境を示す環境パラメータとは、空気調和機４、５２から取得した室内温度または給湯機５１から取得した湯水の温度を示すパラメータであり、空気調和機４、５２の計測装置４６１および給湯機５１の計測装置５６１の計測頻度と、履歴情報取得部２１１の環境パラメータの取得頻度と、によって、現時点よりも数秒から数分前の環境を示すパラメータとなる場合がある。また、ニューロエンジン４０４は、履歴情報に含まれる環境履歴情報が示す現時点の室内温度、湯水温度等の環境パラメータと、現時点の日時を示す数値と、気象予報情報が示す将来の気象条件を数値化した情報とから、ニューラルネットワークを用いて、機器設定パラメータを算出する。

　機器設定更新部２４１９は、動作モード記憶部４３３が記憶する動作モード情報を参照し、動作モードが自動モードに設定されている場合、ニューロエンジン４０４により算出された機器設定パラメータを示す機器設定情報で、機器設定記憶部４３１が記憶する機器設定情報を更新する。ここで、機器設定更新部２４１９が機器設定情報を更新する時期は、予め設定された一定の時間間隔で到来する時刻に設定することができ、例えば５ｍｉｎの時間間隔で到来する時刻に設定することができる。

　クラウドサーバ２００２のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ２００２は、ＣＰＵは、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図３１に示すように、履歴情報取得部２１１、気象情報取得部２１２、係数設定部２１３、ニューラルネットワーク計算部２１４、係数決定部２１５、係数情報生成部２２１８および係数送信部２２１９として機能する。なお、図３１において、実施の形態１と同様の構成については、図１０と同一の符号を付している。また、図１０に示す補助記憶部２０３は、図３１に示すように、履歴情報記憶部２３１と、気象サーバ３から取得した気象実績情報を記憶する気象情報記憶部２３２と、ニューラルネットワーク記憶部２３３と、を有する。

　気象情報取得部２１２は、過去の気象条件を示す気象実績情報を、気象サーバ３から取得する第１気象情報取得部である。ここで、気象情報取得部２１２は、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報を送信することにより、気象サーバ３から気象実績情報を取得する。係数決定部２１５は、実施の形態１と同様にして、履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する。係数情報生成部２２１８は、係数決定部２１５が決定した重み係数を示す情報を含む係数情報を生成する。係数情報生成部２２１８は、例えばファイル形式がＪＳＯＮスキーマファイル形式である係数属性情報を生成するとともに、ＪＳＯＮファイル形式である係数情報を生成する。係数送信部２２１９は、係数情報生成部２２１８が生成した係数情報を空気調和機２００４へ送信する。ここで、係数送信部２２１９は、係数情報および係数属性情報に対して可逆式の情報圧縮処理を行ってから送信する。これにより、クラウドサーバ２００２から空気調和機２００４へ送信される情報量を低減することができる。

　次に、本実施の形態に係る制御システムの動作について図３２および図３３を参照しながら説明する。まず、履歴情報生成時期が到来すると、空気調和機２００４は、履歴情報記憶部４３４が記憶する動作履歴情報、環境履歴情報、日時情報および利用者情報を用いて履歴情報を生成する（ステップＳ２１）。履歴情報の構造は、実施の形態１において図１２を用いて説明した履歴情報の構造と同様である。その後、生成された履歴情報が、空気調和機２００４からクラウドサーバ２００２へ送信される（ステップＳ２２）。クラウドサーバ２００２は、履歴情報を受信すると、履歴情報に含まれる動作履歴情報、環境履歴情報、日時情報および利用者情報を履歴情報記憶部２３１に記憶させる。

　次に、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、クラウドサーバ２００２から気象サーバ３へ送信される（ステップＳ２３）。一方、気象サーバ３は、気象実績要求情報を受信すると、住戸Ｈが存在する地域における気象実績情報を生成する（ステップＳ２４）。続いて、生成された気象実績情報が、気象サーバ３からクラウドサーバ２００２へ送信される（ステップＳ２５）。一方、クラウドサーバ２００２は、気象実績情報を受信すると、受信した気象実績情報を気象情報記憶部２３２に記憶させる。その後、クラウドサーバ２００２は、取得した動作履歴情報、環境履歴情報、日時情報、利用者情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ２６）。クラウドサーバ２００２は、決定した重み係数を示す情報をニューラルネットワーク記憶部２３３に記憶させる。

　次に、空気調和機２００４が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ２７）。この場合、空気調和機２００４は、動作モード記憶部４３３に自動モードであることを示す動作モード情報を記憶させることにより、動作モードを自動モードに設定する（ステップＳ２８）。続いて、空気調和機２００４が、予め設定されたニューロエンジン２１０４で実現されるニューラルネットワークの重み係数の更新時期が到来したと判定すると、クラウドサーバ２００２に対して係数情報の送信を要求する係数要求情報が、空気調和機２００４からクラウドサーバ２へ送信される（ステップＳ２９）。一方、クラウドサーバ２００２は、係数要求情報を受信すると、ニューラルネットワーク記憶部２３３が記憶する重み係数を示す情報を含む係数情報を生成する（ステップＳ３０）。

　係数情報は、プロトコル情報と、生成した係数情報を識別する係数情報識別情報と、重み係数情報と、を含む。プロトコル情報は、係数情報を空気調和機２００４へ送信する際の通信プロトコルに関する各種情報を含む。係数属性情報は、例えば図３３に示すように、プロトコル情報と、各種属性情報と、を含む。属性情報としては、生成した係数属性情報を識別する係数属性情報識別情報と、ニューラルネットワークを用いて機器設定パラメータを算出する対象である空気調和機４、５２または給湯機５１を識別する機器識別情報と、前述の利用者識別情報と、フォーマット情報と、ニューラルネットワーク構造情報と、演算情報と、学習方式情報と、学習期間情報と、係数更新時期情報と、実現機能情報と、機器使用環境情報と、が含まれる。係数情報識別情報は、例えば属性情報に付与された識別情報と、重み係数情報に付与された識別情報と、空気調和機４、５２または給湯機５１の識別情報と、の少なくとも１つを含む。フォーマット情報は、属性情報および重み係数情報それぞれのデータ形式またはファイル形式を示す情報と圧縮形式を示す情報とを含む。ここで、フォーマット情報は、例えば属性情報のファイル形式がＪＳＯＮスキーマファイル形式であることを示す情報と、重み係数情報がＪＳＯＮファイル形式であることを示す情報を含む。ニューラルネットワーク構造情報は、ニューラルネットワークの層数および各層のノード数を示す情報と、ニューラルネットワークを用いた演算に使用する行列の次数を示す情報と、ニューラルネットワークの各ノードにおける活性化関数の形状を表す情報と、を含む。また、ニューラルネットワーク構造情報は、ニューラルネットワークを用いた計算における正規化処理またはドロップアウト情報と、ニューラルネットワークの各ノードについての入力側に接続されるノードと出力側に接続されるノードに関する情報と、を含む。ここで、ドロップアウト情報とは、ニューラルネットワークの重み係数を決定する際にニューラルネットワークを構成するノードのいずれかを不活性化させたかどうかを示す情報である。演算情報は、マルチスレット処理、パイプライン処理等のニューラルネットワークを用いた演算を行う際の処理方法を示す情報を含む。学習方式情報は、オートエンコーダを用いた誤差逆伝播法のような学習方式を示す情報を含む。学習期間情報は、ニューラルネットワークの係数を決定する際に使用した動作履歴情報、環境履歴情報および気象実績情報を取得した現在または過去の時期を示す情報を含む。係数更新時期情報は、ニューラルネットワークの重み係数を更新する時期を示す情報を含む。実現機能情報は、ニューラルネットワークを用いて算出される機器設定パラメータによる制御対象となる空気調和機４、５２または給湯機５１の機能を示す情報を含む。また、実現機能情報は、ニューラルネットワークを用いて算出される機器設定パラメータを利用者が手動で変更する場合に操作機器６、７１、７２に対して行う操作内容を示す情報を含む。機器使用環境情報は、住戸Ｈ内における空気調和機４、５２および給湯機５１それぞれの配置を示す情報と、住戸Ｈに居住する世帯の構成を示す情報と、を含む。

　図３２に戻って、続いて、生成された係数情報が、クラウドサーバ２から空気調和機２００４へ送信される（ステップＳ３１）。一方、空気調和機２００４は、係数情報を受信すると、受信した係数情報をニューラルネットワーク記憶部２４３６に記憶させる。そして、空気調和機２００４は、ニューラルネットワーク記憶部２４３６が記憶する重み係数を取得し、取得した重み係数をニューロエンジン４０４に設定する。その後、空気調和機２００４が、機器設定情報の更新時期が到来したと判定したとする。この場合、気象サーバ３に対して気象予報情報と気象実績情報とを含む気象情報の送信を要求する気象情報要求情報が、空気調和機２００４から気象サーバ３へ送信される（ステップＳ３２）。一方、気象サーバ３は、気象情報要求情報を受信すると、住戸Ｈが存在する地域における気象予報情報を特定して、特定した気象予報情報を含む気象情報を生成する（ステップＳ３３）。次に、生成された気象情報が、気象サーバ３から空気調和機２００４へ送信される（ステップＳ３４）。

　続いて、空気調和機２００４は、重み係数が設定されたニューラルネットワークを用いて、気象予報情報が示す将来の気象条件と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから空気調和機２００４の将来の機器設定パラメータを算出する（ステップＳ３５）。その後、空気調和機２００４は、算出された機器設定パラメータを用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する

（ステップＳ３６）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ３２からＳ３６までの一連の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機２００４が実行する機器制御処理について図３４を参照しながら説明する。この機器制御処理は、例えば空気調和機２００４へ電源が投入されたことを契機として開始される。

　まず、ステップＳ２１０１からＳ２１０６までの一連の処理が実行される。ここで、ステップＳ２１０１からＳ２１０６までの一連の処理は、実施の形態１で図１５を用いて説明したステップＳ１０１からＳ１０６までの一連の処理と同様である。次に、係数取得部２４２３は、動作モード記憶部４３３が記憶する動作モード情報を参照して、空気調和機２００４の動作モードが自動モードであるか否かを判定する（ステップＳ２１０７）。係数取得部２４２３が、空気調和機２００４の動作モードが手動モードであると判定すると（ステップＳ２１０７：Ｎｏ）、再びステップＳ２１０１の処理が実行される。一方、係数取得部２４２３は、空気調和機２００４の動作モードが自動モードであると判定すると（ステップＳ２１０７：Ｙｅｓ）、ニューラルネットワークの係数更新時期が到来したか否かを判定する（ステップＳ２１０８）。係数取得部２４２３が、未だ係数更新時期が到来していないと判定すると（ステップＳ２１０８：Ｎｏ）、そのまま後述のステップＳ２１１１の処理が実行される。一方、係数取得部２４２３が、係数更新時期が到来したと判定したとする（ステップＳ２１０８：Ｙｅｓ）。この場合、係数取得部２４２３は、クラウドサーバ２００２へ係数要求情報を送信することにより（ステップＳ２１０９）、クラウドサーバ２００２から係数情報を取得する（ステップＳ２１１０）。係数取得部２４２３は、取得した係数情報をニューラルネットワーク記憶部２４３６に記憶させる。

　続いて、機器設定更新部２４１９は、予め設定された空気調和機２００４の機器設定情報の更新時期が到来したか否かを判定する（ステップＳ２１１１）。機器設定更新部２４１９が、空気調和機２００４の機器設定情報の更新時期が未だ到来していないと判定すると（ステップＳ２１１１：Ｎｏ）、再びステップＳ２１０１の処理が実行される。一方、機器設定更新部２４１９が、空気調和機２００４の機器設定情報の送信時期が到来したと判定したとする（ステップＳ２１１１：Ｙｅｓ）。この場合、気象情報取得部２４２２は、気象サーバ３に対して気象情報要求情報を送信することにより（ステップＳ２１１２）、気象サーバ３から気象情報を取得する（ステップＳ２１１３）。ここで、気象情報取得部２４２２は、取得した気象情報に含まれる気象予報情報を気象情報記憶部２４３７に記憶させる。

　その後、ニューロエンジン４０４が、環境履歴情報に含まれる現在の環境パラメータと気象予報情報とに基づいて、係数設定部２４２４により重み係数が設定されたニューラルネットワークを用いて、空気調和機２００４の機器設定パラメータを算出する（ステップＳ２１１４）。次に、機器設定更新部２４１９が、算出された機器設定パラメータを用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ２１１５）。次に、再びステップＳ２１０１の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ２００２が実行する係数情報生成処理について図３５を参照しながら説明する。この係数情報生成処理は、例えばクラウドサーバ２００２へ電源が投入されたことを契機として開始される。

　まず、ステップＳ２２０１およびＳ２２０２の処理が実行される。このステップＳ２２０１およびＳ２２０２の処理の内容は、実施の形態１で図１６を用いて説明したステップＳ２０１、Ｓ２０２の処理と同様である。次に、気象実績取得部２２１２は、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報を送信することにより（ステップＳ２２０３）、気象サーバ３から気象情報を取得する（ステップＳ２２０４）。ここで、気象実績取得部２２１２は、取得した気象実績情報を気象情報記憶部２３２に記憶させる。続いて、履歴情報に含まれる動作履歴情報および環境履歴情報と気象実績情報とに基づいて、前述のニューラルネットワークの係数を決定する係数決定処理が実行される（ステップＳ２２０５）。係数決定処理の内容は、実施の形態１において図１７を用いて説明した係数決定処理と同様である。但し、図１７のステップＳ３０３において、ニューラルネットワーク計算部２１４は、初期重み係数が設定されたニューラルネットワークを用いて、取得した環境履歴情報に含まれる環境パラメータおよび気象実績情報が示す気象条件を数値化した情報から、日時情報が示す日時毎に機器設定パラメータを算出する。その後、ステップＳ３０４において、係数決定部２１５は、日時情報が示す日時毎に、算出された機器設定パラメータと、動作履歴情報に含まれる機器設定パラメータと、の誤差を算出する。

　続いて、係数情報生成部２２１８は、空気調和機２００４から係数要求情報を取得したか否かを判定する（ステップＳ２２０６）。係数情報生成部２２１８が、係数要求情報を取得していないと判定すると（ステップＳ２２０６：Ｎｏ）、再びステップＳ２２０１の処理が実行される。一方、係数情報生成部２２１８が、係数要求情報を取得したと判定すると（ステップＳ２２０６：Ｙｅｓ）、ニューラルネットワーク記憶部２３３が記憶する重み係数情報を含む係数情報を生成する（ステップＳ２２０７）。その後、係数送信部２２１９が、生成された係数情報を空気調和機２００４へ送信する（ステップＳ２２０８）。次に、再びステップＳ２２０１の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ２００２において、係数決定部２１５が、ニューラルネットワークの重み係数を決定し、決定した重み係数を示す情報を含む係数情報を空気調和機２００４へ送信する。また、空気調和機２００４において、ニューロエンジン４０４が、クラウドサーバ２００２から受信した係数情報が示す重み係数に設定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境パラメータとから空気調和機２００４の将来の機器設定パラメータを求める。そして、機器制御部４１４が、ニューロエンジン４０４により求められた機器設定パラメータに基づいて、空気調和機２００４を制御する。これにより、空気調和機２００４は、係数情報更新時期が到来する毎に、履歴情報をクラウドサーバ２００２へ送信し、クラウドサーバ２００２から係数情報を取得するとともに、機器設定情報更新時期が到来する毎にクラウドサーバ２００２から気象情報を取得するだけで、空気調和機２００４を制御することができる。従って、空気調和機２００４とクラウドサーバ２００２との間での履歴情報、係数情報、気象情報が送受信される頻度が低減するので、宅外ネットワークＮＴ１における通信トラフィックの空気調和機２００４の動作への影響が低減されるという利点がある。また、空気調和機２００４は、ニューラルネットワークの再学習が必要となった場合、履歴情報をクラウドサーバ２００２へ再度送信して、改訂版のニューラルネットワークの重み係数を示す情報を取得することができる。

　ところで、一般的ないわゆるＩｏＴ家電機器の情報量に対してニューラルネットワークに関する情報量は非常に大きい。例えばニューラルネットワーク自体を家電機器に搭載すれば、家電機器における通信量を削減することができる。但し、この場合、家電機器にけるセンサの計測情報または家電機器の操作情報をリアルタイムに処理できる反面、家電機器のＣＰＵの計算資源またはメモリの関係で、処理できる内容または家電機器で実現できる学習機能に制限があった。特に、家電機器は、そのメモリの容量の関係で、過去の家電機器における履歴情報のような膨大なニューラルネットワークに関する情報を保持しておくことが困難である。また、ＣＰＵ資源またはメモリを十分に持つ多機能な高級仕様の家電機器から、単機能で且つ低コストであり性能が比較的低いＣＰＵしか搭載できないような家電機器に至るまでの、全ての家電機器を同一プラットフォームでカバーする事は困難である。このため、クラウドサーバと機器とを含む制御システムとして、機器それぞれが異なＣＰＵ資源を備えるものであっても、それらについて一様にニューラルネットワークの学習機能を活用でき且つ通信トラフィックの影響も受けにくい制御システムの実現が要請されている。また、これらのニューラルネットワークを利用した制御システムにおいては、異なるメーカの家電機器または異なる機種、異なるメーカのプラットフォーム間で、同一のユーザについて学習したニューラルネットワークを活用するケースが想定される。そして、この同一のユーザついて学習したニューラルネットワークを、異なるメーカの家電機器または異なる機種、異なるメーカのプラットフォーム間で横断的に使用するためにも、ニューラルネットワークに関する情報を標準的なデータフォーマットで統一することが要請されている。

　これに対して、本実施の形態に係る制御システムでは、前述のように、係数情報と係数属性情報とが予め設定された構造を有する。これにより、係数情報と係数属性情報とを、異なるメーカのプラットフォーム間で横断的に使用し易くなるという利点がある。

　また、本実施の形態に係る制御システムによれば、空気調和機２００４が、空気調和機２００４に関する履歴情報を、クラウドサーバ２００２へ送信し、クラウドサーバ２００２が、受信した履歴情報に基づいてニューラルネットワークの重み係数を決定する。これにより、空気調和機２００４は、係数決定部を備えていなくても、空気調和機２００４に関する履歴情報に基づいて決定されたニューラルネットワークの重み係数をクラウドサーバ２００２から取得することができる。従って、例えば空気調和機２００４の故障または寿命到来により新たな空気調和機２００４を導入する際、それまでに使用していた空気調和機２００４に関する履歴情報に基づいて決定されたニューラルネットワークの重み係数を引き継いで適用することができる。従って、空気調和機２００４の自動運転時の動作傾向が維持されるので、空気調和機２００４が設置された環境が維持されるという利点がある。

　更に、本実施の形態に係る係数属性情報は、前述のように、係数情報識別情報と機器識別情報と利用者識別情報とフォーマット情報とニューラルネットワーク構造情報と演算情報と学習方式情報と学習期間情報と係数更新時期情報と実現機能情報と機器使用環境情報とを含む。これにより、係数情報を例えば市場に流通させて機種または製造元の異なる空気調和機、給湯機等に適用し易いという利点がある。

（実施の形態４）
　本実施の形態に係る制御システムでは、機器が、機器の運転スケジュールを示す複数種類のスケジュール情報を、機器の利用者の嗜好の特徴を数値化した情報である嗜好特徴量情報に対応づけて記憶するスケジュール記憶部を有し、機器が設置されている場所の環境履歴情報と過去の気象条件を示す気象実績情報とから、予め設定されたノード数および層数を有する利用者の嗜好の特徴を示す嗜好特徴量を求めるための第２ニューラルネットワークを用いて、機器の運転スケジュールを示すスケジュール情報を特定する。サーバは、機器から、機器設定パラメータの履歴を示す動作履歴情報と機器が動作する環境の履歴を示す環境履歴情報と機器の利用者を示す利用者情報とを含む履歴情報を取得する履歴情報取得部と、気象サーバから、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部と、を有する。また、サーバは、取得した履歴情報および気象実績情報に基づいて、第２ニューラルネットワークの重み係数を決定する係数決定部を有する。機器は、重み係数が決定された第２ニューラルネットワークを用いて、動作履歴情報と環境履歴情報と気象実績情報とから利用者の嗜好の特徴量を求めるニューラルネットワーク計算部を有する。

　本実施の形態に係る空気調和機１６００４のハードウェア構成は、実施の形態３で図２８を用いて説明した空気調和機２００４のハードウェア構成と同様である。空気調和機１６００４は、図３６に示すように、制御部１６４００と、計測装置４６１と、撮像装置４８１と、を有する。なお、図３６において、実施の形態３と同様の構成については、図３０と同一の符号を付している。

　図３６に示すように、制御部１６４００において、ＣＰＵは、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、係数取得部１６４２３および係数設定部１６４２４として機能する。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部１６４３６と、気象情報記憶部２４３７と、スケジュール記憶部１６４３５と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図２８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。ニューラルネットワーク記憶部１６４３６は、空気調和機１６００４の利用者の嗜好の特徴量である嗜好特徴量を求めるための第２ニューラルネットワークを記憶する。ニューラルネットワーク記憶部１６４３６は、ニューロエンジン４０４が用いるニューラルネットワークの構造を示すニューラルネットワーク構造情報と、ニューラルネットワークの重み係数を示す重み係数情報と、を記憶する。スケジュール記憶部１６４３５は、実施の形態２で図２２を用いて説明したのと同様に、複数種類のスケジュール情報を、嗜好特徴量に対応づけて記憶する。

　係数取得部１６４２３は、ニューロエンジン４０４において実現されているニューラルネットワークの重み係数を示す情報を含む係数情報を、クラウドサーバ１６００２から宅外ネットワークＮＴ１を介して取得する。ここで、係数取得部１６４２３は、クラウドサーバ１６００２に対して係数情報の送信を要求する係数要求情報を送信することにより、クラウドサーバ１６００２から係数情報を取得する。係数設定部１６４２４は、ニューラルネットワークの重み係数を設定する。そして、ニューロエンジン４０４は、係数設定部１６４２４により重み係数が設定されたニューラルネットワークを用いて、気象予報情報と動作履歴情報と環境履歴情報とから嗜好特徴量を算出する。ここで、ニューロエンジン４０４は、履歴情報に含まれる動作履歴情報と環境履歴情報と、気象予報情報が示す将来の気象条件を数値化した情報とから、ニューラルネットワークを用いて、嗜好特徴量を算出する。

　スケジュール特定部１６４２５は、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、ニューロエンジン４０４により求められた嗜好特徴量に対応するスケジュール情報を特定する。機器設定更新部１６４１９は、動作モード記憶部４３３が記憶する動作モード情報を参照し、動作モードが自動モードに設定されている場合、スケジュール特定部１６４２５により特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する。

　クラウドサーバ１６００２のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ１６００２は、図１０に示すＣＰＵ２０１が、補助記憶部２０３が記憶するプログラムを主記憶部２０２に読み出して実行することにより、図３７に示すように、係数設定部１６２１３、ニューラルネットワーク計算部２１４、係数決定部１６２１５および係数送信部１６２１９として機能する。なお、図３７において、実施の形態１と同様の構成については、図１０と同一の符号を付している。また、図１０に示す補助記憶部２０３は、図３７に示すように、ニューラルネットワーク記憶部１６２３３と、スケジュール記憶部１６２３４と、教師情報記憶部１５２３５と、を有する。スケジュール記憶部１６２３４は、前述のスケジュール記憶部１６４３５と同様に、複数種類のスケジュール情報を、嗜好特徴量に対応づけて記憶する。教師情報記憶部１５２３５は、実施の形態２と同様に、係数決定部１６２１３がニューラルネットワーク係数を決定するための教師情報を記憶する。

　係数決定部１６２１５は、履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する。係数情報生成部１６２１８は、係数決定部１６２１５が決定した重み係数を示す情報を含む係数情報を生成する。係数送信部１６２１９は、係数情報生成部１６２１８が生成した係数情報を空気調和機２００４へ送信する。ここで、係数送信部１６２１９は、係数情報に対して可逆式の情報圧縮処理を行ってから配信する。これにより、クラウドサーバ２００２から空気調和機２００４へ送信される情報量を低減することができる。

　次に、本実施の形態に係る制御システムの動作について図３８を参照しながら説明する。なお、図３８において、実施の形態３と同様の処理については図３２と同一の符号を付している。まず、クラウドサーバ１６００２は、教師情報記憶部１５２３５から取得した動作履歴情報、環境履歴情報、および嗜好特徴量情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ１６０２１）。

　次に、空気調和機１６００４が、予め設定されたニューロエンジン４０４で実現されるニューラルネットワークの重み係数の更新時期が到来したと判定すると、クラウドサーバ１６００２に対して係数情報の送信を要求する係数要求情報が、空気調和機２００４からクラウドサーバ２へ送信される（ステップＳ１６０２２）。一方、クラウドサーバ１６００２は、係数要求情報を受信すると、ニューラルネットワーク記憶部１６２３３が記憶する重み係数を示す情報を含む係数情報と係数属性情報とを生成する（ステップＳ１６０２３）。係数情報および係数属性情報それぞれの構造は、実施の形態３で説明した構造と同様である。

　続いて、生成された係数情報および係数属性情報が、クラウドサーバ１６００２から空気調和機２００４へ送信される（ステップＳ１６０２４）。一方、空気調和機１６００４は、係数情報および係数属性情報を受信すると、受信した係数情報および係数属性情報をニューラルネットワーク記憶部１６４３６に記憶させる。そして、空気調和機１６００４は、ニューラルネットワーク記憶部１６４３６が記憶する重み係数情報を取得し、取得した重み係数情報が示す重み係数をニューロエンジン４０４に設定する。

　その後、空気調和機１６００４が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ１６０２５）。この場合、空気調和機１６００４は、動作モードを自動モードに設定する（ステップＳ１６０２６）。次に、空気調和機１６００４が、スケジュール情報の更新時期が到来したと判定したとする。この場合、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、空気調和機１６００４から気象サーバ３へ送信される（ステップＳ１６０２７）。一方、気象サーバ３は、気象実績要求情報を受信すると、住戸Ｈが存在する地域における気象実績情報を生成する（ステップＳ１６０２８）。次に、生成された気象情報が、気象サーバ３から空気調和機１６００４へ送信される（ステップＳ１６０２９）。

　続いて、空気調和機１６００４は、重み係数が設定されたニューラルネットワークを用いて、気象予報情報が示す将来の気象条件と動作履歴情報と環境履歴情報とから嗜好特徴量を算出する。そして、空気調和機１６００４は、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１６０３０）。その後、空気調和機１６００４は、特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１６０３１）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ１６０３１の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機１６００４が実行する機器制御処理について図３９を参照しながら説明する。この機器制御処理は、例えば空気調和機２００４へ電源が投入されたことを契機として開始される。

　まず、係数取得部１６４２３は、ニューラルネットワークの係数更新時期が到来したか否かを判定する（ステップＳ１６００１）。係数取得部１６４２３が、未だ係数更新時期が到来していないと判定すると（ステップＳ１６００１：Ｎｏ）、そのまま後述のステップＳ１６００４の処理が実行される。一方、係数取得部１６４２３が、係数更新時期が到来したと判定したとする（ステップＳ１６００１：Ｙｅｓ）。この場合、係数取得部１６４２３は、クラウドサーバ１６００２へ係数要求情報を送信することにより（ステップＳ１６００２）、クラウドサーバ１６００２から係数情報および係数属性情報を取得する（ステップＳ１６００３）。係数取得部２４２３は、取得した係数情報および係数属性情報をニューラルネットワーク記憶部１６４３６に記憶させる。

　次に、ステップＳ１６００４およびＳ１６００５の処理が実行される。ここで、ステップＳ１６００４およびＳ１６００５の処理は、実施の形態１で図１５を用いて説明したステップＳ１０５およびＳ１０６の処理と同様である。続いて、スケジュール特定部１６４２５は、動作モード記憶部４３３が記憶する動作モード情報を参照して、空気調和機１６００４の動作モードが自動モードであるか否かを判定する（ステップＳ１６００６）。スケジュール特定部１６４２５が、空気調和機１６００４の動作モードが手動モードであると判定すると（ステップＳ１６００６：Ｎｏ）、再びステップＳ１６００１の処理が実行される。

　一方、機器設定更新部１６４１９が、空気調和機１６００４の動作モードが自動モードであると判定したとする（ステップＳ１６００６：Ｙｅｓ）。この場合、スケジュール特定部１６４２５が、予め設定された空気調和機１６００４の運転スケジュールの更新時期が到来したか否かを判定する（ステップＳ１６００７）。スケジュール特定部１６４２５が、空気調和機１６００４の運転スケジュールの更新時期が未だ到来していないと判定すると（ステップＳ１６００７：Ｎｏ）、後述するステップＳ１６０１１の処理が実行される。一方、スケジュール特定部１６４２５が、空気調和機１６００４の運転スケジュールの更新時期が到来したと判定したとする（ステップＳ１６００７：Ｙｅｓ）。この場合、気象情報取得部２４２２は、気象サーバ３に対して気象実績要求情報を送信することにより（ステップＳ１６００８）、気象サーバ３から気象実績情報を取得する（ステップＳ１６００９）。ここで、気象情報取得部２４２２は、取得した気象実績情報を気象情報記憶部２４３７に記憶させる。

　その後、ニューロエンジン４０４が、動作履歴情報と環境履歴情報と気象実績情報とに基づいて、係数設定部１６４２４により重み係数が設定されたニューラルネットワークを用いて、空気調和機１６００４の嗜好特徴量を算出する。そして、スケジュール特定部１６４２５は、算出された嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１６０１０）。次に、機器設定更新部１６４１９が、予め設定された空気調和機１６００４の機器設定情報の更新時期が到来したか否かを判定する（ステップＳ１６０１１）。機器設定更新部１６４１９が、機器設定情報の更新時期が未だ到来していないと判定すると（ステップＳ１６０１１：Ｎｏ）、再びステップＳ１６１０１の処理が実行される。一方、機器設定更新部１６４１９は、機器設定情報の更新時期が到来したと判定すると（ステップＳ１６０１１：Ｙｅｓ）、スケジュール特定部１６４２５により特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１６０１２）。次に、再びステップＳ１６１０１の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ１６００２が実行する係数情報生成処理について図４０を参照しながら説明する。この係数情報生成処理は、例えばクラウドサーバ１６００２へ電源が投入された後、教師情報記憶部１５２３５が記憶する動作履歴情報、環境履歴情報、気象実績情報および嗜好特徴量情報が更新される毎に実行されるようにしてもよい。

　まず、教師情報記憶部１５２３５から取得した動作履歴情報、環境履歴情報、気象実績情報および嗜好特徴量情報に基づいて、ニューラルネットワークの係数を決定する係数決定処理が実行される（ステップＳ１６２０１）。係数決定処理の内容は、実施の形態２において図２６を用いて説明した係数決定処理と同様である。

　次に、係数情報生成部１６２１８は、空気調和機２００４から係数要求情報を取得したか否かを判定する（ステップＳ１６２０２）。係数情報生成部１６２１８が、係数要求情報を取得していないと判定すると（ステップＳ１６２０２：Ｎｏ）、再びステップＳ１６２０２の処理が実行される。一方、係数情報生成部１６２１８が、係数要求情報を取得したと判定すると（ステップＳ１６２０２：Ｙｅｓ）、ニューラルネットワーク記憶部１６２３３が記憶する重み係数情報を含む係数情報と係数属性情報とを生成する（ステップＳ１６２０３）。続いて、係数送信部１６２１９が、生成された係数情報および係数属性情報を空気調和機１６００４へ送信する（ステップＳ１６２０４）。その後、再びステップＳ１６２０２の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ１６００２において、係数決定部１６２１５が、ニューラルネットワークの重み係数を決定し、決定した重み係数を示す情報を含む係数情報を空気調和機１６００４へ送信する。また、空気調和機１６００４において、ニューロエンジン４０４が、クラウドサーバ１６００２から受信した係数情報が示す重み係数に設定されたニューラルネットワークを用いて、動作履歴情報と環境履歴情報と気象実績情報とから空気調和機２００４の利用者の嗜好の特徴量である嗜好特徴量を求める。そして、スケジュール特定部１６４２５が、ニューロエンジン４０４により求められた嗜好特徴量に対応するスケジュール情報を特定する。そして、機器制御部４１４は、スケジュール情報が示す運転スケジュールに沿って空気調和機１６００４を制御する。これにより、空気調和機１６００４は、係数情報更新時期が到来する毎に、履歴情報をクラウドサーバ２００２へ送信し、クラウドサーバ２００２から係数情報を取得するとともに、スケジュール更新時期が到来する毎にクラウドサーバ１６００２から気象情報を取得するだけで、空気調和機１６００４を制御することができる。従って、空気調和機１６００４とクラウドサーバ１６００２との間での履歴情報、係数情報、気象情報が送受信される頻度が低減するので、宅外ネットワークＮＴ１における通信トラフィックの空気調和機１６００４の動作への影響が低減されるという利点がある。

（実施の形態５）
　本実施の形態に係る制御システムでは、機器が、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークの重み係数を決定するとともに、重み係数が決定されたニューラルネットワークを用いて、将来の機器の機器設定パラメータを求める。サーバは、機器で用いられるニューラルネットワークに最初に設定される重み係数である初期係数を決定する。サーバは、ニューラルネットワークの重み係数の初期係数を決定する初期係数決定部と、初期係数を示す初期係数情報を含む係数情報を機器へ送信する係数送信部と、を有する。また、機器は、係数情報を取得する係数取得部と、機器の動作履歴情報と環境履歴情報とを取得する履歴情報取得部と、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部と、初期係数情報と動作履歴情報と環境履歴情報と気象実績情報とに基づいて、ニューラルネットワークの重み係数を決定する係数決定部と、ニューラルネットワークを用いて、気象予報情報が示す将来の気象条件と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、求められた機器設定パラメータに基づいて、機器を制御する機器制御部と、を有する。

　本実施の形態に係る制御システムは、実施の形態１で図１を用いて説明した制御システムと同様に、住戸Ｈに設置された空気調和機、給湯機と、空気調和機、給湯機と宅外ネットワークＮＴ１を介して通信可能なクラウドサーバと、を備える。なお、本実施の形態において、実施の形態１、３と同様の構成については、実施の形態１、３と同一の符号を用いて説明する。また、住戸Ｈ内には、宅内ネットワークＮＴ２が敷設されており、宅内ネットワークＮＴ２に接続されたルータとデータ回線終端装置とが設置されているものとする。更に、宅外ネットワークＮＴ１には、例えば空気調和機を購買した顧客を管理する顧客サーバ３００３が接続されている。

　顧客サーバ３００３は、顧客が購買した空気調和機の機器設定情報と、温度情報を含む環境パラメータを示す環境情報と、の履歴を含む履歴情報、空気調和機を識別する機器識別情報に対応づけて記憶するストレージ（図示せず）を備える。顧客サーバ３００３は、顧客が購買した空気調和機から定期的に履歴情報を受信する毎に、受信した履歴情報を機器識別情報に対応づけてストレージに記憶させる。また、顧客サーバ３００３は、クラウドサーバ３００２から履歴要求情報を受信すると、ストレージが記憶する履歴情報の中から履歴要求情報に対応する動作履歴情報および環境履歴情報を特定する。顧客サーバ３００３は、例えば、空気調和機３００４と同一機種の空気調和機が設置された他の住戸を特定し、特定した住戸に設置された空気調和機の動作履歴情報および環境履歴情報を含む履歴情報を生成する。ここで、履歴情報に含まれる動作履歴情報、環境履歴情報は、例えば住戸Ｈに設置された空気調和機３００４と同一機種の空気調和機が設置された複数の世帯における機器設定パラメータの平均値の履歴および環境パラメータの平均値の履歴を示すものであってもよい。

　本実施の形態に係る空気調和機３００４のハードウェア構成は、実施の形態３の図２８に示す空気調和機２００４のハードウェア構成と同様である。制御部３４００は、ＣＰＵ（図示せず）と、主記憶部（図示せず）と、補助記憶部（図示せず）と、通信インタフェース（図示せず）と、計測装置インタフェース（図示せず）と、無線モジュール（図示せず）と、撮像インタフェース（図示せず）と、ニューロエンジン４０４と、これらを相互に接続するバス（図示せず）と、を備える。制御部３４００では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図４１に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、係数取得部２４２３、係数設定部３４２４および係数決定部３４２５として機能する。なお、図４１において、実施の形態１、３と同様の構成については、図３および図３０と同一の符号を付している。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部２４３６と、気象情報記憶部２４３７と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図２８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。係数取得部２４２３は、ニューロエンジン４０４に最初に設定する初期のニューラルネットワークの重み係数を示す初期重み係数情報を含む係数情報を、クラウドサーバ３００２から宅外ネットワークＮＴ１を介して取得する。ここで、係数取得部２４２３は、クラウドサーバ３００２に対して係数情報の送信を要求する係数要求情報を送信することにより、クラウドサーバ３００２から初期重み係数情報を含む係数情報を取得する。

　係数決定部３４２５は、動作履歴情報、環境履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部３４２５は、まず、ニューラルネットワーク記憶部２４３６から初期重み係数情報を取得する。そして、係数設定部３４２４が、係数決定部３４２５が取得した初期重み係数情報が示す重み係数を、ニューロエンジン４０４に設定する。次に、係数決定部３４２５は、ニューロエンジン４０４が、環境履歴情報が示す過去の環境パラメータと、日時情報が示す日時と、気象実績情報が示す過去の気象条件を数値化した情報と、に基づいて、ニューロエンジン４０４が算出した機器設定パラメータを取得する。続いて、係数決定部３４２５は、履歴情報記憶部４３４が記憶する動作履歴情報が示す過去の機器設定パラメータを取得し、ニューロエンジン４０４が算出した機器設定パラメータとの誤差を算出する。そして、係数決定部３４２５は、算出した誤差に基づいて、誤差逆伝播法（バックプロパゲーション）によりニューラルネットワークの重み係数を決定する。

　係数設定部３４２４は、係数決定部３４２５が決定した重み係数を、ニューラルネットワークの重み係数に設定する。そして、ニューロエンジン４０４は、ニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから空気調和機３００４の将来の機器設定パラメータを算出する。

　クラウドサーバ３００２のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。図１０に示すＣＰＵ２０１は、補助記憶部２０３が記憶するプログラムを主記憶部２０２に読み出して実行することにより、図４２に示すように、履歴情報取得部３２１１、気象実績取得部３２１２、係数設定部２１３、ニューラルネットワーク計算部２１４、係数決定部２１５、係数情報生成部３２１８および係数送信部３２１９として機能する。なお、図４２において、実施の形態３と同様の構成については、図３１と同一の符号を付している。また、図１０に示す補助記憶部２０３は、図４２に示すように、履歴情報記憶部２３１と、気象情報記憶部２３２と、初期係数記憶部３２３３と、を有する。初期係数記憶部３２３３は、住戸Ｈに設置された空気調和機３００４と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含む履歴情報および気象実績情報に基づいて決定したニューラルネットワークの初期係数を示す情報を記憶する。

　履歴情報取得部３２１１は、住戸Ｈに設置された空気調和機３００４と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含む履歴情報を取得する。履歴情報取得部３２１１は、例えば空気調和機の購買した顧客を管理する顧客サーバ３００３から、宅外ネットワークＮＴ２を介して履歴情報を取得する。気象実績取得部３２１２は、気象サーバ３から宅外ネットワークＮＴ１を介して、履歴情報に対応する世帯の住戸の存在する地域における過去の気象条件を示す気象実績情報を取得する。係数決定部２１５は、実施の形態１と同様にして、前述の履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する。係数情報生成部３２１８は、係数決定部２１５が決定した重み係数を示す情報と重み係数が初期係数であることを示す情報とを含む係数情報を生成する。係数送信部３２１９は、係数情報生成部３２１８が生成した係数情報を、宅外ネットワークＮＴ１を介して空気調和機３００４へ送信する。

　次に、本実施の形態に係る制御システムの動作について図４３および図４４を参照しながら説明する。まず、図４３に示すように、顧客サーバ３００３に対して履歴情報の送信を要求する履歴要求情報が、クラウドサーバ３００２から顧客サーバ３００３へ送信される（ステップＳ５１）。ここで、履歴情報は、空気調和機３００４と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含むものである。一方、顧客サーバ３００３は、履歴要求情報を受信すると、空気調和機３００４と同一機種の空気調和機が設置された他の住戸を特定し、特定した住戸に設置された空気調和機の動作履歴情報および環境履歴情報を含む履歴情報と履歴属性情報とを生成する（ステップＳ５２）。次に、生成された履歴情報と履歴属性情報とが、顧客サーバ３００３からクラウドサーバ３００２へ送信される（ステップＳ５３）。

　続いて、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、クラウドサーバ３００２から気象サーバ３へ送信される（ステップＳ５４）。一方、気象サーバ３は、気象実績要求情報を受信すると、住戸Ｈが存在する地域における気象実績情報を生成する（ステップＳ５５）。ここで、気象実績情報は、前述の履歴情報に対応する世帯の住戸の存在する地域における過去の気象条件を示す気象実績情報である。その後、生成された気象実績情報が、気象サーバ３からクラウドサーバ３００２へ送信される（ステップＳ５６）。一方、クラウドサーバ２は、気象実績情報を受信すると、受信した気象実績情報を気象情報記憶部２３２に記憶させる。その後、クラウドサーバ３００２は、取得した動作履歴情報、環境履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を初期係数として決定する（ステップＳ５７）。クラウドサーバ３００２は、決定した初期の重み係数を示す初期重み係数情報を初期係数記憶部３２３３に記憶させる。

　次に、新たな空気調和機３００４が住戸Ｈに設置され、起動したとする。このとき、クラウドサーバ３００２に対して初期係数の送信を要求する係数要求情報が、空気調和機３００４からクラウドサーバ３００２へ送信される（ステップＳ５８）。一方、クラウドサーバ３００２は、係数要求情報を受信すると、初期係数記憶部３２３３が記憶する初期重み係数情報を含む係数情報と係数属性情報とを生成する（ステップＳ５９）。係数情報および係数属性情報の構造は、実施の形態３において図３３を用いて説明した係数情報および係数属性情報の構造と同様である。続いて、生成された係数情報と係数属性情報とが、クラウドサーバ３００２から空気調和機３００４へ送信される（ステップＳ６０）。一方、空気調和機３００４は、係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とをニューラルネットワーク記憶部２４３６に記憶させる。

　その後、空気調和機３００４が、予め設定されたニューラルネットワークの重み係数の更新時期が到来したと判定したとする。この場合、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、空気調和機３００４から気象サーバ３へ送信される（ステップＳ６１）一方、気象サーバ３は、気象実績要求情報を受信すると、住戸Ｈが存在する地域における気象実績情報を生成する（ステップＳ６２）。次に、生成された気象実績情報が、気象サーバ３から空気調和機３００４へ送信される（ステップＳ６３）。一方、空気調和機３００４は、気象実績情報を受信すると、受信した気象実績情報を気象情報記憶部２４３７に記憶させる。その後、空気調和機３００４は、取得した動作履歴情報、環境履歴情報、日時情報、利用者情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ６４）。空気調和機３００４は、決定した重み係数を示す重み係数情報をニューラルネットワーク記憶部２４３６に記憶させる。以後、ニューラルネットワークの重み係数の更新時期が到来する毎に、前述のステップＳ６１からＳ６４までの一連の処理が繰り返し実行される。

　次に、図４４に示すように、空気調和機３００４が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ６５）。この場合、空気調和機３００４は、動作モード記憶部４３３に自動モードであることを示す動作モード情報を記憶させることにより、動作モードを自動モードに設定する（ステップＳ６６）。

　続いて、空気調和機３００４が、空気調和機３００４の機器設定情報の更新時期が到来したと判定したとする。この場合、気象サーバ３に対して気象予報情報と気象実績情報とを含む気象情報の送信を要求する気象情報要求情報が、空気調和機３００４から気象サーバ３へ送信される（ステップＳ６７）。一方、気象サーバ３は、気象情報要求情報を受信すると、住戸Ｈが存在する地域における気象予報情報と気象実績情報とを特定して、特定した気象予報情報と気象実績情報とを含む気象情報を生成する（ステップＳ６８）。次に、生成された気象情報が、気象サーバ３から空気調和機３００４へ送信される（ステップＳ６９）。

　続いて、空気調和機３００４は、重み係数が設定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境を示す環境パラメータとから空気調和機３００４の将来の機器設定パラメータを算出する（ステップＳ７０）。その後、空気調和機３００４は、算出された機器設定パラメータを用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ７１）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ６７からＳ７１までの一連の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機３００４が実行する機器制御処理について図４５を参照しながら説明する。この機器制御処理は、例えば空気調和機３００４へ電源が投入されたことを契機として開始される。

　まず、係数取得部２４２３は、クラウドサーバ３００２へ係数要求情報を送信することにより（ステップＳ３１０１）、クラウドサーバ３００２からニューラルネットワークの初期重み係数情報を含む係数情報と係数属性情報とを取得する（ステップＳ３１０２）。係数取得部２４２３は、取得した係数情報に含まれる初期重み係数情報と係数属性情報とをニューラルネットワーク記憶部２４３６に記憶させる。

　次に、係数決定部３４２５は、ニューラルネットワークの係数更新時期が到来したか否かを判定する（ステップＳ３１０３）。係数決定部３４２５が、未だ係数更新時期が到来していないと判定すると（ステップＳ３１０３：Ｎｏ）、そのまま後述のステップＳ３１１０の処理が実行される。一方、係数決定部３４２５が、係数更新時期が到来したと判定したとする（ステップＳ３１０３：Ｙｅｓ）。この場合、気象情報取得部２４２２は、気象実績要求情報を気象サーバ３へ送信することにより（ステップＳ３１０４）、気象サーバ３から気象実績情報を取得する（ステップＳ３１０５）。気象情報取得部２４２２は、取得した気象実績情報を気象情報記憶部２４３７に記憶させる。その後、係数決定処理が実行される（ステップＳ３１０６）。この係数決定処理の内容は、実施の形態１において図１７を用いて説明した係数決定処理と同様である。

　次に、ステップＳ３１０７およびＳ３１０８の処理が実行される。ステップＳ３１０７およびＳ３１０８の処理の内容は、実施の形態１で図１５を用いて説明したステップＳ１０５およびＳ１０６の処理と同様である。続いて、機器設定更新部２４１９は、動作モード記憶部４３３が記憶する動作モード情報を参照して、空気調和機３００４の動作モードが自動モードであるか否かを判定する（ステップＳ３１０９）。機器設定更新部２４１９が、空気調和機３００４の動作モードが手動モードであると判定すると（ステップＳ３１０９：Ｎｏ）、再びステップＳ３１０３の処理が実行される。一方、機器設定更新部２４１９は、空気調和機３００４の動作モードが自動モードであると判定すると（ステップＳ３１０９：Ｙｅｓ）、予め設定された空気調和機３００４の機器設定情報の更新時期が到来したか否かを判定する（ステップＳ３１１０）。機器設定更新部２４１９が、空気調和機３００４の機器設定情報の更新時期が未だ到来していないと判定すると（ステップＳ３１１０：Ｎｏ）、再びステップＳ３１０３の処理が実行される。一方、機器設定更新部２４１９が、空気調和機３００４の機器設定情報の更新時期が到来したと判定したとする（ステップＳ３１１０：Ｙｅｓ）。この場合、ステップＳ３１１１からＳ３１１４までの一連の処理が実行される。ここで、ステップＳ３１１１からＳ３１１４までの一連の処理の内容は、実施の形態３で図３４を用いて説明したステップＳ２１１２からＳ２１１５までの処理と同様である。その後、再びステップＳ３１０３の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ３００２が実行する係数情報生成処理について図４６を参照しながら説明する。この係数情報生成処理は、例えばクラウドサーバ３００２へ電源が投入されたことを契機として開始される。

　まず、履歴情報取得部３２１１は、顧客サーバ３００３に対して住戸Ｈに設置された空気調和機３００４と同一機種の空気調和機の動作履歴情報および環境履歴情報を含む履歴情報の送信を要求する履歴要求情報を顧客サーバ３００３へ送信することにより（ステップＳ３２０１）、顧客サーバ３００３から履歴情報と履歴属性情報とを取得する（ステップＳ３２０２）。次に、気象実績取得部２２１２は、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報を送信することにより（ステップＳ３２０３）、気象サーバ３から気象実績情報を取得する（ステップＳ３２０４）。続いて、履歴情報に含まれる動作履歴情報および環境履歴情報と気象実績情報とに基づいて、前述のニューラルネットワークの係数を決定する係数決定処理が実行される（ステップＳ３２０５）。係数決定処理の内容は、実施の形態１において図１７を用いて説明した係数決定処理と同様である。この係数決定処理により算出される初期の重み係数を示す初期重み係数情報は、初期係数記憶部３２３３に記憶される。

　その後、係数情報生成部３２１８は、空気調和機３００４から係数要求情報を取得したか否かを判定する（ステップＳ３２０６）。係数情報生成部３２１８が、係数要求情報を取得していないと判定すると（ステップＳ３２０６：Ｎｏ）、再びステップＳ３２０１の処理が実行される。一方、係数情報生成部３２１８が、係数要求情報を取得したと判定すると（ステップＳ３２０６：Ｙｅｓ）、初期係数記憶部３２３３が記憶する初期重み係数情報を含む係数情報と係数属性情報とを生成する（ステップＳ３２０７）。その後、係数送信部３２１９が、生成された係数情報と係数属性情報とを空気調和機３００４へ送信する（ステップＳ３２０８）。次に、再びステップＳ３２０１の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ３００２において、係数決定部２１５が、ニューラルネットワークの初期係数を決定し、決定した初期係数を示す情報を含む係数情報を空気調和機３００４へ送信する。また、空気調和機３００４において、係数設定部２１２１が、空気調和機３００４の起動後一度だけニューラルネットワークの重み係数を初期係数に設定する。その後、空気調和機３００４では、係数決定部３１２２が、ニューラルネットワークの重み係数を更新していく。そして、ニューロエンジン２１０４が、係数決定部３１２２により重み係数が更新されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境パラメータとから空気調和機３００４の将来の機器設定パラメータを求める。そして、機器設定更新部２４１９が、ニューロエンジン２１０４により求められた機器設定パラメータに基づいて生成される機器設定情報で、機器設定記憶部４３１が記憶する機器設定情報を更新する。このようにして、空気調和機３００４の機器制御部４１４は、ニューロエンジン２１０４により求められた機器設定パラメータを用いて空気調和機３００４を制御する。これにより、機器制御部４１４は、係数情報更新時期または機器情報送信時期が到来する毎に、クラウドサーバ２００２から気象情報を取得するだけで、空気調和機３００４を制御することができる。従って、空気調和機３００４とクラウドサーバ３００２との間での送受信される情報量が低減するので、宅外ネットワークＮＴ１における通信トラフィックの空気調和機３００４の動作への影響が低減されるという利点がある。

（実施の形態６）
　本実施の形態に係る制御システムでは、機器が、予め設定されたノード数および層数を有する機器の利用者の嗜好の特徴量を示す嗜好特徴量を求めるためのニューラルネットワークの重み係数を決定するとともに、重み係数が決定された第２ニューラルネットワークを用いて、嗜好特徴量を求める。サーバは、機器において第２ニューラルネットワークの重み係数を決定する際に用いられる教師情報を管理する。サーバは、第２ニューラルネットワークの重み係数を決定する際に用いられる教師情報を特定する教師情報特定部と、教師情報を機器へ送信する教師情報送信部と、を有する。また、機器は、教師情報を取得する教師情報取得部と、機器の動作履歴情報と環境履歴情報とを取得する履歴情報取得部と、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部と、教師情報に基づいて第２ニューラルネットワークの重み係数を決定する係数決定部と、第２ニューラルネットワークを用いて、動作履歴情報と環境履歴情報と気象実績情報とから嗜好特徴量を求めるニューラルネットワーク計算部と、求められた嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、を有する。

　本実施の形態に係る制御システムは、実施の形態１で図１を用いて説明した制御システムと同様に、住戸Ｈに設置された空気調和機、給湯機と、空気調和機、給湯機と宅外ネットワークＮＴ１を介して通信可能なクラウドサーバと、を備える。なお、本実施の形態において、実施の形態４、５と同様の構成については、実施の形態４、５と同一の符号を用いて説明する。また、住戸Ｈ内には、宅内ネットワークＮＴ２が敷設されており、宅内ネットワークＮＴ２に接続されたルータとデータ回線終端装置とが設置されているものとする。

　本実施の形態に係る空気調和機１７００４のハードウェア構成は、実施の形態２の図２８に示す空気調和機２００４のハードウェア構成と同様である。機器制御部１７４００では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図４７に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、教師情報取得部１７４２３、係数設定部１７４２４、係数決定部１７４２５およびスケジュール特定部１６４２５として機能する。なお、図４７において、実施の形態４、５と同様の構成については、図３６および図４１と同一の符号を付している。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部１７４３６と、気象情報記憶部２４３７と、スケジュール記憶部１６４３５と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図２８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。スケジュール記憶部１６４３５は、前述のように、複数種類のスケジュール情報を、嗜好特徴量に対応づけて記憶する。また、ニューラルネットワーク記憶部１７４３６は、ニューラルネットワークの重み係数とともに、クラウドサーバ１７００２から取得した、係数決定部１７４２５がニューラルネットワーク係数を決定するための教師情報を記憶する。

　教師情報取得部１７４２３は、教師情報をクラウドサーバ１７００２から取得する。ここで、教師情報取得部１７４２３は、クラウドサーバ１７００２に対して教師情報の送信を要求する教師情報要求情報を送信することにより、クラウドサーバ１７００２から教師情報を取得する。また、教師情報取得部１７４２３は、取得した教師情報をニューラルネットワーク記憶部１７４３６に記憶させる。

　係数決定部１７４２５は、教師情報に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部１７４２５は、まず、予め設定された初期重み係数を、ニューロエンジン４０４に設定する。次に、係数決定部１７４２５は、ニューロエンジン４０４が、ニューラルネットワーク記憶部１７４３６が記憶する教師情報に含まれる動作履歴情報、環境履歴情報および気象実績情報に基づいて算出した嗜好特徴量を取得する。続いて、係数決定部１７４２５は、ニューラルネットワーク記憶部１７４３６が記憶する教師情報に含まれる嗜好特徴量とニューロエンジン４０４が算出した嗜好特徴量との誤差を算出する。そして、係数決定部１７４２５は、算出した誤差に基づいて、誤差逆伝播法（バックプロパゲーション）によりニューラルネットワークの重み係数を決定する。

　係数設定部１７４２４は、係数決定部１７４２５が決定した重み係数を、ニューラルネットワークの重み係数に設定する。そして、ニューロエンジン４０４は、重み係数が設定されたニューラルネットワークを用いて、動作履歴情報および環境履歴情報と気象実績情報とから嗜好特徴量を算出する。

　クラウドサーバ１７００２のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ１７００２では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図４８に示すように、教師情報特定部１７２１８および教師情報送信部１７２１９として機能する。また、補助記憶部は、教師情報記憶部１５２３５を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。教師情報記憶部１５２３５は、実施の形態２と同様に、係数決定部１６２１３がニューラルネットワーク係数を決定するための教師情報を記憶する。教師情報特定部１７２１８は、空気調和機１７００４から教師情報の送信を要求する教師情報要求情報を取得すると、教師情報記憶部１５２３５が記憶する複数種類の教師情報の中から、教師情報要求情報に対応する教師情報を特定する。教師情報送信部１７２１９は、特定された教師情報を、教師情報要求情報の送信元である空気調和機１７００４へ送信する。

　次に、本実施の形態に係る制御システムの動作について図４９を参照しながら説明する。まず、新たな空気調和機１７００４が住戸Ｈに設置され、起動したとする。このとき、クラウドサーバ１７００２に対して教師情報の送信を要求する教師情報要求情報が、空気調和機１７００４からクラウドサーバ１７００２へ送信される（ステップＳ１７０５１）。一方、クラウドサーバ１７００２は、教師情報要求情報を受信すると、教師情報記憶部１５２３５が記憶する複数種類の教師情報の中から空気調和機１７００４に対応する教師情報を特定する（ステップＳ１７０５２）。続いて、特定された教師情報が、クラウドサーバ１７００２から空気調和機１７００４へ送信される（ステップＳ１７０５３）。一方、空気調和機１７００４は、教師情報を受信すると、受信した教師情報をニューラルネットワーク記憶部１７４３６に記憶させる。次に、空気調和機１７００４は、ニューラルネットワーク記憶部１７４３６が記憶する教師情報に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ１７０５４）。

　次に、空気調和機１７００４が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ１７０５５）。この場合、空気調和機１７００４は、動作モード記憶部４３３に自動モードであることを示す動作モード情報を記憶させることにより、動作モードを自動モードに設定する（ステップＳ１７０５６）。

　続いて、空気調和機１７００４が、スケジュール情報の更新時期が到来したと判定したとする。この場合、気象サーバ３に対して気象実績情報の送信を要求する気象実績要求情報が、空気調和機１７００４から気象サーバ３へ送信される（ステップＳ１７０５７）。一方、気象サーバ３は、気象実績要求情報を受信すると、住戸Ｈが存在する地域における気象実績情報を生成する（ステップＳ１７０５８）。次に、生成された気象情報が、気象サーバ３から空気調和機１７００４へ送信される（ステップＳ１７０５９）。

　その後、空気調和機１７００４は、重み係数が設定されたニューラルネットワークを用いて、動作履歴情報と環境履歴情報と気象実績情報とから嗜好特徴量を算出する。そして、空気調和機１６００４は、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１７０６０）。その後、空気調和機１７００４は、特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１７０６１）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ１７０６１の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機１７００４が実行する機器制御処理について図５０を参照しながら説明する。この機器制御処理は、例えば空気調和機１７００４へ電源が投入されたことを契機として開始される。まず、教師情報取得部１７４２３は、クラウドサーバ１７００２へ教師情報要求情報を送信することにより（ステップＳ１７１０１）、クラウドサーバ３００２から教師情報を取得する（ステップＳ１７１０２）。教師情報取得部１７４２３は、取得した教師情報をニューラルネットワーク記憶部１７４３６に記憶させる。

　次に、教師情報に基づいてニューラルネットワークの重み係数を決定する係数決定処理が実行される（ステップＳ１７１０３）。この係数決定処理の内容は、実施の形態２において図２６を用いて説明した係数決定処理と同様である。続いて、ステップＳ１７００４およびＳ１７００５の処理が実行される。ここで、ステップＳ１７１０４およびＳ１７１０５の処理は、実施の形態１で図１５を用いて説明したステップＳ１０５およびＳ１０６の処理と同様である。その後、機器設定更新部１６４１９は、動作モード記憶部４３３が記憶する動作モード情報を参照して、空気調和機３００４の動作モードが自動モードであるか否かを判定する（ステップＳ１７１０６）。機器設定更新部１６４１９が、空気調和機３００４の動作モードが手動モードであると判定すると（ステップＳ１７１０６：Ｎｏ）、再びステップＳ１７１０４の処理が実行される。一方、機器設定更新部１６４１９が、空気調和機３００４の動作モードが自動モードであると判定したとする（ステップＳ１７１０６：Ｙｅｓ）。この場合、スケジュール特定部１６４２５が、予め設定された空気調和機１７００４のスケジュール更新時期が到来したか否かを判定する（ステップＳ１７１０７）。スケジュール特定部１６４２５が、空気調和機１７００４のスケジュール更新時期が未だ到来していないと判定すると（ステップＳ１７１０５：Ｎｏ）、後述するステップＳ１７１１１の処理が実行される。

　一方、スケジュール特定部１６４２５が、空気調和機１７００４のスケジュール更新時期が到来したと判定したとする（ステップＳ１７１０７：Ｙｅｓ）。この場合、気象情報取得部２４２２が、気象サーバ３へ気象実績要求情報を送信することにより（ステップＳ１７１０８）、気象実績情報を取得する（ステップＳ１７１０９）。次に、ニューロエンジン４０４が、ニューラルネットワークを用いて、動作履歴情報および環境履歴情報と気象予報情報とから嗜好特徴量を算出する。そして、スケジュール特定部１６４２５が、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１７１１０）。

　その後、機器設定更新部１６４１９が、空気調和機１７００４の機器設定情報の更新時期が到来しているか否かを判定する（ステップＳ１７１１１）。機器設定更新部１６４１９が、空気調和機１７００４の機器設定情報の更新時期が未だ到来していないと判定すると（ステップＳ１７１１１：Ｎｏ）、再びステップＳ１７１０４の処理が実行される。一方、機器設定更新部１６４１９が、空気調和機１７００４の機器設定情報の更新時期が到来したと判定したとする（ステップＳ１７１１１：Ｙｅｓ）。この場合、機器設定更新部１６４１９は、スケジュール特定部１６４２６により特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１７１１２）。その後、再びステップＳ１７１０４の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ１７００２が実行する教師情報送信処理について図５１を参照しながら説明する。この教師情報送信処理は、例えばクラウドサーバ１７００２へ電源が投入されたことを契機として開始される。まず、教師情報特定部１７２１８は、空気調和機１７００４から教師情報の送信を要求する教師情報要求情報を取得したか否かを判定する（ステップＳ１７２０１）。教師情報特定部１７２１８が、教師情報要求情報を取得していないと判定すると（ステップＳ１７２０１：Ｎｏ）、再びステップＳ１７２０１の処理が実行される。一方、教師情報特定部１７２１８は、教師情報要求情報を取得したと判定すると（ステップＳ１７２０１：Ｙｅｓ）、教師情報記憶部１５２３５が記憶する複数種類の教師情報の中から、教師情報要求情報に対応する教師情報を特定する（ステップＳ１７２０２）。次に、教師情報送信部１７２１９は、特定された教師情報を、教師情報要求情報の送信元である空気調和機１７００４へ送信する（ステップＳ１７２０３）。その後、再びステップＳ１７２０１の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ１７００２において、係数決定部１６２１５が、ニューラルネットワークの初期係数を決定し、決定した初期重み係数情報を含む係数情報を空気調和機１７００４へ送信する。また、空気調和機１７００４において、係数設定部１７４２４が、空気調和機１７００４の起動後一度だけニューラルネットワークの重み係数を初期重み係数情報が示す初期の重み係数に設定する。その後、空気調和機１７００４では、係数決定部１７４２５が、ニューラルネットワークの重み係数を更新していく。そして、ニューロエンジン４０４が、係数決定部１７４２５により重み係数が更新されたニューラルネットワークを用いて、気象予報情報と動作履歴情報および環境履歴情報とから嗜好特徴量を求める。そして、スケジュール特定部１６４２５が、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する。また、機器設定更新部１６４１９が、スケジュール特定部１６４２５により特定されたスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する。このようにして、空気調和機１７００４の機器制御部１７４００は、ニューロエンジン４０４により求められた嗜好特徴量に対応するスケジュールに沿って空気調和機１７００４を制御する。これにより、機器制御部４１４は、係数情報更新時期が到来する毎に、クラウドサーバ１７００２から気象情報を取得するだけで、空気調和機１７００４を制御することができる。従って、空気調和機１７００４とクラウドサーバ１７００２との間での送受信される情報量が低減するので、宅外ネットワークＮＴ１における通信トラフィックの空気調和機１７００４の動作への影響が低減されるという利点がある。

（実施の形態７）
　本実施の形態に係る制御システムでは、機器が、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークの重み係数を決定するとともに、重み係数が決定されたニューラルネットワークを用いて、利用者の嗜好の特徴量である嗜好特徴量を求める。また、機器は、ニューラルネットワークを用いて、気象予報情報と動作履歴情報および環境履歴情報とから嗜好特徴量を求めるニューラルネットワーク計算部と、求められた嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、求められた嗜好特徴量を他の機器へ送信する嗜好特徴量送信部と、を有する。

　本実施の形態に係る制御システムは、図５２に示すように、空気調和機４００４と、空気調和機４００４と宅外ネットワークＮＴ１を介して通信可能なクラウドサーバ３００２と、空気調和機４００４と宅内ネットワークＮＴ２を介して通信可能な空気調和機４０５２とを備える。なお、図５２において、実施の形態１と同様の構成については、図１と同一の符号を付している。また、宅外ネットワークＮＴ１には、気象サーバ３と、実施の形態３で説明した顧客サーバ３００３と、が接続されている。住戸Ｈには、空気調和機４００４、４０５２を操作するための操作機器４００６、４０７２が設置されている。また、住戸Ｈ内には、実施の形態１と同様に、ルータ８２と、データ回線終端装置８１と、が設置されている。

　本実施の形態に係る空気調和機４００４のハードウェア構成は、実施の形態３に係る空気調和機２００４のハードウェア構成と同様であり、制御部４４００を有する。制御部４４００は、例えば図５３に示すように、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、係数取得部２４２３、係数設定部３４２４、係数決定部３４２５、スケジュール特定部１６４２５および嗜好特徴量送信部４４２７として機能する。なお、図５３において、実施の形態６と同様の構成については、図４７と同一の符号を付している。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部２４３６と、気象情報記憶部２４３７と、スケジュール記憶部１６４３５と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図２８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。

　スケジュール記憶部１６４３５は、空気調和機４００４の運転スケジュールを示す複数種類のスケジュール情報を、嗜好特徴量情報に対応づけて記憶する。スケジュール特定部１６４２５は、ニューロエンジン４０４により気象実績情報と動作履歴情報と環境履歴情報とから算出した利用者の嗜好特徴量に基づいて、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中からスケジュール情報を特定する。嗜好特徴量送信部４４２７は、ニューロエンジン４０４により算出された嗜好特徴量を示す嗜好特徴量情報を、空気調和機４０５２へ送信する。

　空気調和機４０５２は、実施の形態１で説明した空気調和機４と同様に、ニューロエンジンを備えていない。空気調和機４０５２は、図５４に示すように、制御部４５２０と、撮像装置４８１と、を有する。また、空気調和機４０５２は、制御部４５２０から入力される制御信号に基づいて動作する圧縮機（図示せず）と送風ファン（図示せず）とを有する。制御部４５２０は、ＣＰＵ４０１と主記憶部４０２と補助記憶部４０３と通信インタフェース４０５と無線モジュール４０７と撮像インタフェース４０８とこれらを相互に接続するバス４０９とを備える。なお、図５４において、実施の形態１と同様の構成については、図２と同一の符号を付している。ここで、ＣＰＵ４０１は、補助記憶部４０３が記憶するプログラムを主記憶部４０２に読み出して実行することにより、図５５に示すように、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、嗜好特徴量取得部４４１８、機器設定更新部４１９、動作モード設定部４２０および利用者特定部４２１として機能する。また、補助記憶部４０３は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、スケジュール記憶部４３５と、を有する。嗜好特徴量取得部４４１８は、空気調和機４００４から嗜好特徴量情報を取得し、取得した嗜好特徴量情報をスケジュール特定部４４２５に通知する。スケジュール特定部４４２５は、スケジュール記憶部４３５が記憶する複種類のスケジュール情報の中から、通知された嗜好特徴量に対応するスケジュール情報を特定する。そして、機器設定更新部４４１９は、スケジュール特定部４４２５が特定したスケジュール情報に基づいて、機器設定記憶部４３１が記憶する機器設定情報を更新する。

　次に、本実施の形態に係る制御システムの動作について図５６を参照しながら説明する。なお、図５６において、実施の形態６と同様の処理については、図４９と同一の符号を付している。空気調和機４００４が、スケジュール更新時期が到来したと判定すると、図５６のステップＳ１７０５７からＳ１７０６０までの一連の処理が実行されることにより、空気調和機４００４が、気象実績情報を取得する。次に、空気調和機４００４は、重み係数が設定されたニューラルネットワークを用いて、動作履歴情報および環境履歴情報と気象実績情報とから嗜好特徴量を算出する。そして、空気調和機４００４は、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１７０６０）。続いて、空気調和機４００４が特定した嗜好特徴量を示す嗜好特徴量情報が、空気調和機４００４から空気調和機４０５２へ送信される（ステップＳ８１）。一方、空気調和機４０５２は、嗜好特徴量情報を受信すると、受信した嗜好特徴量情報に対応するスケジュール情報を特定する（ステップＳ８２）。その後、機器設定情報の更新時期が到来すると、空気調和機４００４は、特定されたスケジュール情報を用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１７０６１）。また、空気調和機４０５２も、特定されたスケジュール情報を用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ８３）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ１７０６１の処理およびステップＳ８３の処理が繰り返し実行される。

　次に、本実施の形態に係る空気調和機４００４が実行する機器制御処理について図５７を参照しながら説明する。なお、図５７において、実施の形態６と同様の処理については、図５０と同一の符号を付している。

　まず、ステップＳ３１０１からＳ３１１２の一連の処理が実行される。次に、スケジュール特定部１６４２５が、予め設定された空気調和機４００４のスケジュール更新時期が到来したか否かを判定する（ステップＳ１７１０５）。スケジュール特定部１６４２５が、空気調和機１７００４のスケジュール更新時期が未だ到来していないと判定すると（ステップＳ１７１０５：Ｎｏ）、後述するステップＳ１７１０９の処理が実行される。一方、スケジュール特定部１６４２５が、空気調和機１７００４のスケジュール更新時期が到来したと判定したとする（ステップＳ１７１０５：Ｙｅｓ）。この場合、ステップＳ１７１０６およびステップＳ１７１０７の処理が実行された後、ニューロエンジン４０４が、ニューラルネットワークを用いて、動作履歴情報および環境履歴情報と気象予報情報とから嗜好特徴量を算出する。そして、スケジュール特定部１６４２５が、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定する（ステップＳ１７００８）。続いて、嗜好特徴量送信部４４２７は、ニューロエンジン４０４により算出された嗜好特徴量を示す嗜好特徴量を、空気調和機４０５２へ送信する（ステップＳ４１０１）。その後、ステップＳ１７１０９以降の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでは、空気調和機４００４において、ニューロエンジン４０４が、ニューラルネットワークを用いて、動作履歴情報および環境履歴情報と気象予報情報とから嗜好特徴量を算出する。そして、そして、スケジュール特定部１６４２５が、スケジュール記憶部１６４３５が記憶する複数種類のスケジュール情報の中から、算出した嗜好特徴量に対応するスケジュール情報を特定するまた、嗜好特徴量送信部４４２７は、ニューロエンジン４０４により算出された嗜好特徴量を、空気調和機４０５２へ送信する。これにより、空気調和機４０５２が、ニューロエンジンを備えていない場合であっても、空気調和機４００４において特定された嗜好特徴量に応じたスケジュール情報が示す運転スケジュールに従って制御することができる。従って、ニューロエンジン４０４を備える空気調和機４００４において特定されたスケジュール情報を、ニューロエンジンを備えない空気調和機４０５２と共有できる。従って、ニューロエンジンを備えない空気調和機４０５２と連携して、空気調和機４００４、４０５２が設置された住戸Ｈ全体を利用者にとって快適な環境で維持することができる。

（実施の形態８）
　本実施の形態に係る制御システムは、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークの重み係数を決定するとともに、重み係数が決定されたニューラルネットワークを用いて、将来の機器設定パラメータを求める機能を有する複数の機器を備える。

　本実施の形態に係る制御システムは、図５８に示すように、空気調和機５０４１、５０４２、５０４３と、クラウドサーバ５００２と、を備える。なお、図５８において、実施の形態１と同様の構成については、図１と同一の符号を付している。

　空気調和機５０４１、５０４２、５０４３のハードウェア構成は、実施の形態３に係る空気調和機２００４のハードウェア構成と同様である。４００と、計測装置４６１と、撮像装置４８１と、を有する。ＣＰＵは、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図５９に示すように、環境情報取得部４１１、画像取得部４１２、操作受付部４１３、機器制御部４１４、計時部４１５、履歴情報生成部４１６、履歴情報送信部４１７、機器設定更新部２４１９、動作モード設定部４２０、利用者特定部４２１、気象情報取得部２４２２、係数取得部２４２３、係数設定部３４２４、係数決定部３４２５、係数情報生成部５４２８および係数送信部５４２９として機能する。なお、図５９において、実施の形態５と同様の構成については図４１と同一の符号を付している。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、履歴情報記憶部４３４と、ニューラルネットワーク記憶部２４３６と、気象情報記憶部２４３７と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図２８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。

　係数取得部２４２３は、クラウドサーバ５００２から係数情報および係数属性情報を取得する第２係数取得部である。係数情報生成部５４２８が、ニューラルネットワーク記憶部２４３６が記憶する重み係数情報を含む係数情報と係数属性情報とを生成する。係数送信部５４２９は、係数情報生成部５４２８が生成した係数情報と係数属性情報とを、クラウドサーバ５００２へ送信する。動作モード設定部５４２３は、操作受付部４１３が空気調和機５０４１、５０４２、５０４３の動作モードを設定するための操作を受け付けると、受け付けた操作内容に応じた動作モードを示す動作モード情報を動作モード記憶部５４３５に記憶させる。

　クラウドサーバ５００２のハードウェア構成は、実施の形態１で説明したクラウドサーバ２のハードウェア構成と同様である。ＣＰＵは、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図６０に示すように、履歴情報取得部３２１１、気象実績取得部２２１２、係数設定部２１３、ニューラルネットワーク計算部２１４、係数決定部２１５、係数情報生成部５２１８、係数送信部５２１９および係数取得部５２２０として機能する。なお、図６０において、実施の形態５と同様の構成については、図４２と同一の符号を付している。また、補助記憶部は、履歴情報記憶部２３１と、気象情報記憶部２３２と、ニューラルネットワーク記憶部５２３３と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。ニューラルネットワーク記憶部５２３３は、住戸Ｈに設置された空気調和機５０４１、５０４２、５０４３と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報と気象実績情報とに基づいて決定したニューラルネットワークの初期の重み係数を示す初期重み係数情報を記憶する。また、ニューラルネットワーク記憶部５２３３は、空気調和機５０４１、５０４２、５０４３から取得した係数情報に含まれる重み係数情報を、係数情報の送信元の空気調和機５０４１、５０４２、５０４３の機器識別情報に対応づけて記憶する。

　係数情報生成部５２１８は、係数決定部２１５が決定した重み係数を示す重み係数情報を含む係数情報を生成する。また、係数情報生成部５２１８は、ニューラルネットワーク記憶部５２３３が記憶する重み係数情報を含む係数情報と係数属性情報とを生成する。係数送信部５２１９は、係数情報生成部３２１８が生成した係数情報と係数属性情報とを、空気調和機５０４１、５０４２、５０４３へ送信する。係数取得部５２２０は、空気調和機５０４１、５０４２、５０４３から送信される係数情報と係数属性情報とを取得すると、取得した係数情報に含まれる重み係数情報を、空気調和機５０４１、５０４２、５０４３の機器識別情報に対応づけてニューラルネットワーク記憶部５２３３に記憶させる第１係数取得部である。

　次に、本実施の形態に係る制御システムの動作について図６１および図６２を参照しながら説明する。なお、図６１および図６２において、実施の形態５と同様の処理については、図４３および図４４と同一の符号を付している。図６１に示すように、まず、ステップＳ５１からＳ５７までの一連の処理が実行されることにより、ニューラルネットワークの初期の重み係数が決定される。ここで、クラウドサーバ５００２は、決定した初期の重み係数を示す初期重み係数情報をニューラルネットワーク記憶部５２３３に記憶させる。次に、新たな空気調和機５０４１（５０４２、５０４３）が住戸Ｈに設置され、起動したとする。このとき、クラウドサーバ５００２に対して初期重み係数情報を含む係数情報の送信を要求する係数要求情報が、空気調和機５０４１（５０４２、５０４３）からクラウドサーバ５００２へ送信される（ステップＳ５８）。一方、クラウドサーバ５００２は、係数要求情報を受信すると、ニューラルネットワーク記憶部５２３３が記憶する初期重み係数情報を含む係数情報と係数属性情報とを生成する（ステップＳ５９）。続いて、生成された係数情報と係数属性情報とが、クラウドサーバ５００２から空気調和機５０４１（５０４２、５０４３）へ送信される（ステップＳ６０）。その後、空気調和機５０４１（５０４２、５０４３）が、予め設定されたニューラルネットワークの重み係数を更新する係数更新時期が到来したと判定したとする。この場合、ステップＳ６１からＳ６５までの一連の処理が実行されることにより、空気調和機５０４１（５０４２、５０４３）が、気象実績情報を取得する。その後、空気調和機５０４１（５０４２、５０４３）は、履歴情報記憶部４３４が記憶する動作履歴情報、環境履歴情報、日時情報および利用者情報と、気象情報記憶部２４３７が記憶する気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する（ステップＳ６６）。以後、ニューラルネットワークの重み係数の更新時期が到来する毎に、前述のステップＳ６１からＳ６６までの一連の処理が繰り返し実行される。

　次に、空気調和機５０４１（５０４２、５０４３）が、利用者による自動モードへの切り替え操作を受け付けたとする（ステップＳ６７）。この場合、空気調和機５０４１（５０４２、５０４３）は、動作モード情報を自動モードに設定する（ステップＳ６８）。その後、空気調和機５０４１（５０４２、５０４３）が、機器設定記憶部４３１が記憶する機器設定情報の更新時期が到来したと判定したとする。この場合、ステップＳ６７からＳ６９までの一連の処理が実行されることにより、空気調和機５０４１（５０４２、５０４３）が気象実績情報を取得する。続いて、図６２に示すように、空気調和機５０４１（５０４２、５０４３）は、ニューラルネットワークを用いて、気象予報情報と現時点の環境を示す環境パラメータとから空気調和機５０４１（５０４２、５０４３）の将来の機器設定パラメータを算出する（ステップＳ７０）。その後、空気調和機５０４１（５０４２、５０４３）は、算出された機器設定パラメータを用いて、機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ７１）。以後、機器設定情報の更新時期が到来する毎に、前述のステップＳ６７からＳ７１までの一連の処理が繰り返し実行される。

　その後、空気調和機５０４１（５０４２、５０４３）が、ニューラルネットワーク記憶部２４３６が記憶する重み係数情報を含む係数情報をクラウドサーバ３００２へアップロードする操作を受け付けたとする（ステップＳ１００９）。この場合、空気調和機５０４１（５０４２、５０４３）は、ニューラルネットワーク記憶部２４３６が記憶する重み係数情報を用いて係数情報を生成するとともに係数属性情報を生成する（ステップＳ１０１０）。そして、生成された係数情報と係数属性情報とが、空気調和機５０４１（５０４２、５０４３）からクラウドサーバ５００２へ送信される（ステップＳ１０１１）。一方、クラウドサーバ５００２は、係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とを、空気調和機５０４１（５０４２、５０４３）を識別する機器識別情報に対応づけてニューラルネットワーク記憶部２４３６に記憶させる（ステップＳ１０１２）。

　また、空気調和機５０４１（５０４２、５０４３）が、クラウドサーバ５００２から係数情報をダウンロードする操作を受け付けたとする（ステップＳ１０１３）。この場合、クラウドサーバ５００２に対して係数情報を送信するよう要求する係数要求情報が、空気調和機５０４１（５０４２、５０４３）からクラウドサーバ５００２へ送信される（ステップＳ１０１４）。この係数要求情報には、空気調和機５０４１（５０４２、５０４３）の機器識別情報が含まれる。一方、クラウドサーバ５００２は、係数要求情報を受信すると、受信した係数要求情報に含まれる機器識別情報に対応づけられた係数情報を特定する（ステップＳ１０１５）。次に、特定された係数情報とそれに対応する係数属性情報とが、クラウドサーバ５００２から空気調和機５０４１（５０４２、５０４３）へ送信される（ステップＳ１０１６）。一方、空気調和機５０４１（５０４２、５０４３）は、係数情報と係数属性情報とを受信すると、受信した係数情報に含まれる重み係数情報をニューラルネットワーク記憶部２４３６に記憶させる（ステップＳ１０１７）。

　次に、本実施の形態に係る空気調和機５０４１（５０４２、５０４３）が実行する機器制御処理について図６３および図６４を参照しながら説明する。なお、図６３および図６４において、実施の形態５と同様の処理については図４４と同一の符号を付している。まず、係数取得部２４２３は、クラウドサーバ５００２へ係数要求情報を送信することにより（ステップＳ３１０１）、クラウドサーバ５００２からニューラルネットワークの初期係数を示す情報を含む係数情報を取得する（ステップＳ３１０２）。係数取得部２４２３は、取得した初期係数を示す情報をニューラルネットワーク記憶部２４３６に記憶させる。

　次に、係数決定部３４２５は、ニューラルネットワークの係数更新時期が到来したか否かを判定する（ステップＳ３１０３）。係数決定部３４２５が、未だ係数更新時期が到来していないと判定すると（ステップＳ３１０３：Ｎｏ）、そのまま後述のステップＳ３１０７の処理が実行される。一方、係数決定部３４２５が、係数更新時期が到来したと判定したとする（ステップＳ３１０３：Ｙｅｓ）。この場合、ステップＳ３０１４およびＳ３０１５の処理が実行される。その後、係数決定処理が実行される（ステップＳ３１０６）。この係数決定処理の内容は、実施の形態１において図１７を用いて説明した係数決定処理と同様である。次に、ステップＳ３１０７およびＳ３１０８の処理が実行される。ステップＳ３１０７およびＳ３１０８の処理の内容は、実施の形態１で図１５を用いて説明したステップＳ１０５およびＳ１０６の処理と同様である。

　続いて、機器設定更新部２４１９は、空気調和機５０４１（５０４２、５０４３）の動作モードが自動モードであるか否かを判定する（ステップＳ３１０９）。機器設定更新部２４１９が、空気調和機５０４１（５０４２、５０４３）の動作モードが手動モードであると判定すると（ステップＳ３１０９：Ｎｏ）、後述するステップＳ３１１５の処理が実行される。一方、機器設定更新部２４１９は、空気調和機５０４１（５０４２、５０４３）の動作モードが自動モードであると判定すると（ステップＳ３１０９：Ｙｅｓ）、予め設定された空気調和機５０４１（５０４２、５０４３）の機器設定情報の更新時期が到来したか否かを判定する（ステップＳ３１１０）。機器設定更新部２４１９が、機器設定更新時期が未だ到来していないと判定すると（ステップＳ３１１０：Ｎｏ）、後述するステップＳ５１１５の処理が実行される。一方、機器設定更新部２４１９が、機器設定情報の更新時期が到来したと判定したとする（ステップＳＳ３１１０：Ｙｅｓ）。この場合、ステップＳ３１１１からＳ３１１４までの一連の処理が実行される。ここで、ステップＳ３１１１からＳ３１１４までの一連の処理の内容は、実施の形態５で図４４を用いて説明したステップＳ３１１１からＳ３１１４までの処理と同様である。その後、図６４に示すように、操作受付部４１３は、クラウドサーバ５００２へ係数情報をアップロードするためのアップロード操作を受け付けたか否かを判定する（ステップＳ５１１５）。操作受付部４１３が、アップロード操作を受け付けていないと判定すると（ステップＳ５１１５：Ｎｏ）、後述するステップＳ５１１８の処理が実行される。一方、操作受付部４１３が、アップロード操作を受け付けたと判定すると（ステップＳ５１１５：Ｙｅｓ）、係数情報生成部５４２８が、ニューラルネットワーク記憶部５４３３が記憶する重み係数情報を含む係数情報を生成するとともに、これに対応する係数属性情報を生成する（ステップＳ５１１６）。次に、係数送信部５４２９は、生成された係数情報と係数属性情報とをクラウドサーバ５００２へ送信する（ステップＳ５１１７）。続いて、操作受付部４１３は、クラウドサーバ５００２から係数情報をダウンロードするためのダウンロード操作を受け付けたか否かを判定する（ステップＳ５１１８）。操作受付部４１３が、ダウンロード操作を受け付けていないと判定すると（ステップＳ５１１８：Ｎｏ）、再びステップＳ５１１３の処理が実行される。一方、操作受付部４１３が、ダウンロード操作を受け付けたと判定すると（ステップＳ５１１８：Ｙｅｓ）、係数取得部２４２３が、係数要求情報をクラウドサーバ５００２へ送信することにより（ステップＳ５１１９）、クラウドサーバ５００２から係数情報と係数属性情報とを取得する（ステップＳ５１２０）。係数取得部２４２３は、取得した係数情報に含まれる重み係数情報をニューラルネットワーク記憶部２４３６に記憶させる。その後、再びステップＳ３１０３の処理が実行される。

　ここで、空気調和機５０４１（５０４２）において決定されたニューラルネットワークの重み係数を、空気調和機５０４３へ転送する場合について図６５を参照しながら説明する。なお、図６５において、前述の図６１および図６２を用いて説明した処理と同様の処理については図６１および図６２と同一の符号を付している。まず、空気調和機５０４１（５０４２）が、予め設定されたニューラルネットワークの重み係数の更新時期が到来したと判定したとする。この場合、ステップＳ６１からＳ６６までの一連の処理が実行されることにより、空気調和機５０４１（５０４２）のニューラルネットワークの重み係数が決定される。その後、空気調和機５０４１（５０４２）が、係数情報をクラウドサーバ５００２へアップロードする操作を受け付けたとする（ステップＳ１０４７）。この場合、空気調和機５０４１（５０４２）は、ニューラルネットワーク記憶部２４３６が記憶する重み係数を示す情報を用いて係数情報とそれに対応する係数属性情報とを生成する（ステップＳ１０４８）。そして、生成された係数情報と係数属性情報とが、空気調和機５０４１（５０４２）からクラウドサーバ５００２へ送信される（ステップＳ１０４９）。一方、クラウドサーバ５００２は、係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とを、空気調和機５０４１（５０４２）を識別する機器識別情報に対応づけてニューラルネットワーク記憶部５２３３に記憶させる。

　そして、空気調和機５０４３が、例えば新たに住戸Ｈに設置された後、クラウドサーバ５００２から係数情報をダウンロードする操作を受け付けたとする（ステップＳ１０５１）。この場合、係数要求情報が、空気調和機５０４３からクラウドサーバ５００２へ送信される（ステップＳ１０５２）。この係数要求情報には、例えば空気調和機５０４１（５０４２）の機器識別情報が含まれているとする。一方、クラウドサーバ５００２は、係数要求情報を受信すると、受信した係数要求情報に含まれる機器識別情報に対応づけられた係数情報を特定する（ステップＳ１０５３）。次に、特定された係数情報とそれに対応する係数属性情報とが、クラウドサーバ５００２から空気調和機５０４３へ送信される（ステップＳ１０５４）。一方、空気調和機５０４３は、係数情報と係数属性情報とを受信すると、受信した係数情報に含まれる重み係数情報を自機のニューラルネットワーク記憶部２４３６に記憶させる（ステップＳ１０５４）。このようにして、空気調和機５０４１（５０４２）で用いられるニューラルネットワークに設定されていた重み係数を、空気調和機５０４３で用いられるニューラルネットワークに設定することができる。

　また、空気調和機５０４１（５０４２、５０４３）は、図６３および図６４を用いて説明した機器設定処理において、履歴情報をクラウドサーバ５００２へアップロードしたり、クラウドサーバ５００２から履歴情報をダウンロードしたりするものであってもよい。この場合、空気調和機５０４１（５０４２、５０４３）は、履歴情報記憶部４３４が記憶する動作履歴情報および環境履歴情報を含む履歴情報とこれに対応する履歴属性情報とを生成する履歴情報生成部と、履歴情報と履歴属性情報とを送信する履歴情報送信部と、クラウドサーバ５００２から他の空気調和機の履歴情報と履歴属性情報とを取得する第２履歴情報取得部である機器側履歴情報取得部と、を備える構成とすればよい。そして、クラウドサーバ５００２の履歴情報取得部が、空気調和機５０４１、５０４２、５０４３から送信される履歴情報と履歴属性情報とを取得すると、取得した履歴情報と履歴属性情報とを、空気調和機５０４１、５０４２、５０４３の機器識別情報に対応づけて履歴情報記憶部２３１に記憶させる第１履歴情報取得部であるクラウド側履歴情報取得部として機能するものとすればよい。

　この空気調和機５０４１（５０４２、５０４３）では、図６３を用いて説明したステップＳ３１１４の後、図６６に示すように、操作受付部４１３は、クラウドサーバ５００２へ履歴情報をアップロードするためのアップロード操作を受け付けたか否かを判定する（ステップＳ５１２１）。操作受付部４１３が、アップロード操作を受け付けていないと判定すると（ステップＳ５１２１：Ｎｏ）、後述するステップＳ５１２４の処理が実行される。一方、操作受付部４１３が、アップロード操作を受け付けたと判定すると（ステップＳ５１２１：Ｙｅｓ）、履歴情報生成部が、履歴情報記憶部５４３４が記憶する動作履歴情報および環境履歴情報を含む履歴情報を生成するとともに、これに対応する履歴属性情報を生成する（ステップＳ５１２２）。次に、履歴情報送信部は、生成された履歴情報と履歴属性情報とをクラウドサーバ５００２へ送信する（ステップＳ５１２３）。このとき、クラウド側履歴情報取得部は、空気調和機５０４１（５０４２、５０４３）から取得した履歴情報と履歴属性情報とを、空気調和機５０４１、５０４２、５０４３の機器識別情報に対応づけて履歴情報記憶部２３１に記憶させる。続いて、操作受付部４１３は、クラウドサーバ５００２から履歴情報をダウンロードするためのダウンロード操作を受け付けたか否かを判定する（ステップＳ５１２４）。操作受付部４１３が、ダウンロード操作を受け付けていないと判定すると（ステップＳ５１２４：Ｎｏ）、再びステップＳ３１１３の処理が実行される。一方、操作受付部４１３が、ダウンロード操作を受け付けたと判定すると（ステップＳ５１２４：Ｙｅｓ）、機器側履歴情報取得部が、履歴要求情報をクラウドサーバ５００２へ送信することにより（ステップＳ５１２５）、クラウドサーバ５００２から履歴情報と履歴属性情報とを取得する（ステップＳ５１２６）。履歴情報取得部は、取得した履歴情報に含まれる動作履歴情報、環境履歴情報および利用者情報を、履歴情報記憶部４３４に記憶させる。その後、再びステップＳ３１０３の処理が実行される。

　ここで、空気調和機５０４１（５０４２）において蓄積された動作履歴情報および環境履歴情報を、空気調和機５０４３へ転送する場合について図６７を参照しながら説明する。なお、図６７において、前述の図６１および図６２を用いて説明した処理と同様の処理については図６１および図６２と同一の符号を付している。まず、空気調和機５０４１（５０４２）が、予め設定されたニューラルネットワークの重み係数の更新時期が到来したと判定すると、ステップＳ６１からＳ６６の一連の処理が実行されることにより、空気調和機５０４１（５０４２）のニューラルネットワークの重み係数が決定される。その後、空気調和機５０４１（５０４２）が、履歴情報をクラウドサーバ５００２へアップロードする操作を受け付けたとする（ステップＳ１２０１）。この場合、空気調和機５０４１（５０４２）は、履歴情報記憶部５４３４が記憶する動作履歴情報および環境履歴情報を含む履歴情報を生成するとともに、これに対応する履歴属性情報を生成する（ステップＳ１２０２）。そして、生成された履歴情報と履歴属性情報とが、空気調和機５０４１（５０４２）からクラウドサーバ３００２へ送信される（ステップＳ１２０３）。一方、クラウドサーバ５００２は、履歴情報と履歴属性情報とを受信すると、受信した履歴情報と履歴属性情報とを、空気調和機５０４１（５０４２）を識別する機器識別情報に対応づけて履歴情報記憶部２３１に記憶させる。

　そして、空気調和機５０４３が、例えば新たに住戸Ｈに設置された後、クラウドサーバ５００２から履歴情報をダウンロードする操作を受け付けたとする（ステップＳ１２０５）。この場合、履歴要求情報が、空気調和機５０４３からクラウドサーバ５００２へ送信される（ステップＳ１２０６）。この履歴要求情報には、例えば空気調和機５０４１（５０４２）の機器識別情報が含まれているとする。一方、クラウドサーバ５００２は、履歴要求情報を受信すると、受信した履歴要求情報に含まれる機器識別情報に対応づけられた履歴情報を特定する（ステップＳ１２０７）。次に、特定された履歴情報とこれに対応する履歴属性情報とが、クラウドサーバ５００２から空気調和機５０４３へ送信される（ステップＳ１２０８）。一方、空気調和機５０４３は、履歴情報と履歴属性情報とを受信すると、受信した履歴情報に含まれる動作履歴情報および環境履歴情報を自機の履歴情報記憶部４３４に記憶させる（ステップＳ１２０９）。このようにして、空気調和機５０４１（５０４２）で蓄積された動作履歴情報および環境履歴情報を、空気調和機５０４３の履歴情報記憶部４３４に記憶させることができる。これにより、空気調和機５０４３では、係数決定部５４２０が、空気調和機５０４１（５０４２）から取得した動作履歴情報および環境履歴情報を用いて、ニューラルネットワークの重み係数を決定することができる。

　以上説明したように、本実施の形態に係る制御システムでは、空気調和機５０４１、５０４２、５０４３のニューラルネットワークの重み係数をクラウドサーバ５００２からダウンロードして更新することにより、利用者の空気調和機５０４１、５０４２、５０４３の使用方法の変化、特に、利用者の引っ越しに伴う空気調和機５０４１、５０４２、５０４３の設置環境の変化、利用者の家族構成の変化等に柔軟に対応できる。また、新たな空気調和機５０４１、５０４２、５０４３を導入する際、予めクラウドサーバ５００２にアップロードしておいたニューラルネットワークの重み係数を示す情報をダウンロードすることにより、それまでに使用していた空気調和機５０４１、５０４２、５０４３の自動運転時の動作傾向を新たな空気調和機５０４１、５０４２、５０４３へ引き継ぐことができる。

　更に、本実施の形態に係る制御システムでは、複数の異なる利用者に対応するニューラルネットワークの重み係数情報を、予めクラウドサーバ５００２にアップロードさせておくことにより、利用者毎に対応する係数情報をダウンロードして用いることができる。これにより、利用者の数が大幅に増加した場合であっても、空気調和機５０４１、５０４２、５０４３を、各利用者に適した動作傾向で自動運転させることができる。

（実施の形態９）
　本実施の形態に係る制御システムでは、機器が、過去に撮像装置により撮像された利用者の複数種類のジェスチャ画像それぞれに対応する画像情報と当該画像情報に対応付けられた機器設定パラメータとに基づいて、予め設定されたノード数および層数を有する利用者の操作を特定するための第３ニューラルネットワークの重み係数を決定する。

　本実施の形態に係る制御システムは、実施の形態１で図１を用いて説明した制御システムと同様に、住戸Ｈに設置された空気調和機と、空気調和機と宅外ネットワークＮＴ１を介して通信可能なクラウドサーバと、を備える。なお、本実施の形態において、実施の形態１と同様の構成については、実施の形態１と同一の符号を用いて説明する。また、住戸Ｈ内には、宅内ネットワークＮＴ２が敷設されており、宅内ネットワークＮＴ２に接続されたルータとデータ回線終端装置とが設置されているものとする。

　本実施の形態に係る空気調和機６００４は、図６８に示すように、制御部６４００と、撮像装置４８１と、を有する。また、空気調和機６００４は、制御部４００から入力される制御信号に基づいて動作する圧縮機（図示せず）と送風ファン（図示せず）とを有する。制御部６４００は、ＣＰＵ４０１と、主記憶部４０２と、補助記憶部４０３と、通信インタフェース４０５と、無線モジュール４０７と、撮像インタフェース４０８と、ニューロエンジン４０４と、これらを相互に接続するバス４０９と、を備える。なお、図６８において、実施の形態３と同様の構成については、図２８と同一の符号を付している。

　ＣＰＵ４０１は、補助記憶部４０３が記憶するプログラムを主記憶部４０２に読み出して実行することにより、図６９に示すように、画像取得部４１２、操作受付部４１３、機器制御部４１４、機器設定更新部６４１９、動作モード設定部４２０、利用者特定部４２１、係数取得部６１２０、係数設定部６１２１、ニューラルネットワーク出力情報生成部（以下、「ＮＮ出力情報生成部」と称する）６１２３およびニューラルネットワーク出力情報送信部（以下、「ＮＮ出力情報送信部」と称する）６１２４として機能する。また、補助記憶部１０３は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、操作特定用ニューラルネットワーク記憶部（以下、「操作特定用ＮＮ記憶部」と称する。）６４３５と、画像記憶部６４３６と、を有する。操作特定用ＮＮ記憶部６４３５は、利用者のジェスチャから利用者が行う操作を特定するための操作特定用ニューラルネットワークの構造を示す情報と、後述する畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数および全結合層における重み係数とを示す情報と、を記憶する。

　ここで、操作特定用ニューラルネットワークは、いわゆる畳み込みニューラルネットワーク（ＣＮＮ）であって、入力層、隠れ層および出力層を含み、隠れ層が、畳み込み層と、プーリング層と、全結合層と、判定層と、を含む第３ニューラルネットワークである。畳み込み層では、複数の予め設定された幅の畳み込みフィルタを用いて畳み込み演算が行われ、プーリング層では、畳み込み層からの出力に対する予め設定された幅での平均プーリング処理が行われる。この畳み込み層とプーリング層とが組み合わされて、入力層から入力される画像情報からその画像情報に対応する特徴量が算出される。全結合層は、複数の特徴量それぞれに重み係数を掛けて得られる値の総和を算出し、算出した総和を活性化関数により特徴変数に変換して出力する。ここで、活性化関数としては、例えばシグモイド関数が採用される。判定層は、全結合層からの出力される特徴変数を、例えばソフトマックス関数を用いて予め設定された数値範囲内の判定値に変換することにより、画像情報に対応する操作内容を推定する。なお、図７０Ａに示すように、ニューロエンジン２１０４で処理する情報量は、入力層において情報量ＮＤ１だったものが、畳み込み層、プーリング層の後段に進むにつれて減少して全結合層の直前では情報量ＮＤ２まで減少する。これは、プーリング処理において、複数の特徴量を平均化して１つの特徴量に集約する処理が実行されることに起因する。

　ここで、例えば前述したジェスチャ操作の場合は、畳み込み層およびプーリング層までは、あくまで画像の特徴情報を検出するためのものとなっており、目や鼻や口、腕や指や関節、首といった各画像パーツを認識し、目を閉じる開くや、手のひらを開く握るといったパーツ内容を判断するものである。一方、畳み込み層やプーリング層の後段の全結合層以降では、具体的なジェスチャ操作に必要な手や指握り方や顔に対する手の位置といった、ジャスチャに必要な各パーツの位置関係を判断する部分であり、これによりジェスチャの画像と機器操作内容を紐づける事が可能になるものである。例えば、空気調和機６００４のジェスチャ操作の内容が、空気調和機６００４をオフするときに手のひらを開くジェスチャ、空気調和機６００４をオンするとき手を握るジェスチャに設定されているとする。この場合、ジェスチャ操作の内容が、空気調和機６００４をオフするときに手を握るジェスチャ、空気調和機６００４をオンするとき手のひらを開くジェスチャとなるように変更したり、空気調和機６００４をオフするときに手を挙げるジェスチャ、空気調和機６００４をオンするときに手を下げるジェスチャに変更したりする場合、全結合層以降の重み係数のみを変更すればジェスチャ操作の内容の変更が可能となる。

　図６９に戻って、操作特定用ＮＮ記憶部６４３５は、利用者が行う操作の内容を数値化した判定値を示す判定値情報を、利用者が行う操作内容を識別する操作識別情報に対応づけて記憶する。例えば「空気調和機ＯＮ」の操作を識別する操作識別情報に判定値「ＮＵＭ１」が付与され、「空気調和機ＯＦＦ」の操作を識別する操作識別情報に判定値「ＮＵＭ２」が付与され、「空気調和機の温度設定変更」の操作を識別する操作識別情報に判定値「ＮＵＭ３」が付与され、「空気調和機の温度設定維持」の操作を識別する操作識別情報に判定値「ＮＵＭ４」が付与されているとする。

　画像記憶部６４３６は、空気調和機６００４から送信された画像情報を記憶する。画像記憶部６４３６は、例えば図７０Ｂに示すように、例えば「空気調和機ＯＮ」の操作に対応する画像ＧＥ１を示す画像情報を、「空気調和機ＯＮ」の操作を識別する操作識別情報に対応づけて記憶し、「空気調和機ＯＦＦ」の操作に対応する画像ＧＥ２を示す画像情報を、「空気調和機ＯＦＦ」の操作を識別する操作識別情報に対応づけて記憶する。また、画像記憶部６４３６は、「空気調和機の温度設定変更」の操作に対応する画像ＧＥ３を示す画像情報を、「空気調和機の温度設定変更」の操作を識別する操作識別情報に対応づけて記憶し、「空気調和機の温度設定維持」の操作に対応する画像ＧＥ４を示す画像情報を、「空気調和機の温度設定維持」の操作を識別する操作識別情報に対応づけて記憶する。

　図６９に戻って、画像取得部４１２は、撮像装置４８１により撮像して得られた画像情報および操作識別情報を取得し、取得した画像情報を操作識別情報に対応づけて画像記憶部６４３６に記憶させる。

　ニューロエンジン４０４は、操作特定用ニューラルネットワークにおける畳み込み層とプーリング層とに相当する部分を用いた演算処理と、操作特定用ニューラルネットワークのうち全結合層と判定層とに相当する部分を用いて、操作特定用ニューラルネットワークにおける畳み込み層とプーリング層とに相当する部分を用いて算出した特徴量から判定値を算出する第１ニューラルネットワーク計算部および第２ニューラルネットワーク計算部として機能する。ニューロエンジン４０４は、操作特定用ニューラルネットワークを用いて、例えば図７０Ｂに示すような「空気調和機ＯＮ」に対応するジェスチャの画像ＧＥ１を示す画像情報から判定値「ＮＵＭ１」を算出し、「空気調和機ＯＦＦ」に対応するジェスチャの画像ＧＥ２を示す画像情報から判定値「ＮＵＭ２」を算出する。また、ニューロエンジン２１０４とニューラルネットワーク計算部６１２６とは、操作特定用ニューラルネットワークを用いて、「温度設定変更」に対応するジェスチャの画像ＧＥ３を示す画像情報から判定値「ＮＵＭ３」を算出し、「温度設定維持」に対応するジェスチャの画像ＧＥ４から判定値「ＮＵＭ４」を算出する。

　係数取得部６１２０は、操作特定用ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数を示す重み係数情報と、全結合層における重み係数を示す重み係数情報と、を含む係数情報を、クラウドサーバ６００２から取得する。係数取得部６１２０は、取得した係数情報に含まれる、畳み込み層における複数の畳み込みフィルタそれぞれの重み係数を示す重み係数情報と、全結合層における重み係数を示す重み係数情報と、を操作特定用ＮＮ記憶部６４３５に記憶させる。

　係数設定部６１２１は、操作特定用ＮＮ記憶部６４３５が記憶する複数の畳み込みフィルタそれぞれの重み係数を、操作特定用ニューラルネットワークの複数の畳み込みフィルタに設定する。また、係数設定部６１２１は、操作特定用ＮＮ記憶部６１３５が記憶する全結合層における重み係数を、操作特定用ニューラルネットワークの全結合層に相当する部分に設定する。そして、ニューロエンジン４０４は、操作特定用ニューラルネットワークを用いて、画像取得部４１２が直近に撮像装置４８１により撮像された利用者のジェスチャを示す画像情報から当該画像情報に対応する判定値を算出する。

　機器設定更新部６４１９は、操作特定用ＮＮ記憶部６４３５が記憶する判定値情報を参照して、ニューロエンジン４０４が算出した判定値に対応する操作識別情報を特定する。そして、機器設定更新部６４１９は、特定した操作識別情報が示す操作内容に基づいて、機器設定パラメータを生成し、生成した機器設定パラメータを示す機器設定情報で機器設定記憶部４３１が記憶する機器設定情報を更新する。即ち、機器設定更新部６４１９は、ニューロエンジン４０４により求められた操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部として機能する。

　ＮＮ出力情報生成部６１２４は、ニューロエンジン４０４により画像情報に対して複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返して得られた特徴量を示すニューラルネットワーク出力情報（以下、「ＮＮ出力情報」と称する。）と、ＮＮ出力情報の属性を示すニューラルネットワーク出力属性情報（以下、「ＮＮ出力属性情報」と称する。）と、を生成する。ニューラルネットワーク出力情報送信部（以下、「ＮＮ出力情報送信部」と称する。）６１２５は、ＮＮ出力情報生成部６１２４が生成したＮＮ出力情報を、宅外ネットワークＮＴ１を介してクラウドサーバ６００２へ送信する。

　クラウドサーバ６００２のハードウェア構成は、実施の形態１で説明したクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ６００２では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図７１に示すように、係数設定部６２１３、ニューラルネットワーク計算部６２１４、係数決定部６２１５、係数情報生成部６２１８、係数送信部６２１９およびニューラルネットワーク出力情報取得部（以下、「ＮＮ出力情報取得部」と称する。）６２２０として機能する。また、補助記憶部は、操作特定用ニューラルネットワーク記憶部（以下、「操作特定用ＮＮ記憶部」と称する。）６２３４を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。操作特定用ＮＮ記憶部６２３４は、利用者が行う操作の内容を数値化した判定値を示す情報を、利用者が行う操作内容を識別する操作識別情報に対応づけて記憶する。また、操作特定用ＮＮ記憶部６２３４は、空気調和機６００４から取得したＮＮ出力情報とＮＮ出力情報に対応する操作識別情報に対応づけて記憶する。

　ＮＮ出力情報取得部６２２０は、空気調和機６００４から送信されるＮＮ出力情報とＮＮ出力情報に対応する操作識別情報とを取得し、取得したＮＮ出力情報と操作識別情報とを互いに対応づけて操作特定用ＮＮ記憶部６２３４に記憶させる。

　ニューラルネットワーク計算部６２１４は、操作特定用ニューラルネットワークを用いた演算処理を行う。ここで、ニューラルネットワーク計算部６２１４は、操作特定用ニューラルネットワークのうち前述の全結合層と判定層とに相当する部分のみの演算を実行する第２ニューラルネットワーク計算部として機能する。ニューラルネットワーク計算部６２１４は、操作特定用ニューラルネットワークのうち前述の全結合層と判定層とに相当する部分を用いて、ＮＮ出力情報取得部６２２０が取得したＮＮ出力情報が示す特徴量から判定値を算出する。係数設定部６２１３は、操作特定用ニューラルネットワークの全結合層における重み係数を設定する。

　係数決定部６２１５は、操作特定用ニューラルネットワークの全結合層における重み係数を決定する。具体的には、係数決定部６２１５は、まず、ニューラルネットワーク計算部６２１４により操作特定用ＮＮ記憶部６２３４が記憶するＮＮ出力情報が示す複数の出力値それぞれに重み係数を掛けたものの総和から得られる判定値を取得する。次に、係数決定部６２１５は、操作特定用ＮＮ記憶部６２３４から、ＮＮ出力情報取得部６２２０が取得したＮＮ出力情報に対応する操作識別情報を取得し、操作特定用ＮＮ記憶部６２３４が記憶する判定値情報を参照して取得した操作識別情報に対応する判定値を特定する。そして、係数決定部６２１５は、ＮＮ出力情報に基づいて算出された判定値が、特定した判定値と一致するように、操作特定用ニューラルネットワークの全結合層の重み係数を決定する。この全結合層の重み係数は、操作特定用ニューラルネットワークに設定される第２ニューラルネットワーク係数の一部を構成する。

　係数情報生成部６２１８は、係数決定部６２１３が決定したパラメータ算出用ニューラルネットワークの重み係数、または、操作特定用ニューラルネットワークの全結合層における重み係数を示す情報を含む係数情報を生成する。係数送信部６２１９は、係数情報生成部６２１８が生成した係数情報を、宅外ネットワークＮＴ１を介して空気調和機６００４へ送信する。

　次に、本実施の形態に係る制御システムの動作について図７２および図７３を参照しながら説明する。まず、図７２に示すように、空気調和機６００４が、利用者が自己のジェスチャを空気調和機６００４に対する操作内容と対応づけるためのジェスチャ登録操作を受け付けたとする（ステップＳ１０８１）。ここで、ジェスチャ登録操作は、例えば操作機器６に空気調和機６００４に対する複数種類の種操作内容を示す情報が表示された状態で、利用者が複数種類の操作内容から１つの操作内容を選択するための操作を行う。そして、利用者は、操作内容を選択した後に、ジェスチャを行った状態で空気調和機６００４に利用者を撮像させるための操作を行う。これにより、空気調和機６００４は、利用者により選択された操作内容を識別する操作識別情報と、ジェスチャ画像を示す画像情報とを取得する。そして、空気調和機６００４は、操作特定用ニューラルネットワークの畳み込み層およびプーリング層に相当する部分を用いて、画像取得部４１２が直近に撮像装置により撮像された利用者のジェスチャを示す画像情報からその画像情報の特徴量を算出し、算出した特徴量を示すＮＮ出力情報とＮＮ出力属性情報とを生成する（ステップＳ１０８２）。

　ＮＮ出力情報は、プロトコル情報と、ＮＮ出力情報識別情報と、特徴量情報と、を含む。プロトコル情報は、ＮＮ出力情報をクラウドサーバ６００２へ送信する際の通信プロトコルに関する各種情報を含む。また、ＮＮ出力属性情報は、例えば図７３に示すように、プロトコル情報と、各種属性情報と、を含む。属性情報としては、生成したＮＮ出力情報に対応する畳み込み層、プーリング層、全結合層および判定層の組み合わせを識別する組み合わせ識別情報と、ＮＮ識別情報の作成者を識別する作成者識別情報と、操作特定用ニューラルネットワークの重み係数を決定する際に用いられる画像情報のファイル名を示す画像関連情報と、操作特定用ニューラルネットワークの重み係数を格納するファイル名を示す係数ファイル関連情報と、が含まれる。また、ＮＮ出力属性情報は、操作特定用ニューラルネットワークの入力層のノード数、層数、機能、バージョン番号、更新時期を示す情報を含む入力層情報と、操作特定用ニューラルネットワークの畳み込み層のノード数、層数、機能、バージョン番号、更新時期を示す情報を含む畳み込み層情報と、操作特定用ニューラルネットワークのプーリング層のノード数、層数、機能、バージョン番号、更新時期を示す情報を含むプーリング層情報と、操作特定用ニューラルネットワークの全結合層および判定層のノード数、層数、機能、バージョン番号、更新時期を示す情報を含む全結合層・判定層情報と、を含む。更に、ＮＮ出力属性情報は、操作特定用ニューラルネットワークの分割方法および分割数を示す情報を含む分割情報と、ＮＮ出力情報に連結可能な他のＮＮ出力情報が格納されたファイル名を示す連結可能ファイル情報と、を含む。

　図７２に戻って、続いて、生成されたＮＮ出力情報とＮＮ出力属性情報と操作識別情報とが、空気調和機６００４からクラウドサーバ６００２へ送信される（ステップＳ１０８３）。一方、クラウドサーバ６００２は、ＮＮ出力情報とＮＮ出力属性情報と操作識別情報とを取得すると、取得したＮＮ出力情報とＮＮ出力属性情報と操作識別情報とを互いに対応づけて操作特定用ＮＮ記憶部６２３４に記憶させる。その後、クラウドサーバ６００２は、操作特定用ニューラルネットワークの全結合層における重み係数を決定する（ステップＳ１０８４）。ここでは、ニューラルネットワーク計算部６２１４が、操作特定用ニューラルネットワークのうち前述の全結合層と判定層とに相当する部分を用いて、取得したＮＮ出力情報が示す出力値から判定値を算出する。そして、係数決定部６２１３が、算出した判定値が、ＮＮ出力情報に対応付けられた操作識別情報に対応する判定値と一致するように、操作特定用ニューラルネットワークの全結合層の重み係数を決定する。

　次に、クラウドサーバ６００２は、決定した操作特定用ニューラルネットワークの全結合層における重み係数を示す重み係数情報を含む係数情報とこれに対応する係数属性情報とを生成する（ステップＳ１０８５）。ここで、係数情報は、プロトコル情報と、生成した係数情報を識別する係数情報識別情報と、重み係数情報と、を含む。係数属性情報は、ＮＮ主力属性情報と同様に、図７３に示すような、プロトコル情報と、各種属性情報と、を含む。即ち、係数属性情報は、組み合わせ識別情報と、作成者識別情報と、画像関連情報と、係数ファイル関連情報と、入力層情報と、畳み込み層情報と、プーリング層情報と、全結合層・判定層情報と、分割情報と、連結可能ファイル情報と、を含む。

　図７２に戻って、続いて、生成された係数情報と係数属性情報とが、クラウドサーバ６００２から空気調和機６００４へ送信される（ステップＳ１０８６）。一方、空気調和機６００４は、係数情報と係数属性情報とを取得すると、取得した係数情報に含まれる操作特定用ニューラルネットワークの全結合層の重み係数を示す重み係数情報を、操作特定用ＮＮ記憶部６４３５に記憶させる（ステップＳ１０８７）。

　その後、空気調和機６００４が、利用者によるジェスチャ操作モードへの切り替え操作を受け付けたとする（ステップＳＳ１０８８）。この場合、空気調和機６００４は、動作モード記憶部４３３にジェスチャ操作モードであることを示す動作モード情報を記憶させることにより、動作モードをジェスチャ操作モードに設定する（ステップＳ１０８９）。

　次に、空気調和機６００４が、撮像装置４８１により利用者のジェスチャを撮像することにより画像情報を取得したとする（ステップＳ１０９０）。この場合、空気調和機６００４は、画像情報に基づいて、操作識別情報を特定する（ステップＳ１０９１）。ここでは、係数設定部６１２１が、係数決定部６１２２が決定した複数の畳み込みフィルタそれぞれの重み係数を、操作特定用ニューラルネットワークの複数の畳み込みフィルタそれぞれの重み係数に設定する。次に、ニューロエンジン４０４が、操作特定用ニューラルネットワークを用いて、画像取得部４１２が取得した画像情報から当該画像情報に対応する判定値を算出する。そして、機器設定更新部６４１９が、操作特定用ＮＮ記憶部６１３５が記憶する判定値情報を参照して、ニューロエンジン４０４が算出した判定値に対応する操作識別情報を特定する。

　その後、空気調和機６００４が、機器設定パラメータを算出する（ステップＳ１０９２）。ここでは、機器設定更新部６４１９が、特定した操作識別情報が示す操作内容に基づいて、機器設定パラメータを算出する。次に、空気調和機６００４は、算出した機器設定パラメータを示す機器設定情報で機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１０９３）。

　次に、本実施の形態に係る空気調和機６００４が実行する機器制御処理について図７４を参照しながら説明する。この機器制御処理は、例えば空気調和機６００４へ電源が投入されたことを契機として開始される。まず、操作受付部４１３は、空気調和機６００４へのジェスチャ登録操作を受け付けたか否かを判定する（ステップＳ６１０１）。操作受付部４１３が、ジェスチャ登録操作を受け付けていないと判定すると（ステップＳ６１０１：Ｎｏ）、そのまま後述のステップＳ６１０７の処理が実行される。一方、操作受付部４１３が、ジェスチャ登録操作を受け付けたと判定すると（ステップＳ６１０１：Ｙｅｓ）、画像取得部４１２が、ジェスチャ登録操作の対象となるジェスチャ画像を示す画像情報を取得する（ステップＳ６１０２）。画像取得部４１２は、取得した画像情報を画像記憶部６４３６に記憶させる。次に、ニューロエンジン４０４は、画像記憶部６４３６が記憶する画像情報に対して、係数設定部６１２１により重み係数が設定された複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行する（ステップＳ６１０２）。ここで、ニューロエンジン４０４は、前述の演算アクセラレータ４４３により、複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行するようにしてもよい。これにより、ニューロエンジン４０４は、画像情報に対応する特徴量を算出する。続いて、ＮＮ出力情報生成部６１２３は、算出された特徴量を用いてＮＮ出力情報を生成するとともに、これに対応するＮＮ出力属性情報を生成する（ステップＳ６１０４）。その後、ＮＮ出力情報送信部６２１４は、生成されたＮＮ出力情報およびＮＮ出力属性情報と、画像情報に対応する操作を識別する操作識別情報と、をクラウドサーバ６００２へ送信する（ステップＳ６１０５）。このとき、クラウドサーバ６００２は、後述するように、ＮＮ出力情報送信部６２１４が送信したＮＮ出力情報、ＮＮ出力属性情報および操作識別情報に基づいて、操作特定用ニューラルネットワークのうち全結合層と判定層とに相当する部分の重み係数を決定する。

　その後、係数取得部６１２０は、操作特定用ニューラルネットワークの全結合層および判定層における係数情報を含む係数情報とこれに対応する係数属性情報とを取得し、取得した係数情報および係数属性情報を操作特定用ＮＮ記憶部６４３５に記憶させる（ステップＳ６１０６）。

　次に、操作受付部４１３は、空気調和機４の動作モードの設定操作を受け付けたか否かを判定する（ステップＳ６１０７）。具体的には、操作受付部４１３が、空気調和機４の動作モードをジェスチャ操作モードに設定するための操作を示す操作情報を受け付けたか否かを判定する。操作受付部４１３が、空気調和機４の動作モード設定操作を受け付けていないと判定すると（ステップＳ６１０７：Ｎｏ）、そのまま後述のステップＳ６１０９の処理が実行される。一方、操作受付部４１３が、空気調和機４の動作モード設定操作を受け付けたと判定すると（ステップＳ６１０７：Ｙｅｓ）、動作モード設定部４２０は、ジェスチャ操作モードを示す動作モード情報を動作モード記憶部４３３に記憶させる（ステップＳ６１０８）。続いて、機器設定更新部６４１９は、空気調和機６００４の動作モードがジェスチャ操作モードであるか否かを判定する（ステップＳ６１０９）。ここで、機器設定更新部６４１９は、空気調和機６００４の動作モードがジェスチャ操作モードでないと判定すると（ステップＳ６１０９：Ｎｏ）、再びステップＳ６１０１の処理が実行される。一方、機器設定更新部６４１９が、空気調和機６００４の動作モードがジェスチャ操作モードであると判定すると（ステップＳ６１０９：Ｙｅｓ）、画像取得部４１２が、ジェスチャ操作のための画像情報を取得したか否かを判定する（ステップＳ６１１０）。画像取得部４１２が、ジェスチャ操作のための画像情報を取得していないと判定すると（ステップＳ６１１０：Ｎｏ）、再びステップＳ６１０１の処理が実行される。一方、画像取得部４１２は、ジェスチャ操作のための画像情報を取得したと判定すると（ステップＳ６１１０：Ｙｅｓ）、取得した画像情報を画像記憶部６４３６に記憶させる。そして、ニューロエンジン４０４は、画像記憶部６４３６に記憶された画像情報に対して、操作特定用ニューラルネットワークを用いた計算を実行することにより、判定値を算出する（ステップＳ６１１１）。ここで、ニューロエンジン４０４は、演算アクセラレータ４４３により、複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行し、プロセッサ４４１により、操作用ニューラルネットワークの全結合層と判定層に相当する部分の計算を実行するようにしてもよい。

　続いて、機器設定更新部６４１９は、操作特定用ＮＮ記憶部６４３５が記憶する操作識別情報の中から、ニューロエンジン４０４が算出した判定値に対応する操作識別情報を特定する（ステップＳ６１１２）。その後、機器設定更新部６４１９は、特定した操作識別情報に対応する機器設定パラメータを算出し（ステップＳ６１１３）、算出した機器設定パラメータに基づいて機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ６１１４）。

　次に、本実施の形態に係るクラウドサーバ６００２が実行する係数情報生成処理について図７５を参照しながら説明する。この係数情報生成処理は、例えばクラウドサーバ６００２へ電源が投入されたことを契機として開始される。まず、ＮＮ出力情報取得部６２２０は、空気調和機６００４からＮＮ出力情報、ＮＮ出力属性情報および操作識別情報を取得したか否かを判定する（ステップＳ６２０１）。ＮＮ出力情報取得部６２２０は、ＮＮ出力情報、ＮＮ出力属性情報および操作識別情報を取得していないと判定すると（ステップＳ６２０１：Ｎｏ）、再びステップＳ６２０１の処理を実行する。一方、ＮＮ出力情報取得部６２２０が、ＮＮ出力情報、ＮＮ出力属性情報および操作識別情報を取得したと判定したとする（ステップＳ６２０１：Ｙｅｓ）。この場合、ニューラルネットワーク計算部６２１４は、ＮＮ出力情報取得部６２２０が、ＮＮ出力情報およびＮＮ出力属性情報を用いて、操作特定用ニューラルネットワークの全結合層および判定層に相当する部分の計算を実行する（ステップＳ６２０２）。これにより、ニューラルネットワーク計算部６２１４は、ＮＮ出力情報およびＮＮ出力属性情報に対応する判定値を算出する。

　次に、係数決定部６２１５は、操作特定用ＮＮ記憶部６２３４が記憶する判定値の中から、ＮＮ出力情報取得部６２２０が取得した操作識別情報に対応する判定値を取得し、取得した判定値とニューラルネットワーク計算部６２１４が算出した判定値との誤差を算出する（ステップＳ６２０３）。続いて、係数決定部６２１５は、算出された誤差に基づいて、誤差逆伝播法（バックプロパゲーション）により操作特定用ニューラルネットワークの全結合層および判定層に相当する部分の各ノードの重み係数を決定する（ステップＳ６２０４）。ここで、係数決定部６２１５は、決定した重み係数示す重み係数情報を操作特定用ＮＮ記憶部６２３４に記憶させる。

　その後、係数情報生成部６２１８は、決定された重み係数を示す重み係数情報を含む係数情報と、これに対応する係数属性情報と、を生成する（ステップＳ６２０５）。次に、係数送信部６２１９は、生成された係数情報と係数属性情報とを空気調和機６００４へ送信する（ステップＳ６０２６）。続いて、再びステップＳ６２０１の処理が実行される。

　結局、本実施の形態に係る制御システムでは、図７６に示すように、空気調和機６００４のニューロエンジン４０４が、画像記憶部６４３６から入力層Ｌ１１へ入力される画像情報に対して畳み込み層Ｌ２１での畳み込み演算処理とプーリング層Ｌ３１でのプーリング処理とを繰り返し実行することにより画像情報に対応する特徴量を算出する。このとき、ニューロエンジン４０４は、演算アクセラレータ４４３により、畳み込み層Ｌ２１での畳み込み演算処理とプーリング層Ｌ３１でのプーリング処理とを繰り返し実行する。そして、算出された特徴量を示すＮＮ出力情報が、クラウドサーバ６００２のニューラルネットワーク計算部６２１４へ入力される。そして、ニューラルネットワーク計算部６２１４は、ＮＮ出力情報が示す特徴量について、全結合層Ｌ４２および判定層Ｌ５２における処理を実行することにより判定値を算出する。次に、係数決定部６２１４が、ニューラルネットワーク計算部６２１４が算出した判定値に基づいて全結合層Ｌ４２、Ｌ４１における重み係数を決定する。決定した重み係数を示す情報は、空気調和機６００４へ送信されて操作特定用ＮＮ記憶部６４３５に記憶される。続いて、空気調和機６００４の係数設定部６１２１は、操作特定用ＮＮ記憶部６４３５を参照して操作特定用ニューラルネットワークの全結合層における重み係数を、操作用ニューラルネットワークの全結合層に設定する。そして、ニューロエンジン４０４は、操作特定用ニューラルネットワークの全結合層に相当する部分を用いて、算出した画像情報に対応する特徴量から判定値を算出する。このとき、ニューロエンジン４０４は、プロセッサ４４１により、操作用ニューラルネットワークの全結合層と判定層に相当する部分の計算を実行するようにしてもよい。

　以上説明したように、本実施の形態に係る制御システムでは、空気調和機６００４が、過去に撮像装置４８１により撮像された利用者の複数種類のジェスチャそれぞれに対応する画像情報と当該画像情報に対応付けられた機器設定パラメータとに基づいて、操作特定用のニューラルネットワークの重み係数を決定する。また、空気調和機６００４は、係数決定部６１２２、６２１５により決定された重み係数が設定された操作特定用ニューラルネットワークを用いて、直近に撮像装置４８１により撮像された画像情報に対応する機器設定パラメータを求め、求めた機器設定パラメータを示す機器設定情報を生成する。これにより、利用者は操作機器６００６を操作することなく空気調和機６００４を操作することができるので、利用者の利便性を高めることができる。

　また、本実施の形態に係る制御システムでは、空気調和機６００４が、操作特定用ニューラルネットワークの全結合層および判定層に相当する部分だけを用いて、操作識別情報を特定する。これにより、クラウドサーバ６００２から空気調和機６００４へ送信される情報量を低減することができるので、クラウドサーバ６００２と空気調和機６００４との間でのトラフィックを低減することができるとともに、空気調和機６００４の処理負荷を軽減することができる。また、操作特定用ニューラルネットワークの全結合層以降の情報量は、操作特定用ニューラルネットワーク全体の情報量に比べ小さくなっているため、係数情報のダウンロード時における通信量を大幅に削減することができる。

　更に、本実施の形態に係る制御システムでは、ＮＮ出力属性情報が、組み合わせ識別情報と作成者識別情報と画像関連情報と係数ファイル関連情報とを含む。また、ＮＮ出力属性情報は、前述の操作特定用ニューラルネットワークの入力層情報と畳み込み層情報とプーリング層情報と全結合層・判定層情報と分割情報と連結可能ファイル情報とを含む。これにより、ＮＮ出力情報の他の製造メーカへの提供時のような場合において、ＮＮ出力情報に対応するＮＮ出力属性情報の内容を確認することにより、畳み込み層、プーリング層、全結合層および判定層のバージョンまたはバージョンアップ時期の確認ができる。

　また、このような構造化されたニューラルネットワークの係数情報は、例えば図７７に示すような流通形態で伝送される。係数情報は、機器毎や個人毎に生成されるため多くのデータを機器管理するメーカクラウドＢ、Ｃでストレージするのではなく、情報銀行Ａでストレージする場合がある。ジェスチャ画像のような画像に関連する操作情報については、メーカそれぞれの独自性が少ないため、機器を販売するメーカ以外のメーカでも使用される場合がある。このような場合、係数属性情報または係数情報を、標準化されたファイル形式として互換性を担保する必要がある。また、構造化された係数情報を流通させる場合も、係数属性情報の中に構造化のための内容が記載されているため、メーカを跨いだ係数情報が流通が可能となる。また、操作特定用ニューラルネットワークの前段部分のみまたは後段部分のみの係数情報をダウンロードしたり、これら両方をまとめてダウンロードすることもできる。但し、操作特定用ニューラルネットワークの前段部分、後段部分或いはその他の部分は、バージョンアップにより前段部分と後段部分の互換性が無くなる場合もある。このため、係数属性情報には、ファイルの分割数に関する情報のみならず、連結可能ファイルの識別情報または連結可能なファイルのリストが掲載されたリンク先の識別情報を含むものとし、操作特定用ニューラルネットワークの各部分の組み合わせに対する互換性の有無に関する情報を係数情報とともに配信する必要がある。

　操作特定用ニューラルネットワークの前段部分は、画像の特徴を抽出する部分であるため、この前段部分が、例えば犬、猫等の動物の画像の画像を利用して複数の畳み込みフィルタそれぞれの重み係数が決定されている場合と、後述するメンテナンス要員の帽子またはネームプレートの画像を利用して複数の畳み込みフィルタそれぞれの重み係数が決定されている場合と、子供、お年寄り或いは複数の人物の画像を利用して複数の畳み込みフィルタそれぞれの重み係数が決定されている場合と、で抽出される画像の特徴が異なることになる。このため、これらの操作特定用ニューラルネットワークの前段部分の互換性が無いことになる。

　また、前述の係数属性情報は、例えば、組み合わせ情報として、組み合わせ可能識別番号、改定時期情報、著作権情報或いは作成者（著作権者）に関する情報、学習情報として、教師データのリンク先識別情報、教師内容ファイル識別情報を含んでいてもよい。また、係数属性情報は、係数ファイルに関する情報として係数ファイルリンク先識別情報をふくんでいてもよい。また、係数属性情報は、操作特定用ニューラルネットワークの構造に関する情報として、入力層情報（ノード数、層数、役割、バージョン番号、改定時期を示す情報）、畳み込み層情報（ノード数、層数、役割、バージョン番号、改定時期を示す情報）、プーリング層情報（ノード数、層数、役割、バージョン番号、改定時期を示す情報）、全入力・判定層情報（ノード数、層数、役割、バージョンr番号、改定時期を示す情報）を含んでいてもよい。更に、係数属性情報は、操作特定用ニューラルネットワークの各部分の組み合わせに関する情報として、ファイル分割数を示す情報（２分割（特徴・判定）、３分割（入力・特徴・判定）を示す情報）、連結可能ファイルに関する情報（連結可能ファイル識別情報、連結可能ファイルのリストが記載されたリンク先の識別情報）を含んでもよい。

（実施の形態１０）
　本実施の形態に係る制御システムでは、実施の形態６と同様に、機器が、過去に撮像装置により撮像された利用者の複数種類のジェスチャ画像それぞれに対応する画像情報と当該画像情報に対応付けられた機器設定パラメータとに基づいて、操作特定用ニューラルネットワークの重み係数を決定する。また、機器制御部は、操作特定用ニューラルネットワークを用いて、直近に撮像装置により撮像して得られた画像情報に対応する機器設定パラメータを求め、求めた機器設定パラメータに基づいて機器を制御する。

　本実施の形態に係る空気調和機７００４は、実施の形態９で図６８を用いて説明した空気調和機６００４のハードウェア構成と同様である。図７８に示すように、空気調和機７００４の制御部７４００は、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、画像取得部４１２、操作受付部４１３、機器制御部４１４、機器設定更新部６４１９、動作モード設定部４２０、利用者特定部４２１、係数設定部７１２１、係数決定部７１２２、ＮＮ出力情報取得部７１２６および画像送信部７１２７として機能する。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、操作特定用ＮＮ記憶部６４３５と、画像記憶部６４３６と、を有する。操作特定用ＮＮ記憶部６４３５は、操作特定用ニューラルネットワークの構造を示す情報と、後述する畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数および全結合層における重み係数とを示す情報と、を記憶する。また、操作特定用ＮＮ記憶部６１３５は、利用者のジェスチャから利用者が行う操作を特定するための操作特定用ニューラルネットワークの構造を示す情報と、後述する畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数および全結合層における重み係数とを示す情報と、を記憶する。また、操作特定用ＮＮ記憶部６１３５は、利用者が行う操作の内容を数値化した判定値を示す判定値情報を、利用者が行う操作内容を識別する操作識別情報に対応づけて記憶する。なお、ＣＰＵ、主記憶部および補助記憶部は、図６８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。

　画像取得部４１２は、撮像装置４８１により撮像して得られた画像情報および操作識別情報を取得し、取得した画像情報を操作識別情報に対応づけて画像記憶部６４３６に記憶させる。画像送信部７１２７は、画像記憶部６４３６が記憶する画像情報をクラウドサーバ７００２へ送信する。

　ニューロエンジン４０４は、操作特定用ニューラルネットワークにおける畳み込み層とプーリング層とに相当する部分を用いた演算処理と、操作特定用ニューラルネットワークのうち前述の全結合層と判定層とに相当する部分の演算処理と、を実行することにより判定値を算出する。

　係数決定部７１２２は、操作特定用ニューラルネットワークの畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する。具体的には、係数決定部７１２２は、まず、ニューロエンジン４０４により画像取得部４１２が取得した各種画像情報に対して複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返して得られた複数の出力値それぞれに重み係数を掛けたものの総和から得られる判定値を取得する。この複数の畳み込みフィルタそれぞれの重み係数と全結合層における重み係数とは、操作特定用ニューラルネットワークに設定される第３ニューラルネットワーク係数を構成する。次に、係数決定部７１２２は、画像記憶部６４３６から、各種画像情報に対応づけられた操作識別情報を取得し、操作特定用ＮＮ記憶部６４３５が記憶する判定値情報を参照して各種画像情報に対応する判定値を特定する。そして、係数決定部７１２２は、各種画像情報に基づいて算出された判定値が、特定した判定値と一致するように、畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する。係数決定部７１２２は、決定した重み係数を示す重み係数情報を、操作特定用ＮＮ記憶部６４３５に記憶させる。

　ＮＮ出力情報取得部７１２６は、クラウドサーバ７００２から送信されるＮＮ出力情報を取得する場合、取得したＮＮ出力情報と操作特定用ＮＮ記憶部６４３５に記憶させる。

　係数設定部７１２１は、係数決定部７１２２が決定した複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を、操作特定用ニューラルネットワークに設定する。そして、ニューロエンジン４０４は、操作特定用ニューラルネットワークを用いて、画像取得部４１２が直近に撮像装置４８１により撮像された利用者のジェスチャを示す画像情報から当該画像情報に対応する判定値を算出する。ここで、ニューロエンジン４０４は、クラウドサーバ７００２からＮＮ出力情報を取得している場合、操作特定用ニューラルネットワークの全結合層に相当する部分を用いて、取得したＮＮ出力情報が示す特徴量から判定値を算出する。

　クラウドサーバ７００２のハードウェア構成は、実施の形態１で説明したクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ７００２では、図７９に示すように、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、係数設定部６２１３、ニューラルネットワーク計算部６２１４、画像取得部７２１７、ＮＮ出力情報生成部７２２１およびＮＮ出力情報送信部７２２２として機能する。なお、図７９において、実施の形態９と同様の構成については、図６９と同一の符号を付している。また、補助記憶部は、操作特定用ＮＮ記憶部６２３４と、画像記憶部７２３５と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。画像取得部７２１７は、空気調和機７００４から送信される画像情報と操作識別情報とを取得し、取得した画像情報を操作識別情報に対応づけて画像記憶部７２３５に記憶させる。

　ニューラルネットワーク計算部６２１４は、パラメータ算出用ニューラルネットワークを用いた演算処理を行う部分と、操作特定用ニューラルネットワークを用いた演算処理を行う部分とを有する。ここで、ニューラルネットワーク計算部６２１４は、操作特定用ニューラルネットワークのうち前述の畳み込み層とプーリング層とに相当する部分を用いて、画像情報から当該画像情報に対応する特徴量を算出する。

　ＮＮ出力情報生成部７２２１は、ニューラルネットワーク計算部６２１４により画像情報に対して複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返して得られた特徴量を示すＮＮ出力情報を生成する。ＮＮ出力情報送信部７２２２は、ＮＮ出力情報生成部７２２１が生成したＮＮ出力情報を、宅外ネットワークＮＴ１を介して空気調和機７００４へ送信する。

　次に、本実施の形態に係る制御システムの動作について図８０を参照しながら説明する。なお、図８０において、実施の形態９と同様の処理については、図７２と同一の符号を付している。まず、空気調和機７００４が、利用者が自己のジェスチャを空気調和機７００４に対する操作内容と対応づけるためのジェスチャ登録操作を受け付けたとする（ステップＳ１０８１）。この場合、空気調和機７００４が、画像情報と画像情報が示すジェスチャ画像に対応する操作を示す操作識別情報とを互いに対応づけて画像記憶部６１３６に記憶させる。次に、画像情報と操作識別情報とが、空気調和機７００４からクラウドサーバ７００２へ送信される（ステップＳ１１０１）。

　一方、クラウドサーバ７００２は、画像情報と操作識別情報とを取得すると、取得した画像情報と操作識別情報とを互いに対応づけて画像記憶部７２３５に記憶させる。続いて、クラウドサーバ７００２は、操作特定用ニューラルネットワークの畳み込み層およびプーリング層に相当する部分を用いて、取得した画像情報からその画像情報の特徴量を算出し、算出した特徴量を示すＮＮ出力情報とＮＮ出力属性情報とを生成する（ステップＳ１１０２）。このＮＮ出力情報の構造は、実施の形態９で図７３を用いて説明したＮＮ出力情報と同様の構造を有する。その後、生成されたＮＮ出力情報が、クラウドサーバ７００２から空気調和機７００４へ送信される（ステップＳ１１０３）。一方、空気調和機７００４は、ＮＮ出力情報を取得すると、取得したＮＮ出力情報を、対応する操作識別情報と対応づけて操作特定用ＮＮ記憶部６４３５に記憶させる。その後、空気調和機７００４は、操作特定用ニューラルネットワークの畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する（ステップＳ１１０４）。ここでは、ニューロエンジン４０４が、操作特定用ニューラルネットワークの全結合層と判定層とに相当する部分を用いて、取得したＮＮ出力情報が示す特徴量から判定値を算出する。そして、係数決定部７１２２２が、算出した判定値が、ＮＮ出力情報に対応付けられた操作識別情報に対応する判定値と一致するように、操作特定用ニューラルネットワークの全結合層の重み係数を決定する。また、空気調和機７００４は、特定した操作特定用ニューラルネットワークの全結合層の重み係数を示す重み係数情報を、操作特定用ＮＮ記憶部６４３５に記憶させる。

　次に、空気調和機７００４が、利用者による手動モードへの切り替え操作を受け付けると（ステップＳ１０８８）、ステップＳ１０８９以降の処理が実行される。なお、空気調和機７００４が、操作用ニューラルネットワークのうち畳み込み層とプーリング層とに相当する部分を用いて、画像情報から特徴量を算出する処理を実行する場合、空気調和機７００４は、画像情報をクラウドサーバ７００２に送信しない。

　次に、本実施の形態に係る空気調和機７００４が実行する機器制御処理について図８１を参照しながら説明する。なお、図８１において、実施の形態９と同様の処理については図７４と同一の符号を付している。まず、操作受付部４１３は、空気調和機７００４へのジェスチャ登録操作を受け付けたか否かを判定する（ステップＳ６１０１）。操作受付部４１３が、ジェスチャ登録操作を受け付けていないと判定すると（ステップＳ６１０１：Ｎｏ）、そのまま後述のステップＳ６１０７の処理が実行される。一方、操作受付部４１３が、ジェスチャ登録操作を受け付けたと判定すると（ステップＳ６１０１：Ｙｅｓ）、画像取得部４１２が、ジェスチャ登録操作の対象となるジェスチャ画像を示す画像情報と操作識別情報とを取得する（ステップＳ６１０２）。画像取得部４１２は、取得した画像情報と操作識別情報とを互いに対応づけて画像記憶部６４３６に記憶させる。次に、画像送信部７１２７は、画像記憶部６４３６が記憶する画像情報と操作識別情報とをクラウドサーバ７００２へ送信する（ステップＳ７１０１）。このとき、クラウドサーバ７００２は、後述するように、画像送信部７１２７が送信した画像情報に対して、複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行して画像情報に対応する特徴量を示すＮＮ出力情報を生成する。

　続いて、ＮＮ出力情報取得部７１２６は、クラウドサーバ７００２からＮＮ出力情報とＮＮ出力属性情報とを取得する（ステップＳ７１０２）。その後、ニューロエンジン４０４は、ＮＮ出力情報およびＮＮ出力属性情報を用いて、操作特定用ニューラルネットワークの全結合層および判定層に相当する部分の計算を実行する（ステップＳ７１０３）。これにより、ニューロエンジン４０４は、ＮＮ出力情報およびＮＮ出力属性情報に対応する判定値を算出する。ここで、ニューロエンジン４０４は、前述のプロセッサ４４１により、前述の全結合層および判定層に相当する部分の計算を実行するようにしてもよい。

　次に、係数決定部７１２２は、操作特定用ＮＮ記憶部６４３５が記憶する判定値の中から、前述の操作識別情報に対応する判定値を取得し、取得した判定値とニューロエンジン４０４が算出した判定値との誤差を算出する（ステップＳ７１０４）。続いて、係数決定部７１２２は、算出された誤差に基づいて、操作特定用ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と全結合層の各ノードの重み係数とを決定する（ステップＳ７１０５）。ここで、係数決定部７１２２は、決定した重み係数示す重み係数情報を操作特定用ＮＮ記憶部６４３５に記憶させる。その後、ステップＳ６１０５以降の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ７００２が実行するＮＮ出力情報生成処理について図８２を参照しながら説明する。まず、画像取得部７２１７は、空気調和機７００４から画像情報および操作識別情報を取得したか否かを判定する（ステップＳ７２０１）。画像取得部７２１７は、画像情報および操作識別情報を取得していないと判定すると（ステップＳ７２０１：Ｎｏ）、再びステップＳ７２０１の処理を実行する。一方、画像取得部７２１７が、画像情報および操作識別情報を取得したと判定したとする（ステップＳ７２０１：Ｙｅｓ）。この場合、ニューラルネットワーク計算部６２１４は、画像情報に対して、係数設定部６２１３により重み係数が設定された複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行する（ステップＳ７２０２）。これにより、ニューラルネットワーク計算部６２１４は、画像情報に対応する特徴量を算出する。続いて、ＮＮ出力情報生成部７２２１は、算出された特徴量を用いてＮＮ出力情報を生成するとともに、これに対応するＮＮ出力属性情報を生成する（ステップＳ７２０３）。その後、ＮＮ出力情報送信部７２２２は、生成されたＮＮ出力情報およびＮＮ出力属性情報を空気調和機７００４へ送信する（ステップＳ７２０４）。

　結局、本実施の形態に係る制御システムでは、空気調和機７００４において画像情報に対応する特徴量を算出しない場合、画像情報がクラウドサーバ７００２に送信されて画像記憶部７２３５に記憶される。そして、図８３に示すように、ニューラルネットワーク計算部６２１４が、画像記憶部７２３５から入力層Ｌ１２へ入力される画像情報に対して畳み込み層Ｌ２２での畳み込み演算処理とプーリング層Ｌ３２でのプーリング処理とを繰り返し実行して画像情報に対応する特徴量を算出する。そして、算出した特徴量を示すＮＮ出力情報が、空気調和機７００４のニューロエンジン４０４へ入力される。そして、ニューロエンジン４０４が、ＮＮ出力情報が示す特徴量について、全結合層Ｌ４２および判定層Ｌ５２における処理を実行することにより判定値を算出する。このとき、ニューロエンジン４０４は、例えば、プロセッサ４４１により、全結合層Ｌ４２および判定層Ｌ５２における演算処理を実行する。

　一方、空気調和機７００４において画像情報に対応する特徴量を算出する場合、ニューロエンジン４０４が、画像記憶部６４３６から入力層Ｌ１１へ入力される画像情報に対して畳み込み層Ｌ２１での畳み込み演算処理とプーリング層Ｌ３１でのプーリング処理とを繰り返し実行して画像情報に対応する特徴量を算出する。そして、ニューロエンジン４０４は、算出された特徴量について、全結合層Ｌ４２および判定層Ｌ５２における処理を実行することにより判定値を算出する。このとき、ニューロエンジン４０４は、例えば、プロセッサ４４１により、全結合層Ｌ４２および判定層Ｌ５２における演算処理を実行する。

　なお、本実施の形態に係る制御システムでは、例えばクラウドサーバ７００２が空気調和機７００４以外の機器から予め画像情報を取得するものであってもよい。この場合、クラウドサーバ７００２は、操作特定用ニューラルネットワークの畳み込み層とプーリング層とに相当する部分を用いて、取得した画像情報から当該画像情報に対応する特徴量を算出し、算出した特徴量を示すＮＮ出力情報を生成して操作特定用ＮＮ記憶部６２３４に記憶させておいてもよい。

　例えば利用者が、撮像装置（図示せず）を搭載した端末装置においてジェスチャ操作登録用のアプリケーションを起動し、端末装置に空気調和機６００４に対する複数種類の種操作内容を示す情報が表示された状態で、利用者が複数種類の操作内容から１つの操作内容を選択するための操作を行ったとする。そして、利用者は、操作内容を選択した後に、ジェスチャを行った状態で撮像装置で利用者を撮像するための操作を行う。これにより、端末装置は、利用者により選択された操作内容を識別する操作識別情報と、ジェスチャ画像を示す画像情報とを取得する。そして、図８４に示すように、クラウドサーバ７００２が、利用者を撮像して得られる画像情報と操作識別情報とを端末装置７００７から取得すると（ステップＳ１１４１）、操作特定用ニューラルネットワークの畳み込み層とプーリング層とに相当する部分を用いて、取得した画像情報から特徴量を算出し、算出した特徴量を示すＮＮ出力情報とこれに対応するＮＮ出力属性情報とを生成する（ステップＳ１１４２）。ここで、クラウドサーバ７００２は、生成したＮＮ出力情報を画像情報に対応づけて操作特定用ＮＮ記憶部６２３４に記憶させる。なお、図８４において、図８０を用いて説明した処理と同様の処理については、図８０と同一の符号を付している。

　次に、空気調和機７００４が、利用者が自己のジェスチャを空気調和機７００４に対する操作内容と対応づけるためのジェスチャ登録操作を受け付けたとする（ステップＳ１０８１）。この場合、クラウドサーバ７００２に対してＮＮ出力情報の送信を要求するＮＮ出力情報要求情報が、空気調和機７００４からクラウドサーバ７００２へ送信される（ステップＳ１１４３）。ここで、ＮＮ出力情報要求情報には、空気調和機７００４が取得した画像情報が含まれる。一方、クラウドサーバ７００２は、ＮＮ出力情報要求情報を取得すると、取得したＮＮ出力情報要求情報から画像情報を抽出し、操作特定用ＮＮ記憶部６２３４が記憶する複数のＮＮ出力情報の中から、抽出した画像情報に基づいて１つのＮＮ出力情報を特定する（ステップＳ１１４４）。続いて、特定されたＮＮ出力情報が、クラウドサーバ７００２から空気調和機７００４へ送信される（ステップＳ１１４５）。一方、空気調和機７００４は、ＮＮ出力情報を取得すると、取得したＮＮ出力情報を、対応する操作識別情報と対応づけて操作特定用ＮＮ記憶部６４３５に記憶させる。その後、空気調和機７００４は、操作特定用ニューラルネットワークの畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する（ステップＳ１１４６）。その後、ステップＳ１０８８以降の処理が実行される。

　以上説明したように、本実施の形態に係る制御システムでも、空気調和機７００４が、係数決定部７１２２により決定された重み係数が設定された操作特定用ニューラルネットワークを用いて、直近に撮像装置４８１により撮像された画像情報に対応する機器設定パラメータを求め、求めた機器設定パラメータを示す機器設定情報を生成する。これにより、利用者は操作機器６００６を操作することなく空気調和機７００４を操作することができるので、利用者の利便性を高めることができる。

（実施の形態１１）
　本実施の形態に係る制御システムでは、クラウドサーバが、撮像装置により撮像された利用者の複数種類のジェスチャ画像それぞれに対応する画像情報と当該画像情報に対応付けられた機器設定パラメータとに基づいて、操作特定用ニューラルネットワークの重み係数を決定する。また、機器制御部は、操作特定用ニューラルネットワークを用いて、直近に撮像装置により撮像して得られた画像情報に対応する機器設定パラメータを求め、求めた機器設定パラメータに基づいて機器を制御する。

　本実施の形態に係る空気調和機８００４は、実施の形態９で図６８を用いて説明した空気調和機６００４のハードウェア構成と同様である。図８５に示すように、空気調和機８００４の制御部８４００は、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、画像取得部４１２、操作受付部４１３、機器制御部４１４、機器設定更新部６４１９、動作モード設定部４２０、利用者特定部４２１、係数設定部８１２１、係数決定部７１２２、ＮＮ出力情報取得部７１２６および画像送信部７１２７として機能する。なお、図８５において、実施の形態９、１０と同様の構成については図６９、図７８と同一の符号を付している。また、補助記憶部は、機器設定記憶部４３１と、利用者情報記憶部４３２と、動作モード記憶部４３３と、操作特定用ＮＮ記憶部６４３５と、画像記憶部６４３６と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図６８に示すＣＰＵ４０１、主記憶部４０２および補助記憶部４０３と同様である。

　操作特定用ＮＮ記憶部６４３５は、操作特定用ニューラルネットワークの構造を示す情報と、操作特定用ニューラルネットワークの全結合層における重み係数を示す情報を記憶する。また、操作特定用ＮＮ記憶部６１３５は、利用者が行う操作の内容を数値化した判定値を示す判定値情報を、利用者が行う操作内容を識別する操作識別情報に対応づけて記憶する。係数取得部８１２０は、操作特定用ニューラルネットワークの全結合層における重み係数を示す情報を含む係数情報を、クラウドサーバ８００２から取得する。ニューロエンジン４０４は、操作特定用ニューラルネットワークのうち全結合層と判定層とに相当する部分のみの演算を実行することにより判定値を算出する。ＮＮ出力情報取得部７１２８は、クラウドサーバ８００２から送信されるＮＮ出力情報を取得し、取得したＮＮ出力情報と操作特定用ＮＮ記憶部６４３５に記憶させる。

　係数設定部８１２１は、係数取得部８１２０が取得した係数情報が示す操作特定用ニューラルネットワークの全結合層における重み係数を、操作特定用ニューラルネットワークに設定する。そして、ニューロエンジン４０４は、操作特定用ニューラルネットワークのうちの全結合層と判定層とに相当する部分を用いて、ＮＮ出力情報取得部７１２８が取得したＮＮ出力情報が示す特徴量から判定値を算出する。

　クラウドサーバ８００２のハードウェア構成は、実施の形態１で説明したクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ８００２では、図８６に示すように、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、係数設定部８２１３、ニューラルネットワーク計算部６２１４、係数決定部８２１５、係数情報生成部８２１８、係数送信部８２１９、画像取得部７２１７、ＮＮ出力情報生成部７２２１およびＮＮ出力情報送信部７２２２として機能する。また、補助記憶部２０３は、操作特定用ＮＮ記憶部６２３４と、画像記憶部７２３５と、を有する。

　係数決定部８２１５は、操作特定用ニューラルネットワークの畳み込み層で用いる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する。具体的には、係数決定部８２１５は、まず、ニューラルネットワーク計算部６２１４により画像取得部７２１７が取得した各種画像情報に対して複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返して得られた複数の出力値それぞれに重み係数を掛けたものの総和から得られる判定値を取得する。次に、係数決定部８２１５は、画像記憶部７２３５から、各種画像情報に対応づけられた操作識別情報を取得し、操作特定用ＮＮ記憶部６２３４が記憶する判定値情報を参照して各種画像情報に対応する判定値を特定する。そして、係数決定部８２１５は、各種画像情報に基づいて算出された判定値が、特定した判定値と一致するように、畳み込み層で用いられる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する。係数決定部８２１５は、決定した重み係数を示す情報を、操作特定用ＮＮ記憶部６１３５に記憶させる。

　係数情報生成部８２１８は、係数決定部８２１５が決定した操作特定用ニューラルネットワークの全結合層における重み係数を示す情報を含む係数情報とこれに対応する係数属性情報とを生成する。係数送信部８２１９は、係数情報生成部８２１８が生成した係数情報と係数属性情報とを、空気調和機８００４へ送信する。

　係数設定部８２１３は、係数決定部８２１５が決定した操作特定用ニューラルネットワークの畳み込み層で用いる複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数を、操作特定用ニューラルネットワークに設定する。そして、ニューラルネットワーク計算部６２１４は、操作特定用ニューラルネットワークのうち畳み込み層とプーリング層とに相当する部分を用いて、画像情報から当該画像情報に対応する特徴量を算出する。

　次に、本実施の形態に係る制御システムの動作について図８７を参照しながら説明する。なお、図８７において、実施の形態９、１０と同様の処理については、図７２、図８０と同一の符号を付している。まず、空気調和機８００４が、利用者が自己のジェスチャを空気調和機４、５２に対する操作内容と対応づけるためのジェスチャ登録操作を受け付けたとする（ステップＳ１０８１）。この場合、クラウドサーバ８００２に対して操作特定用ニューラルネットワークの全結合層における係数を示す情報を含む係数情報の送信を要求する係数要求情報と画像情報と操作識別情報とが、空気調和機８００４からクラウドサーバ８００２へ送信される（ステップＳ１１２１）。一方、クラウドサーバ８００２は、係数要求情報と画像情報と操作識別情報とを取得すると、取得した画像情報と操作識別情報と互いに対応づけて画像記憶部７２３５に記憶させる。続いて、クラウドサーバ８００２は、取得した画像情報と操作識別情報とを用いて、操作特定用ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を決定する（ステップＳ１１２２）。続いて、決定された重み係数を示す重み係数情報が含まれる係数情報とこれに対応する係数属性情報とが、クラウドサーバ８００２から空気調和機８００４へ送信される（ステップＳ１１２３）。一方、空気調和機８００４は、クラウドサーバ８００２から係数情報と係数属性情報とを取得すると、取得した係数情報に含まれる操作特定用ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と、全結合層における重み係数と、を示す重み係数情報を操作特定用ＮＮ記憶部６４３５に記憶させる（ステップＳ１１２５）。

　次に、空気調和機８００４が、利用者による手動モードへの切り替え操作を受け付けたとする（ステップＳ１０８８）、この場合、空気調和機８００４は、動作モード記憶部４３３に手動モードであることを示す動作モード情報を記憶させることにより、動作モードを手動モードに設定する（ステップＳ１０８９）。続いて、空気調和機８００４が、撮像装置４８１により撮像して得られる利用者の画像情報を取得すると（ステップＳ１０９０）、空気調和機８００４が取得した画像情報が、空気調和機８００４からクラウドサーバ８００２へ送信される（ステップＳ１１２５）。一方、クラウドサーバ８００２は、画像情報を取得すると、操作特定用ニューラルネットワークの畳み込み層およびプーリング層に相当する部分を用いて、取得した画像情報からその画像情報の特徴量を算出し、算出した特徴量を示すＮＮ出力情報とこれに対応するＮＮ出力属性情報とを生成する（ステップＳ１１２６）。その後、生成されたＮＮ出力情報とＮＮ出力属性情報とが、クラウドサーバ８００２から空気調和機８００４へ送信される（ステップＳ１１２７）。一方、空気調和機８００４は、ＮＮ出力情報とＮＮ出力属性情報とを取得すると、ＮＮ出力属性情報に基づいて、操作識別情報を特定する（ステップＳ１１２８）。ここでは、ニューロエンジン４０４が、操作特定用ニューラルネットワークの全結合層に相当する部分を用いて、取得したＮＮ出力情報が示す特徴量から判定値を算出する。そして、機器設定更新部６４１９が、操作特定用ＮＮ記憶部６１３５が記憶する判定値情報を参照して、ニューロエンジン４０４により算出された判定値に対応する操作識別情報を特定する。

　続いて、空気調和機８００４が、機器設定パラメータを算出する（ステップＳ１１２９）。ここでは、機器設定更新部６４１９が、特定した操作識別情報が示す操作内容に基づいて、機器設定パラメータを算出する。次に、空気調和機８００４は、算出した機器設定パラメータを示す機器設定情報で機器設定記憶部４３１が記憶する機器設定情報を更新する（ステップＳ１０９３）。

　次に、本実施の形態に係る空気調和機８００４が実行する機器制御処理について図８８を参照しながら説明する。なお、図８８において、実施の形態９に係る機器制御処理と同様の処理については、図７４と同一の符号を付している。まず、操作受付部４１３は、空気調和機６００４へのジェスチャ登録操作を受け付けたか否かを判定する（ステップＳ６１０１）。操作受付部４１３が、ジェスチャ登録操作を受け付けていないと判定すると（ステップＳ６１０１：Ｎｏ）、そのまま後述のステップＳ６１０７の処理が実行される。一方、操作受付部４１３が、ジェスチャ登録操作を受け付けたと判定すると（ステップＳ６１０１：Ｙｅｓ）、画像取得部４１２が、ジェスチャ登録操作の対象となるジェスチャ画像を示す画像情報を取得する（ステップＳ６１０２）。画像取得部４１２は、取得した画像情報とこれに対応する操作識別情報とを画像記憶部６４３６に記憶させる。

　次に、係数取得部８１２０が、係数要求情報をクラウドサーバ８００２へ送信するとともに、画像送信部７１２７が、画像記憶部６４３６が記憶する画像情報および操作識別情報をクラウドサーバ８００２へ送信する（ステップＳ８１０１）。このとき、クラウドサーバ８００２は、空気調和機８００４から取得した画像情報および操作識別情報を用いて畳み込み層の複数の畳み込みフィルタそれぞれの重み係数と全結合層の各ノードの重み係数とを決定する。続いて、係数取得部８１２０は、係数情報とこれに対応する係数属性情報とを取得し、取得した係数情報に含まれる重み係数情報を操作特定用ＮＮ記憶部６４３５に記憶させる（ステップＳ８１０２）。続いて、ステップＳ６１０７からＳ６１１０までの一連の処理が実行され、ステップＳ６１１０において、画像取得部４１２は、ジェスチャ操作のための画像情報を取得したと判定したとする（ステップＳ６１１０：Ｙｅｓ）。この場合、画像取得部４１２は、取得した画像情報を画像記憶部６４３６に記憶させる。そして、画像送信部７１２７は、画像記憶部６４３６が記憶する画像情報を、クラウドサーバ８００２へ送信する（ステップＳ８１０３）。このとき、クラウドサーバ８００２は、空気調和機８００４から取得した画像情報に対して、重み係数が設定された複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行することによりＮＮ出力情報を生成する。

　その後、ＮＮ出力情報取得部７１２６は、クラウドサーバ８００２からＮＮ出力情報とこれに対応するＮＮ出力属性情報とを取得する（ステップＳ８１０４）。ＮＮ出力情報取得部７１２６は、取得したＮＮ出力情報とＮＮ出力属性情報とを操作特定用ＮＮ記憶部６４３５に記憶させる。次に、ニューロエンジン４０４は、操作特定用ＮＮ記憶部６４３５に記憶されたＮＮ出力情報を用いて、操作特定用ニューラルネットワークの全結合層に相当する部分の計算を実行することにより、判定値を算出する（ステップＳ８１０５）。ここで、ニューロエンジン４０４は、プロセッサ４４１により、操作用ニューラルネットワークの全結合層と判定層に相当する部分の計算を実行するようにしてもよい。続いて、ステップＳ６１１２以降の処理が実行される。

　次に、本実施の形態に係るクラウドサーバ８００２が実行する係数情報・ＮＮ出力情報生成処理について図８９を参照しながら説明する。まず、係数送信部８２１９が空気調和機８００４から係数要求情報を取得し、画像取得部７２１７が、空気調和機８００４から画像情報および操作識別情報を取得したか否かを判定する（ステップＳ８２０１）。係数送信部８２１９が係数要求情報を取得しておらず、画像取得部７２１７が画像情報および操作識別情報を取得していないと判定すると（ステップＳ８２０１：Ｎｏ）、後述するステップＳ８２０８の処理が実行される。一方、係数送信部８２１９が係数要求情報を取得し、画像取得部７２１７が画像情報および操作識別情報を取得したと判定したとする（ステップＳ８２０１：Ｙｅｓ）。この場合、画像取得部７２１７は、取得した画像情報を画像記憶部７２３５に記憶させる。そして、ニューラルネットワーク計算部６２１４は、画像記憶部７２３５が記憶する画像情報に対して、係数設定部８２１３により重み係数が設定された複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行する（ステップＳ８２０２）。これにより、ニューラルネットワーク計算部６２１４は、画像情報に対応する特徴量を算出する。続いて、ニューラルネットワーク計算部６２１４は、算出された特徴量について、操作特定用ニューラルネットワークの全結合層および判定層に相当する部分の計算を実行する（ステップＳ８２０３）。これにより、ニューラルネットワーク計算部６２１４は、画像情報に対応する判定値を算出する。

　その後、係数決定部８２１５は、操作特定用ＮＮ記憶部６２３４が記憶する判定値の中から、取得した画像情報に対応する判定値を取得し、取得した判定値とニューラルネットワーク計算部６２１４が算出した判定値との誤差を算出する（ステップＳ８２０４）。次に、係数決定部８２１５は、算出された誤差に基づいて、操作特定用ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と、全結合層における各ノードの重み係数とを決定する（ステップＳ６２０４）。ここで、係数決定部８２１５は、決定した重み係数示す重み係数情報を操作特定用ＮＮ記憶部６２３４に記憶させる。

　続いて、係数情報生成部８２１８は、決定された重み係数を示す重み係数情報を含む係数情報と、これに対応する係数属性情報と、を生成する（ステップＳ８２０６）。その後、係数送信部８２１９は、生成された係数情報と係数属性情報とを空気調和機８００４へ送信する（ステップＳ８２０７）。

　次に、画像取得部７２１７は、空気調和機８００４から画像情報を取得したか否かを判定する（ステップＳ８２０８）。画像取得部７２１７が、画像情報を取得していないと判定すると（ステップＳ８２０８：Ｎｏ）、再びステップＳ８２０１の処理が実行される。一方、画像取得部７２１７は、空気調和機８００４から画像情報を取得したと判定すると（ステップＳ８２０８：Ｙｅｓ）、取得した画像情報を画像記憶部７２３５に記憶させる。そして、ニューラルネットワーク計算部６２１４は、画像記憶部７２３５が記憶する画像情報に対して、係数設定部８２１３により重み係数が設定された複数の畳み込みフィルタを用いた畳み込み演算とプーリング処理とを予め設定された回数だけ繰り返す計算を実行する（ステップＳ８２０９）。これにより、ニューラルネットワーク計算部６２１４は、画像情報に対応する特徴量を算出する。続いて、ＮＮ出力情報生成部７２２１は、算出された特徴量を用いてＮＮ出力情報を生成するとともに、これに対応するＮＮ出力属性情報を生成する（ステップＳ８２１０）。その後、ＮＮ出力情報送信部７２２２は、生成されたＮＮ出力情報およびＮＮ出力属性情報を空気調和機８００４へ送信する（ステップＳ８２１１）。その後、再びステップＳ８２０１の処理が実行される。

　結局、本実施の形態に係る制御システムでは、画像情報が空気調和機８００４からクラウドサーバ８００２に送信されて画像記憶部７２３５に記憶される。そして、図９０に示すように、ニューラルネットワーク計算部６２１４が、画像記憶部７２３５から入力層Ｌ１２へ入力される画像情報に対して畳み込み層Ｌ２２での畳み込み演算処理とプーリング層Ｌ３２でのプーリング処理とを繰り返し実行して画像情報に対応する特徴量を算出する。そして、算出された特徴量を示すＮＮ出力情報が、空気調和機８００４のニューロエンジン４０４へ入力される。そして、ニューラルネットワーク計算部６２１４は、ＮＮ出力情報が示す特徴量について、全結合層Ｌ４１および判定層Ｌ５１における処理を実行することにより判定値を算出する。また、ニューラルネットワーク計算部６２１４は、算出した特徴量について、全結合層Ｌ４２および判定層Ｌ５２における処理を実行することにより判定値を算出する。そして、係数決定部８２１５は、ニューラルネットワーク計算部６２１４が算出した判定値に基づいて全結合層Ｌ４２、Ｌ４１における重み係数を決定する。決定した重み係数を示す情報は、空気調和機８００４へ送信されて操作特定用ＮＮ記憶部６４３５に記憶される。続いて、空気調和機８００４の係数設定部８１２１は、操作特定用ＮＮ記憶部６４３５を参照して操作特定用ニューラルネットワークの全結合層における重み係数を、操作用ニューラルネットワークに設定する。そして、ニューロエンジン４０４は、操作特定用ニューラルネットワークの全結合層と判定層とに相当する部分を用いて、ＮＮ出力情報が示す特徴量から判定値を算出する。このとき、ニューロエンジン４０４は、プロセッサ４４１により、操作用ニューラルネットワークの全結合層と判定層とに相当する部分の計算を実行するようにしてもよい。

　以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ８００２において、操作特定用ニューラルネットワークの畳み込み層およびプーリング層に相当する部分の演算処理を実行し、空気調和機８００４が、操作特定用ニューラルネットワークの全結合層に相当する部分の演算処理のみを実行する。これにより、空気調和機８００４における処理負荷を軽減することができる。また、空気調和機８００４において、畳み込み層およびプーリング層を実現するニューロエンジンを備えない構成とすることにより、空気調和機８００４の制御部８４００の小規模化を図ることができる。

　以上、本発明の実施の形態について説明したが、本発明は前述の実施の形態の構成に限定されるものではない。例えば、図９１に示すように、制御システムが、空気調和機３００４で用いられるニューラルネットワークに関連する履歴情報、係数情報等を含むニューラルネットワーク関連情報（以下、「ＮＮ関連情報」と称する。）を管理するストレージサーバ９００８を備えるものであってもよい。なお、図９１において、空気調和機３００４は、実施の形態５で説明した空気調和機３００４と同様である。また、図９１において、実施の形態１と同様の構成については図１と同一の符号を付している。本変形例では、住戸Ｈ１以外の他の住戸Ｈ２に空気調和機３００４と同様の構成を有する空気調和機９００４が設置されているものとする。ストレージサーバ９００８は、宅外ネットワークＮＴ１を介してクラウドサーバ９００２と通信可能である。

　クラウドサーバ９００２のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。クラウドサーバ９００２では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図９２に示すように、履歴情報取得部３２１１、気象実績取得部３２１２、係数設定部２１３、ニューラルネットワーク計算部２１４、係数決定部２１５、係数情報生成部３２１８、係数送信部２２１９、ニューラルネットワーク関連情報生成部（以下、「ＮＮ関連情報生成部」と称する。）９２１８と、ニューラルネットワーク関連情報送信部（以下、「ＮＮ関連情報送信部」と称する。）９２１９と、ニューラルネットワーク関連情報取得部（以下、「ＮＮ関連情報取得部」と称する。）９２２０として機能する。なお、図９２において、実施の形態５と同様の構成については、図４２と同一の符号を付している。また、補助記憶部は、履歴情報記憶部２３１と、気象情報記憶部２３２と、初期係数記憶部３２３３と、を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。

　ＮＮ関連情報生成部９２１８は、空気調和機３００４から履歴情報を取得し、取得した履歴情報に含まれる利用者情報に基づいて、空気調和機３００４の使用状況を示す使用状況情報を生成する。そして、ＮＮ関連情報生成部９２１８は、履歴情報記憶部２３１から動作履歴情報と環境履歴情報とを取得し、取得した動作履歴情報および環境履歴情報と、生成した使用状況を示す情報と、を含むＮＮ関連情報を生成する。ＮＮ関連情報送信部９２１９は、生成されたＮＮ関連情報を、ストレージサーバ９００８へ送信する。ＮＮ関連情報取得部９２２０は、ストレージサーバ９００８に対してＮＮ関連情報の送信を要求するＮＮ関連情報要求情報をストレージサーバ９００８へ送信することにより、ストレージサーバ９００８からＮＮ関連情報を取得する。ここで、ＮＮ関連情報要求情報には、住戸Ｈ１における空気調和機４、５２および給湯機５１の使用状況を示す使用状況情報が含まれる。

　ストレージサーバ９００８のハードウェア構成は、実施の形態１の図１０に示すクラウドサーバ２のハードウェア構成と同様である。ストレージサーバ９００８では、ＣＰＵが、補助記憶部が記憶するプログラムを主記憶部に読み出して実行することにより、図９３に示すように、ＮＮ関連情報取得部９８０１、ニューラルネットワーク関連情報特定部（以下、「ＮＮ関連情報特定部」と称する。）９８０２およびＮＮ関連情報送信部９８０３として機能する。また、補助記憶部は、クラウドサーバ９００２から取得したＮＮ関連情報を記憶するＮＮ関連情報記憶部９３１を有する。なお、ＣＰＵ、主記憶部および補助記憶部は、図１０に示すＣＰＵ２０１、主記憶部２０２および補助記憶部２０３と同様である。ＮＮ関連情報記憶部９３１は、例えば図９４に示すように、ＮＮ関連情報に含まれる使用状況情報、係数情報、動作履歴情報、環境履歴情報等を、ＮＮ関連情報を識別するニューラルネットワーク識別情報（以下、「ＮＮ識別情報」と称する。）に対応づけて記憶する。

　ＮＮ関連情報取得部９８０１は、クラウドサーバ９００２から送信されるＮＮ関連情報を取得し、取得したＮＮ関連情報に識別情報を付与してＮＮ関連情報記憶部９３１に記憶させる。ＮＮ関連情報特定部９８０２は、クラウドサーバ９００２から送信されるＮＮ関連情報要求情報を取得すると、取得したＮＮ関連情報要求情報から使用状況情報を抽出する。そして、ＮＮ関連情報特定部９８０２は、ＮＮ関連情報記憶部９３１が記憶するＮＮ関連情報の中から、それらの使用状況情報の内容が抽出した使用状況情報の内容に類似するものを特定する。ＮＮ関連情報送信部９８０３は、ＮＮ関連情報特定部９８０２が特定したＮＮ関連情報をクラウドサーバ９００２へ送信する。

　次に、本変形例に係る制御システムの動作について図９５を参照しながら説明する。ここでは、空気調和機９００４が、住戸Ｈ２に新たに設定される場合について説明する。まず、クラウドサーバ９００２が、予め設定されたＮＮ関連情報生成時期が到来したと判定したとする。この場合、空気調和機３００４に対して係数情報と履歴情報とを送信するよう要求する係数履歴要求情報が、クラウドサーバ９００２から空気調和機３００４へ送信される（ステップＳ１１５１）。一方、空気調和機３００４は、係数履歴要求情報を取得すると、係数情報と履歴情報とを生成する（ステップＳ１１５２）。次に、生成された係数情報と履歴情報とが、空気調和機３００４からクラウドサーバ９００２へ送信される（ステップＳ１１５３）。一方、クラウドサーバ９００２は、係数情報と履歴情報とを取得すると、取得した履歴情報に含まれる利用者情報に基づいて、空気調和機３００４の使用状況を示す使用状況情報を生成する。また、クラウドサーバ９００２は、履歴情報に含まれる動作履歴情報と環境履歴情報とを履歴情報記憶部２３１に記憶させる。そして、クラウドサーバ９００２は、履歴情報記憶部２３１から動作履歴情報と環境履歴情報とを取得し、取得した動作履歴情報および環境履歴情報と、生成した使用状況を示す情報と、を含むＮＮ関連情報を生成する（ステップＳ１１５４）。続いて、生成されたＮＮ関連情報が、クラウドサーバ９００２からストレージサーバ９００８へ送信される（ステップＳ１１５５）。一方、ストレージサーバ９００８は、ＮＮ関連情報を取得すると、取得したＮＮ関連情報に識別情報を付与してＮＮ関連情報記憶部９３１に記憶させる。

　その後、住戸Ｈ２に空気調和機９００４が新たに設置され、クラウドサーバ９００２に対してニューラルネットワークの初期係数を要求する係数要求情報が、空気調和機９００４からクラウドサーバ９００２へ送信されたとする（ステップＳ１１５７）。次に、クラウドサーバ９００２が係数要求情報を取得すると、前述のＮＮ関連情報要求情報が、クラウドサーバ９００２からストレージサーバ９００８へ送信される（ステップＳ１１５８）。一方、ストレージサーバ９００８は、ＮＮ関連情報要求情報を取得すると、取得したＮＮ関連情報要求情報から使用状況情報を抽出する。そして、ストレージサーバ９００８は、ＮＮ関連情報記憶部９３１が記憶するＮＮ関連情報の中から、それらの使用状況情報の内容が抽出した使用状況情報の内容に類似するＮＮ関連情報を特定する（ステップＳ１１５９）。

　続いて、ストレージサーバ９００８が特定したＮＮ関連情報が、ストレージサーバ９００８からクラウドサーバ９００２へ送信される（ステップＳ１１６０）。一方、クラウドサーバ９００２は、ＮＮ関連情報を取得すると、取得したＮＮ関連情報から係数情報を抽出する（ステップＳ１１６１）。その後、抽出された係数情報が、クラウドサーバ９００２から空気調和機９００４へ送信される（ステップＳ１１６２）。このようにして、空気調和機９００４は、空気調和機３００４のニューラルネットワーク記憶部２４３６が記憶していた重み係数を示す情報を取得して、取得した重み係数を示す情報を自装置のニューラルネットワーク記憶部に記憶させることができる。

　また、例えば図９６に示すように、端末装置１１００９が、空気調和機３００４が設置されている住戸内の写真画像ＧＡ２１と、空気調和機３００４が用いるニューラルネットワークに付与されたＮＮ識別情報ＩＤ１１００１と、を含む画像ＧＡ２を表示部１１００９ａに表示するものであってもよい。

　この場合、例えば図９７に示すように、まず、ステップＳ１１５２からＳ１１５６の一連の処理が実行されることにより、ストレージサーバ９００８が、空気調和機３００４により用いられるニューラルネットワークに対応するＮＮ関連情報をＮＮ関連情報記憶部９３１に記憶させる。なお、図９７において、図９５を用いて説明した処理と同様の処理については同一の符号を付している。その後、端末装置１１００９が、例えば図９７に示すように、写真画像ＧＡ２１とＮＮ識別情報ＩＤ１１００１と含む画像ＧＡ２を表示部１１００９ａに表示させたとする（ステップＳ１１７６）。ここで、端末装置１１００９の利用者が、端末装置１１００９に対して空気調和機３００４が用いるニューラルネットワークに設定された重み係数と同じ重み係数を空気調和機９００４が用いるニューラルネットワークに設定するための係数設定操作を行ったとする。この係数設定操作では、例えば利用者が予め設定された操作画面からＮＮ識別情報ＩＤ１１００１を入力する。そうすると、端末装置１１００９は、利用者により行われた係数設操作を受け付ける（ステップＳ１１７７）。次に、ＮＮ識別情報ＩＤ１１００１を含む係数要求情報が、端末装置１１００９からクラウドサーバ９００２へ送信される（ステップＳ１１７８）。

　続いて、クラウドサーバ９００２が係数要求情報を取得すると、ＮＮ識別情報ＩＤ１１００１を含むＮＮ関連情報要求情報が、クラウドサーバ９００２からストレージサーバ９００８へ送信される（ステップＳ１１７９）。一方、ストレージサーバ９００８は、ＮＮ関連情報要求情報を取得すると、取得したＮＮ関連情報要求情報からＮＮ識別情報ＩＤ１１００１を抽出する。そして、ストレージサーバ９００８は、ＮＮ関連情報記憶部９３１が記憶するＮＮ関連情報の中から、ＮＮ識別情報ＩＤ１１００１が付与されたＮＮ関連情報を特定する（ステップＳ１１８０）。

　その後、ストレージサーバ９００８が特定したＮＮ関連情報が、ストレージサーバ９００８からクラウドサーバ９００２へ送信される（ステップＳ１１８１）。一方、クラウドサーバ９００２は、ＮＮ関連情報を取得すると、取得したＮＮ関連情報から係数情報を抽出する（ステップＳ１１８２）。その後、抽出された係数情報が、クラウドサーバ９００２から空気調和機９００４へ送信される（ステップＳ１１８３）。

　更に、例えば図９８Ａまたは図９８Ｂに示すように、端末装置１１００９が、空気調和機９００４を操作するためのジェスチャを紹介する画像と、空気調和機３００４が用いるニューラルネットワークに付与されたＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２と、含む画像ＧＡ３、ＧＡ４を表示部１１００９ａに表示するものであってもよい。或いは、図９８Ｃに示すように、端末装置１１００９が、空気調和機３００４が用いる操作用ニューラルネットワークの重み係数を示す情報のダウンロードランキングのヒストグラムを示す画像と、空気調和機３００４が用いるニューラルネットワークに付与されたＮＮ識別情報ＩＤ１２００３と、含む画像ＧＡ５を表示部１１００９ａに表示するものであってもよい。

　この場合、例えば図９９に示すように、まず、ステップＳ１１５２からＳ１１５６の一連の処理が実行されることにより、ストレージサーバ９００８が、空気調和機３００４により用いられる操作用ニューラルネットワークに設定された重み係数を示す情報を含むＮＮ関連情報をＮＮ関連情報記憶部９３１に記憶させる。なお、図９９において、図９５を用いて説明した処理と同様の処理については同一の符号を付している。その後、端末装置１１００９が、例えば図９８Ａから図９８Ｃに示すように、ジェスチャ紹介画像とＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２、ＩＤ１２００３と含む画像ＧＡ３、ＧＡ４、ＧＡ５を表示部１１００９ａに表示させたとする（ステップＳ１１９６）。ここで、端末装置１１００９の利用者が、端末装置１１０９に対して空気調和機３００４が用いる操作特定用ニューラルネットワークに設定された重み係数と同じ重み係数を空気調和機９００４が用いる操作特定用ニューラルネットワークに設定するための係数設定操作を行ったとする。そうすると、端末装置１１００９は、利用者により行われた係数設操作を受け付ける（ステップＳ１１９７）。次に、ＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２、ＩＤ１２００３を含む係数要求情報が、端末装置１１００９からクラウドサーバ９００２へ送信される（ステップＳ１１９８）。

　続いて、クラウドサーバ９００２が係数要求情報を取得すると、ＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２、ＩＤ１２００３を含むＮＮ関連情報要求情報が、クラウドサーバ９００２からストレージサーバ９００８へ送信される（ステップＳ１１９９）。一方、ストレージサーバ９００８は、ＮＮ関連情報要求情報を取得すると、取得したＮＮ関連情報要求情報からＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２、ＩＤ１２００３を抽出する。そして、ストレージサーバ９００８は、ＮＮ関連情報記憶部９３１が記憶するＮＮ関連情報の中から、ＮＮ識別情報ＩＤ１２００１、ＩＤ１２００２、ＩＤ１２００３が付与されたＮＮ関連情報を特定する（ステップＳ１２００）。

　その後、ストレージサーバ９００８が特定したＮＮ関連情報が、ストレージサーバ９００８からクラウドサーバ９００２へ送信される（ステップＳ１２０１）。一方、クラウドサーバ９００２は、ＮＮ関連情報を取得すると、取得したＮＮ関連情報から操作特定用ニューラルネットワークに設定された重み係数を示す情報を含む係数情報を抽出する（ステップＳ１２０２）。その後、抽出された係数情報が、クラウドサーバ９００２から空気調和機９００４へ送信される（ステップＳ１２０３）。

　本構成によれば、ニューラルネットワークの重み係数を示す情報を、異なる空気調和機３００４、９００４間で自由に授受することが可能となる。従って、利用者は、例えば空気調和機３００４が設置された住戸内空間の環境を、新に空気調和機９００４が設置された住戸内空間で簡単に実現することができるので、利用者の利便性を向上させることができる。

　また、前述の図９１において、ストレージサーバ９００８が、情報銀行Ａとして機能するようにしてもよい。ニューラルネットワークに関する情報（ＮＮ関連情報）は、空気調和機９００４のような機器毎または個人毎に生成される。このため、ＮＮ関連情報は膨大な量となるため、それらを、図７７に示すメーカクラウドＢ、Ｃで管理するのではなく、情報銀行Ａとして機能するストレージサーバ９００８で一括して管理するほうが好ましい。例えばストレージサーバ９００８に、空気調和機、給湯機等の設計時または製造時におけるパラメータ算出用ニューラルネットワークの基本情報（構造、係数、初期値等）、教師情報（例えば操作特定用ニューラルネットワークに用いられる画像情報）、学習方式を示す情報等、或いは、利用者が使用しているパラメータ算出用ニューラルネットワーク、操作特定用ニューラルネットワークそれぞれの重み係数を示す情報、空気調和機、給湯機等で不具合が発生した時期の履歴情報を記憶させておくことができる。また、情報銀行として機能するストレージサーバ９００８には、機器の設計時または工場出荷時におけるニューラルネットワークに関する情報を保存させることができる。これにより、パラメータ算出用ニューラルネットワーク、操作特定用ニューラルネットワークに関連する膨大な情報量を、個々のクラウドサーバ９００２で保持させる必要がないため、クラウドサーバ９００２の小規模化を図ることができる。

　また、情報銀行Ａとして機能するストレージサーバ９００８が、ＮＮ関連情報として、機器の開発履歴、機械学習の方法等に関する情報を保存しておくことにより、機器で不具合を再現させたり、機器の回収または機器の改善をできるようにしておくことができる。更に、ストレージサーバ９００８が、市場に投入された機器それぞれが保有するニューラルネットワークに関する情報を管理することで、機器の使用中に得られた利用者の特徴量を示す情報、機器での不具合発生時の履歴情報等を、その機器がリプレイスされた際にリプレイス後の機器へ再インストールさせることができる。また、市場品質が改善された機器で用いられているニューラルネットワークに関する情報を、新規の機器にプリインストールさせることもできる。

　また、情報銀行Ａに預け入れたニューラルネットワークに関する情報を、利用者毎にカテゴライズし、一人暮らし用、４人家族用、子供部屋用の平均的な学習済みニューラルネットワークの情報を用意し、ユーザが機器を新規に購入した際、これらを選択してダウンロードすることにより、家族構成に合わせたニューラルネットワークに関する情報をインストールすることができ、最適な機器の自動運転またはユーザインターフェースの実現が可能となる。また、情報銀行Ａ内で、家族構成、性別年齢等のタイプ別に使用中の履歴情報を分類し、これらの履歴情報をベースに新たな学習済みのニューラルネットワークを生成することもできる。この場合、係数情報とともに係数情報に対応する付帯情報を配信し、付帯情報に係数情報に対応する使用環境を示す情報を含めることで、係数情報に対応するニューラルネットワークで実現できる住環境等の内容をスマートフォンに表示して、利用者が、住環境等を確認した上でダウンロードしたり、目的と異なる係数情報を拒否もしくは削除したりする事ができる。なお、上記の新たな学習済みニューラルネットワークの重み係数情報は、クラウドサーバ９００２と例えば空気調和機９００４とを接続してからダウンロードされてもよいし、或いは、スマートフォンのような端末装置を介して行ってもよい。特に新築戸建てのように住戸内に局所ネットワークの回線が機能していない場合に有効である。

　更に、利用者が機器に搭載されているニューラルネットワークを使って学習しカスタマイズしていく場合も、情報銀行Ａの活用が有効になる。機器に搭載されているニューラルネットワークは、利用者の操作など履歴を経てその利用者に適したものにカスタマイズされていく。そこで、このニューラルネットワークに関する情報が、メーカのクラウドサーバ９００２へ定期的にアップロードされるようにすれば、クラウドサーバ９００２にアップロードされた係数情報を用いて、利用者の引っ越し先で同じ使い勝手または機器設定で機器を利用者の嗜好に応じた形で自動運転させたりすることができる。また、利用者毎に異なる住空間を再現したり、ジェスチャ操作の態様の提供を行うサービスを行うことも可能となる。

　但し、市場に投入されたニューラルネットワークを保有する機器それぞれの係数情報は膨大でありメーカのクラウドサーバ９００２のみで管理する場合、メーカにとって負担が大きい。そこで、本変形例に係る制御システムでは、メーカが保有するクラウドサーバ９００２から情報銀行Ａとして機能するストレージサーバ９００８へニューラルネットワークに関する情報（ＮＮ関連情報）の転送（いわゆる預け入れ）が行われる。この場合、ＮＮ関連情報とともに、ニューラルネット基本情報（構造・係数・初期値等）、教師情報（教師画像等）、学習方式情報、個人識別情報、機器識別情報等を含む係数属性情報を併せてストレージサーバ９００８へ転送してもよい。例えば、利用者が引っ越し先また長期滞在先で同じような空調環境を再現したい場合は、端末装置のストレージサーバ９００８を使ったサービスを受けるためのアプリケーションを起動して、個人識別情報と新たな機器識別情報を、ストレージサーバ９００８にアップロードしておけばよい。これにより、利用者は、情報銀行Ａとして機能するストレージサーバ９００８からニューラルネットワークに関する情報を取得して、引っ越し先または長期滞在先にある別の機器へダウンロードすることで、利用者向けにカスタマイズされた環境を実現することが可能となる。

　実施の形態９に係る制御システムにおいて、例えば空気調和機６００４が撮像装置４８１により撮像して得られた利用者のジェスチャを示す画像が、空気調和機６００４のメンテナンスを行うための操作に対応するものである場合、ニューラルネットワークのメンテナンス用の重み係数を示す情報が、クラウドサーバ６００２から空気調和機６００４へ送信されるものであってもよい。この場合、クラウドサーバ６００２は、予めメンテナンス用の機器設定パラメータを示す機器情報を記憶する機器情報記憶部（図示せず）を備えるようにすればよい。

　ここで、本変形例に係る制御システムの動作について図１００および図１０１を参照しながら説明する。なお、図１００において実施の形態９と同様の処理については、図７２と同一の符号を付している。まず、空気調和機６００４が、利用者による手動モードへの切り替え操作を受け付けると（ステップＳ１０８８）、この場合、空気調和機６００４は、動作モードを手動モードに設定する（ステップＳ１０８９）。続いて、空気調和機８００４が撮像装置４８１により利用者の画像情報を取得すると（ステップＳ１１６５）、空気調和機８００４は、取得した画像情報に基づいて、操作識別情報を特定する（ステップＳ１１６６）。ここでは、ニューロエンジン４０４が、操作特定用ニューラルネットワークを用いて、取得した画像情報から当該画像情報に対応する判定値を算出する。そして、機器設定更新部６４１９が、操作特定用ＮＮ記憶部６４３５が記憶する判定値情報を参照して、ニューロエンジン４０４が算出した判定値に対応する操作識別情報を特定する。また、画像情報が、例えば図１０１に示すように、メンテナンス作業者であることを識別するマークＭＫ１が付与された帽子を被った利用者ＭＷの画像、或いは、メンテナンス作業者であることを識別するマークＭＫ２が掲載されたバッジの画像を含むものであるとする。この場合、機器設定更新部６４１９は、メンテナンス作業に対応づけられた操作識別情報を特定する。

　そして、メンテナンス作業に対応づけられた操作識別情報が特定されると、クラウドサーバ６００２に対してメンテナンス作業用の機器設定パラメータを示す機器設定情報の送信を要求するメンテナンス用機器設定要求情報が、空気調和機６００４からクラウドサーバ６００２へ送信される（ステップＳ１１６７）。一方、クラウドサーバ６００２は、メンテナンス用機器設定要求情報を取得すると、メンテナンス用機器設定要求情報に対応する機器設定パラメータを示す機器設定情報を特定する（ステップＳ１１６８）。次に、特定されたメンテナンス用の機器設定パラメータを示す機器設定情報が、クラウドサーバ６００２から空気調和機６００４へ送信される（ステップＳ１１７０）。一方、空気調和機６００４は、機器設定情報を取得すると、取得した機器設定情報を機器設定記憶部４３１に記憶させる（ステップＳ１１７６）。これにより、空気調和機６００４は、メンテナンス作業に適した動作を実行する。

　本構成によれば、空気調和機６００４のメンテナンス作業を行う作業者が、操作機器６、７２等を操作することなくメンテナンス作業を開始することができるので、空気調和機４、５２のメンテナンス作業の効率化を図ることができる。

　実施の形態３では、履歴情報が、空気調和機２００４から直接クラウドサーバ２００２へ送信され、係数情報が、クラウドサーバ２００２から直接空気調和機２００４へ送信される例について説明したが、実施の形態２における履歴情報、係数情報の送信方法は、これに限定されない。例えば、履歴情報が、空気調和機２００４からいわゆるテザリング機能を有する端末装置（図示せず）で中継されてクラウドサーバ２００２へ送信され、係数情報が、クラウドサーバ２００２から端末装置で中継されて空気調和機２００４へ送信されるものであってもよい。また、実施の形態５では、係数情報および気象実績情報が、クラウドサーバ３００２から直接空気調和機３００４へ送信される例について説明したが、実施の形態３における係数情報、気象実績情報の送信方法は、これに限定されない。例えば、係数情報および気象実績情報が、クラウドサーバ３００２から端末装置で中継されて空気調和機３００４へ送信されるものであってもよい。ここで、端末装置としては、例えばスマートフォンのような携帯端末を採用することができる。

　本構成によれば、空気調和機２００４、３００４が直接ネットワークに接続されていない場合でも、空気調和機２００４からクラウドサーバ２００２へ履歴情報を送信したり、クラウドサーバ２００２、３００２から空気調和機２００４、３００４へ係数情報または気象実績情報を送信したりすることができる。

　実施の形態９から１１において、利用者がジェスチャ操作を独自にカスタマイズする場合、操作機器６００６に対して予め設定された操作が為されたことを契機としてジェスチャ画像を取り込むものであってもよい。或いは、操作機器６００６が、マイクロフォンを備える場合、利用者が操作機器６００６のマイクロフォンに対して予め決められた音声フレーズを伝達したことを契機としてジェスチャ画像を取り込むものであってもよい。

　実施の形態９から１１において、空気調和機６００４、７００４、８００４が、ジェスチャ操作において空気調和機６００４、７００４、８００４において誤動作が生じた場合、操作エラー情報をクラウドサーバ６００２、７００２、８００２へ送信するものであってもよい。そして、クラウドサーバ６００２、７００２、８００２が、操作エラー情報に基づいて、空気調和機６００４、７００４、８００４から取得した画像情報の中から操作エラーが発生した時期に対応した画像情報を削除して、操作特定用ニューラルネットワークの重み係数を決定し、決定した重み係数を示す情報を空気調和機６００４、７００４、８００４へ送信するものであってもよい。また、クラウドサーバ６００２、７００２、８００２が受信した画像情報を、空気調和機６００４、７００４、８００４における誤動作の発生が多い画像情報と、少ない画像情報と、を分類し、分類結果に基づいて、同一種類の空気調和機６００４、７００４、８００４の工場出荷時における操作特定用ニューラルネットワークの初期重み係数を示す情報を決定してもよい。本構成によれば、空気調和機６００４、７００４、８００４の市場不良率を下げることができる。

　実施の形態２では、クラウドサーバ１５００２が、気象サーバ３から取得した気象情報を用いてスケジュール情報を生成する構成について説明したが、これに限らず、例えば、クラウドサーバ１５００２が、気象情報を用いずに機器設定パラメータを算出してスケジュール情報を生成するものであってもよい。この場合、例えば図１０２に示すように、クラウドサーバ１５００２は、気象情報取得部２１２、気象情報記憶部２３２を備えない構成とすればよい。

　実施の形態３では、空気調和機２００４が、気象サーバ３から取得した気象情報を用いて機器設定パラメータを算出する構成について説明したが、これに限らず、例えば、空気調和機２００４が、気象情報を用いずに機器設定パラメータを算出するものであってもよい。この場合、例えば図１０３に示すように、空気調和機２００４は、気象情報取得部２４２２と気象情報記憶部２４３７とを備えない構成とすればよい。また、クラウドサーバ２００２は、図１０４に示すように、気象情報取得部２１２と気象情報記憶部２３２とを備えない構成としてもよい。

　実施の形態５では、空気調和機３００４が、気象サーバ３から取得した気象情報を用いて機器設定パラメータを算出する構成について説明したが、これに限らず、例えば、空気調和機３００４が、気象情報を用いずに機器設定パラメータを算出するものであってもよい。この場合、例えば図１０５に示すように、空気調和機３００４は、気象情報取得部２４２２と気象情報記憶部２４３７とを備えない構成とすればよい。また、クラウドサーバ２００２は、図１０６に示すように、気象実績取得部３２１２と気象情報記憶部２３２とを備えない構成としてもよい。

　各実施の形態において、利用者特定部４２１が、空気調和機４の利用者の体型が予め設定された複数種類の体型の分類のいずれに属するかを特定するものであってもよい。

　また、コンピュータにプログラムを提供する方法は任意である。例えば、プログラムは、通信回線の掲示版（ＢＢＳ（Bulletin Board System））にアップロードされ、通信回線を介してコンピュータに配信されてもよい。そして、コンピュータは、このプログラムを起動して、ＯＳ（Operating System）の制御の下、他のアプリケーションと同様に実行する。これにより、コンピュータは、上述の処理を実行する空気調和機４、２００４、３００４、４００４、５０４１、５０４２、５０４３、６００４、７００４、８００４、９００４，１５００４、１６００４、１７００４およびクラウドサーバ２、２００２、３００２、４００２、５００２、６００２、７００２、８００２、９００２、１５００２、１６００２、１７００２として機能する。

　本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、この発明を説明するためのものであり、本発明の範囲を限定するものではない。すなわち、本発明の範囲は、実施形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。

　本発明は、住戸に設置される家電機器の自動運転制御に好適である。

２，２００２,３００２,５００２,６００２,７００２,８００２,９００２，１５００２，１６００２，１７００２　クラウドサーバ、３　気象サーバ、４,２００４，３００４，４００４，５０４１，５０４２，５０４３，６００４，７００４，８００４，９００４，１５００４、１６００４、１７００４　空気調和機、６,７１,７２,５０６１,５０６２,５０６３，６００６　操作機器、５１　給湯機、８１　データ回線終端装置、８２　ルータ、２０１，４０１　ＣＰＵ、２０２，４０２　主記憶部、２０３，４０３　補助記憶部、４０４　ニューロエンジン、３００３　顧客サーバ、２１１，３２１１　履歴情報取得部、２１３，２４２４，３４２４，６１２１，６２１３，７１２１，８１２１，８２１３，１５２１３，１６４２４，１７４２４　係数設定部、２１４，６２１４　ニューラルネットワーク計算部、２１５，３４２５，８２１５　係数決定部、２１７　スケジュール送信部、２３１　履歴情報記憶部、２３２，２４３７　気象情報記憶部、２３３，２４３６　ニューラルネットワーク記憶部、２３４　スケジュール記憶部、４００，２４００，３４００，４４００，５４００，６４００，７４００，８４００　制御部、４０４，６４０４　ニューロエンジン、４１１，５１１　環境情報取得部、４１２　画像取得部、４１３，５１３　操作受付部、４１４，５１４　機器制御部、４１６，５１６　履歴情報生成部、４１７，５１７　履歴情報送信部、４１８，５１８　スケジュール取得部、４１９，５１９，２４１９，４４１９，６４１９，１６４１９　機器設定更新部、４２０，５４２３　動作モード設定部、４２１　利用者特定部、４３２，５３２　利用者情報記憶部、４３３，５３３，５４３５　動作モード記憶部、４３４　履歴情報記憶部、４３５，５３５，１６４３５　スケジュール記憶部、４４１　プロセッサ、４４２　ワークメモリ、４４３　演算アクセラレータ、４４３ａ　ノード単位演算部、４４３ｂ　ローカルレジスタ、４４３ｃ　積和演算部、４４３ｄ　変換テーブル部、４４４　入出力レジスタ、４４５　ダウンロードバッファ、４６１　計測装置、４８１　撮像装置、２２１８，３２１８，５４２８，６２１８，８２１８，１６２１８　係数情報生成部、２２１９，３２１９，５２１９，５４２９，６２１９，８２１９，１６２１９　係数送信部、２１２，２４２２　気象情報取得部、２４２３，５２２０，６１２０，８１２０，１６４２３　係数取得部、６２３４，６４３５　操作特定用ニューラルネットワーク記憶部、１５２１６　嗜好特徴量情報生成部、１５２１７　嗜好特徴量送信部、１５２３５　教師情報記憶部、１５４１８　嗜好特徴量取得部、４４２５，１５４２５，１６４２５　スケジュール特定部、Ｈ　住戸、Ｌ１０,Ｌ１１,Ｌ１２　入力層、Ｌ２０　隠れ層、Ｌ３０　出力層、Ｌ４１,Ｌ４２　全結合層、Ｌ５１,Ｌ５２　判定層、ＮＴ１　宅外ネットワーク、ＮＴ２　宅内ネットワーク

Claims

　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報に基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記係数決定部により前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部と、を有し、
　前記機器は、
　前記スケジュール情報が示す運転スケジュールに従って前記機器を制御する機器制御部を有する、
　制御システム。
　前記サーバは、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部を更に有し、
　前記係数決定部は、前記動作履歴情報と前記環境履歴情報と前記履歴属性情報と前記気象実績情報に基づいて、前記第１ニューラルネットワークの第１ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記係数決定部により前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記気象予報情報と前記環境履歴情報に含まれる現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求める、
　請求項１に記載の制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部と、
　機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記係数決定部により前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記履歴情報取得部が取得した前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるニューラルネットワーク計算部と、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、を有し、
　前記機器は、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに従って前記機器を制御する機器制御部を有する、
　制御システム。
　前記係数決定部は、前記動作履歴情報と前記環境履歴情報と前記嗜好特徴量情報とに基づいて、前記第２ニューラルネットワークの第２ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記係数決定部により前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求める、
　請求項３に記載の制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を有し、
　前記機器は、
　前記係数情報と前記係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に対応する前記第１ニューラルネットワーク係数に設定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記サーバは、過去の気象条件を示す気象実績情報を含む気象情報を取得する第１気象情報取得部を更に有し、
　前記機器は、将来の気象条件を示す気象予報情報を含む気象情報を取得する第２気象情報取得部を更に有し、
　前記係数決定部は、前記動作履歴情報と前記環境履歴情報と前記気象実績情報とに基づいて、前記第１ニューラルネットワークの第１ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記係数取得部が取得した前記係数情報および前記係数属性情報に対応する前記第１ニューラルネットワーク係数に設定された前記第１ニューラルネットワークを用いて、前記気象予報情報と前記環境履歴情報に含まれる現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求める、
　請求項５に記載の制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部と、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を有し、
　前記機器は、
　前記係数情報と前記係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第２ニューラルネットワーク係数に設定された前記第２ニューラルネットワークを用いて、前記動作履歴情報および前記環境履歴情報から前記嗜好特徴量を求めるニューラルネットワーク計算部と、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記係数決定部は、前記動作履歴情報と前記環境履歴情報と前記嗜好特徴量情報とに基づいて、前記第２ニューラルネットワークの第２ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第２ニューラルネットワーク係数に設定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求める、
　請求項７に記載の制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数の初期係数を決定する初期係数決定部と、
　前記初期係数を示す初期係数情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を有し、
　前記機器は、
　前記係数情報と前記係数属性情報とを取得する係数取得部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部と、
　前記係数情報に含まれる前記初期係数情報と前記係数属性情報と前記動作履歴情報と前記環境履歴情報とに基づいて、前記第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記機器は、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部を更に有し、
　前記係数決定部は、前記係数情報に含まれる前記初期係数情報と前記係数属性情報と前記動作履歴情報と前記環境履歴情報と前記気象実績情報とに基づいて、前記第１ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記気象予報情報と前記環境履歴情報に含まれる現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求める、
　請求項９に記載の制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　予め設定されたノード数および層数を有する前記機器の嗜好の特徴量を示す嗜好特徴量を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する際に用いられる教師情報を特定する教師情報特定部と、
　前記教師情報を機器へ送信する教師情報送信部と、を有し、
　前記機器は、
　前記機器の運転スケジュールを示す複数種類のスケジュール情報を、前記嗜好特徴量に対応づけて記憶するスケジュール記憶部と、
　前記教師情報を取得する教師情報取得部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部と、
　前記教師情報に基づいて、前記第２ニューラルネットワーク係数を決定する係数決定部と、
　前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるニューラルネットワーク計算部と、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記ニューラルネットワーク計算部は、前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求める、
　請求項１１に記載の制御システム。
　前記機器は、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量を示す嗜好特徴量情報を、他の機器へ送信する嗜好特徴量送信部を更に有する、
　請求項１１または１２に記載の制御システム。
　サーバと、複数の機器と、を備え、
　前記サーバは、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報を、前記複数の機器のうちのいずれか１つから取得する第１履歴情報取得部と、
　前記第１履歴情報取得部が取得した履歴情報と前記履歴情報の属性を示す履歴属性情報とを、他の機器へ送信する履歴情報送信部と、を有し、
　前記複数の機器は、それぞれ、
　前記サーバから、機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴属性情報とを取得する第２履歴情報取得部と、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記複数の機器は、それぞれ、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部を更に備え、
　前記係数決定部は、前記動作履歴情報と前記環境履歴情報と前記履歴属性情報と前記気象実績情報に基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記気象予報情報と前記環境履歴情報に含まれる現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求める、
　請求項１４に記載の制御システム。
　サーバと、複数の機器と、を備え、
　前記サーバは、
　予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを、前記複数の機器のうちのいずれか１つから取得する第１係数取得部と、
　前記第１係数取得部が取得した係数情報と前記係数属性情報とを、他の機器へ送信する係数送信部と、を有し、
　前記複数の機器は、それぞれ、
　前記サーバから係数情報と前記係数属性情報とを取得する第２係数取得部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部と、
　前記係数情報と前記係数属性情報と前記履歴情報と前記履歴属性情報とに基づいて、前記第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　前記複数の機器は、それぞれ、過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を取得する気象情報取得部を更に有し、
　前記係数決定部は、前記係数情報と前記係数属性情報と前記履歴情報と前記履歴属性情報と前記気象実績情報に基づいて、前記第１ニューラルネットワーク係数を決定し、
　前記ニューラルネットワーク計算部は、前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記気象予報情報と前記環境履歴情報に含まれる現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求める、
　請求項１６に記載の制御システム。
　前記係数属性情報は、ニューラルネットワーク係数のフォーマット情報と、ニューラルネットワークのノード数および層数を示す情報を含む構造情報と、前記機器の識別情報と、を含む、
　請求項５から１０、１６、１７のいずれか１項に記載の制御システム。
　前記係数属性情報は、ＪＳＯＮスキーマファイル形式のフォーマットを有する、
　請求項１８に記載の制御システム。
　前記係数情報は、ＪＳＯＮファイル形式のフォーマットを有する、
　請求項５から１０、１６、１７のいずれか１項に記載の制御システム。
　前記機器の利用者を撮像する撮像装置と、
　前記撮像装置により撮像された画像に基づいて、前記利用者を特定する利用者特定部と、を更に備え、
　前記係数属性情報は、前記利用者特定部により特定された前記利用者に関する利用者情報を含む、
　請求項５から１０のいずれか１項に記載の制御システム。
　前記履歴属性情報は、前記機器を識別する機器識別情報と、前記機器設定パラメータの種別を示す機器設定種別情報と、前記環境の種別を示す環境種別情報と、を含む、
　請求項１から２１のいずれか１項に記載の制御システム。
　前記履歴属性情報は、ＪＳＯＮスキーマファイル形式のフォーマットを有する、
　請求項２２に記載の制御システム。
　前記履歴情報は、ＪＳＯＮファイル形式のフォーマットを有する、
　請求項１から２３のいずれか１項に記載の制御システム。
　機器の利用者を撮像する撮像装置と、
　前記利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部と、
　前記係数決定部により前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、直近に前記撮像装置により撮像されたジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部と、
　前記第３ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を有し、
　前記機器は、
　前記機器の利用者を撮像する撮像装置と、
　前記係数情報と前記係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、前記撮像装置により撮像して得られるジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　サーバと、機器と、を備え、
　前記サーバは、
　前記機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と全結合層における各ノードの重み係数とを決定する係数決定部と、
　前記係数決定部により前記複数の畳み込みフィルタそれぞれの重み係数が決定された前記第３ニューラルネットワークにおける畳み込み層およびプーリング層に相当する部分を用いて、前記利用者を撮像して得られるジェスチャ画像に対応する特徴量を求める第１ニューラルネットワーク計算部と、
　前記特徴量を示すニューラルネットワーク出力情報と前記ニューラルネットワーク出力情報の属性を示すニューラルネットワーク出力属性情報とを前記機器へ送信する係数送信部と、を有し、
　前記機器は、
　前記ニューラルネットワーク出力情報を取得するニューラルネットワーク出力情報取得部と、
　前記係数決定部により前記全結合層における各ノードの重み係数が決定された前記第３ニューラルネットワークにおける全結合層および判定層に相当する部分を用いて、前記ニューラルネットワーク出力情報取得部により取得された前記ニューラルネットワーク出力情報が示す特徴量と前記ニューラルネットワーク出力属性情報とから操作識別情報を求める第２ニューラルネットワーク計算部と、
　前記第２ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御システム。
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部と、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記係数決定部により前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部と、を備える、
　サーバ。
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部と、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記係数決定部により前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記履歴情報取得部が取得した前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるニューラルネットワーク計算部と、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、を備える、
　サーバ。
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報を取得する履歴情報取得部と、
　前記動作履歴情報と前記環境履歴情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を備える、
　サーバ。
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好の特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部と、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有するニューラルネットワークであって、前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部と、
　前記第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を備える、
　サーバ。
　予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数の初期係数を決定する初期係数決定部と、
　前記初期係数を示す初期係数情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を備える、
　サーバ。
　予め設定されたノード数および層数を有する機器の嗜好の特徴量を示す嗜好特徴量を求めるための第２ニューラルネットワークの重み係数を決定する際に用いられる教師情報を特定する教師情報特定部と、
　前記教師情報を機器へ送信する教師情報送信部と、を備える、
　サーバ。
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部と、
　前記第３ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部と、を備える、
　サーバ。
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と全結合層における各ノードの重み係数とを決定する係数決定部と、
　前記係数決定部により前記複数の畳み込みフィルタそれぞれの重み係数が決定された前記第３ニューラルネットワークにおける畳み込み層およびプーリング層に相当する部分を用いて、前記利用者を撮像して得られるジェスチャ画像に対応する特徴量を求める第１ニューラルネットワーク計算部と、
　前記特徴量を示すニューラルネットワーク出力情報と前記ニューラルネットワーク出力情報の属性を示すニューラルネットワーク出力属性情報を前記機器へ送信するニューラルネットワーク出力情報送信部と、を備える、
　サーバ。
　サーバから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に対応する前記第１ニューラルネットワーク係数に設定された前記第１ニューラルネットワークを用いて、前記機器が動作する環境の履歴を示す環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　サーバから、予め設定されたノード数および層数を有する利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第２ニューラルネットワーク係数に設定された前記第２ニューラルネットワークを用いて、機器の機器設定パラメータの履歴を示す動作履歴情報および前記機器が動作する環境の履歴を示す環境履歴情報から嗜好特徴量を求めるニューラルネットワーク計算部と、
　スケジュール記憶部が記憶する複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　サーバから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数の初期係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部と、
　前記係数情報と前記係数属性情報と前記動作履歴情報と前記環境履歴情報とに基づいて、前記第１ニューラルネットワーク係数を決定する係数決定部と、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好の特徴量である嗜好特徴量に対応づけて記憶するスケジュール記憶部と、
　サーバから、教師情報を取得する教師情報取得部と、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示し且つ前記嗜好特徴量を示す嗜好特徴量情報を含む履歴属性情報とを取得する履歴情報取得部と、
　前記教師情報に基づいて、予め設定されたノード数および層数を有する利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部と、
　前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるニューラルネットワーク計算部と、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部と、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　機器の利用者を撮像する撮像装置と、
　前記利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部と、
　前記係数決定部により前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、直近に前記撮像装置により撮像されたジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　機器の利用者を撮像する撮像装置と、
　サーバから、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部と、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、前記撮像装置により撮像して得られるジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を備える、
　機器。
　サーバから、利用者を撮像して得られるジェスチャ画像に対応する特徴量を示すニューラルネットワーク出力情報を取得するニューラルネットワーク出力情報取得部と、
　前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの全結合層における各ノードの重み係数が決定された前記第３ニューラルネットワークにおける前記全結合層および判定層に相当する部分を用いて、前記ニューラルネットワーク出力情報取得部により取得された前記ニューラルネットワーク出力情報が示す特徴量と前記ニューラルネットワーク出力情報の属性を示すニューラルネットワーク出力属性情報とから操作識別情報を求めるニューラルネットワーク計算部と、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部と、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、機器を制御する機器制御部と、を備える、
　機器。
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得するステップと、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報に基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定するステップと、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるステップと、
　求められた前記機器設定パラメータに基づいて、前記機器の将来の運転スケジュールを示すスケジュール情報を生成するステップと、
　前記スケジュール情報が示す運転スケジュールに従って前記機器を制御するステップと、を含む、
　制御方法。
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけてスケジュール記憶部に記憶させるステップと、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定するステップと、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得するステップと、
　前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、取得した前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるステップと、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、求められた前記嗜好特徴量に対応するスケジュール情報を特定するステップと、
　特定されたスケジュール情報が示す運転スケジュールに従って前記機器を制御するステップと、を含む、
　制御方法。
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得するステップと、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定するステップと、
　前記第１ニューラルネットワーク係数に設定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるステップと、
　求められた前記機器設定パラメータに基づいて、前記機器を制御するステップと、を含む、
　制御方法。
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけてスケジュール記憶部に記憶させるステップと、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定するステップと、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得するステップと、
　前記第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信するステップと、
　前記機器において、前記係数情報と前記係数属性情報とを取得するステップと、
　前記機器において、取得した前記係数情報および前記係数属性情報に応じた前記第２ニューラルネットワーク係数に設定された前記第２ニューラルネットワークを用いて、前記動作履歴情報および前記環境履歴情報から前記嗜好特徴量を求めるステップと、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、求められた前記嗜好特徴量に対応するスケジュール情報を特定するステップと、
　特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御するステップと、を含む、
　制御方法。
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定するステップと、
　前記機器の利用者を撮像するステップと、
　前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、撮像して得られるジェスチャ画像に対応する操作識別情報を求めるステップと、
　求められた前記操作識別情報に対応する機器設定パラメータを算出するステップと、
　算出された前記機器設定パラメータに基づいて、前記機器を制御するステップと、を含む、
　制御方法。
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と全結合層における各ノードの重み係数とを決定するステップと、
　前記複数の畳み込みフィルタそれぞれの重み係数が決定された前記第３ニューラルネットワークにおける畳み込み層およびプーリング層に相当する部分を用いて、前記利用者を撮像して得られるジェスチャ画像に対応する特徴量を求めるステップと、
　前記全結合層における各ノードの重み係数が決定された前記第３ニューラルネットワークにおける全結合層および判定層に相当する部分を用いて、ニューラルネットワーク出力情報が示す特徴量から操作識別情報を求めるステップと、
　求められた前記操作識別情報に対応する機器設定パラメータを算出するステップと、
　算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部と、を有する、
　制御方法。
　コンピュータを、
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報と前記機器の利用者を示す利用者情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部、
　前記動作履歴情報と前記環境履歴情報と前記履歴属性情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部、
　前記係数決定部により前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器の将来の運転スケジュールを示すスケジュール情報を生成するスケジュール生成部、
　として機能させるためのプログラム。
　コンピュータを、
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有するニューラルネットワークであって、前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部、
　前記係数決定部により前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記履歴情報取得部が取得した前記動作履歴情報と前記環境履歴情報とから前記嗜好特徴量を求めるニューラルネットワーク計算部、
　前記スケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部、
　として機能させるためのプログラム。
　コンピュータを、
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報を取得する履歴情報取得部、
　前記動作履歴情報と前記環境履歴情報とに基づいて、予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を決定する係数決定部、
　前記第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部、
　として機能させるためのプログラム。
　コンピュータを、
　機器の運転スケジュールを示す複数種類のスケジュール情報を、利用者の嗜好の特徴量を示す嗜好特徴量情報に対応づけて記憶するスケジュール記憶部、
　前記機器が動作する環境の履歴と、前記機器が動作する環境において、前記利用者によって前記機器が操作された機器設定パラメータの履歴から、予め設定されたノード数および層数を有する前記利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報および前記履歴情報の属性を示す履歴属性情報を取得する履歴情報取得部、
　前記第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部、
　として機能させるためのプログラム。
　コンピュータを、
　予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数の初期係数を決定する初期係数決定部、
　前記初期係数を示す初期係数情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部、
　として機能させるためのプログラム。
　コンピュータを、
　予め設定されたノード数および層数を有する機器の嗜好の特徴量を示す嗜好特徴量を求めるための第２ニューラルネットワークの重み係数を決定する際に用いられる教師情報を特定する教師情報特定部、
　前記教師情報を機器へ送信する教師情報送信部、
　として機能させるためのプログラム。
　コンピュータを、
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部、
　前記第３ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを前記機器へ送信する係数送信部、
　として機能させるためのプログラム。
　コンピュータを、
　機器の利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた前記利用者の操作内容を識別する操作識別情報とに基づいて、前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの畳み込み層における複数の畳み込みフィルタそれぞれの重み係数と全結合層における各ノードの重み係数とを決定する係数決定部、
　前記係数決定部により前記複数の畳み込みフィルタそれぞれの重み係数が決定された前記第３ニューラルネットワークにおける畳み込み層およびプーリング層に相当する部分を用いて、前記利用者を撮像して得られるジェスチャ画像に対応する特徴量を求める第１ニューラルネットワーク計算部、
　前記特徴量を示すニューラルネットワーク出力情報と前記ニューラルネットワーク出力情報の属性を示すニューラルネットワーク出力属性情報を前記機器へ送信するニューラルネットワーク出力情報送信部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に対応する前記第１ニューラルネットワーク係数に設定された前記第１ニューラルネットワークを用いて、前記機器が動作する環境の履歴を示す環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、予め設定されたノード数および層数を有する利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第２ニューラルネットワーク係数に設定された前記第２ニューラルネットワークを用いて、機器の機器設定パラメータの履歴を示す動作履歴情報および前記機器が動作する環境の履歴を示す環境履歴情報から嗜好特徴量を求めるニューラルネットワーク計算部、
　スケジュール記憶部が記憶する複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるための第１ニューラルネットワークの第１ニューラルネットワーク係数の初期係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部、
　前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを取得する履歴情報取得部、
　前記係数情報と前記係数属性情報と前記動作履歴情報と前記環境履歴情報とに基づいて、前記第１ニューラルネットワーク係数を決定する係数決定部、
　前記第１ニューラルネットワーク係数が決定された前記第１ニューラルネットワークを用いて、前記環境履歴情報に含まれる現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記機器設定パラメータに基づいて、前記機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、教師情報を取得する教師情報取得部、
　機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示し且つ利用者の嗜好特徴量を示す嗜好特徴量情報を含む履歴属性情報とを取得する履歴情報取得部、
　前記教師情報に基づいて、予め設定されたノード数および層数を有する利用者の嗜好の特徴を求めるための第２ニューラルネットワークの第２ニューラルネットワーク係数を決定する係数決定部、
　前記第２ニューラルネットワーク係数が決定された前記第２ニューラルネットワークを用いて、前記動作履歴情報と前記環境履歴情報とから嗜好特徴量を求めるニューラルネットワーク計算部、
　前記機器の運転スケジュールを示す複数種類のスケジュール情報を、前記嗜好特徴量に対応づけて記憶するスケジュール記憶部が記憶する前記複数種類のスケジュール情報の中から、前記ニューラルネットワーク計算部により求められた前記嗜好特徴量に対応するスケジュール情報を特定するスケジュール特定部、
　前記スケジュール特定部により特定されたスケジュール情報が示す運転スケジュールに基づいて、前記機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　利用者の複数種類のジェスチャそれぞれに対応するジェスチャ画像と前記ジェスチャ画像に対応付けられた操作内容を識別する操作識別情報とに基づいて、予め設定されたノード数および層数を有する前記利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を決定する係数決定部、
　前記係数決定部により前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、直近に機器の利用者を撮像する撮像装置により撮像されたジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、予め設定されたノード数および層数を有する機器の利用者の操作内容を特定するための第３ニューラルネットワークの第３ニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを取得する係数取得部、
　前記係数取得部が取得した前記係数情報および前記係数属性情報に応じた前記第３ニューラルネットワーク係数が決定された前記第３ニューラルネットワークを用いて、前記利用者を撮像する撮像装置により撮像して得られるジェスチャ画像に対応する操作識別情報を求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、前記機器を制御する機器制御部、
　として機能させるためのプログラム。
　コンピュータを、
　サーバから、利用者を撮像して得られるジェスチャ画像に対応する特徴量を示すニューラルネットワーク出力情報を取得するニューラルネットワーク出力情報取得部、
　前記利用者の操作内容を特定するための畳み込みニューラルネットワークである第３ニューラルネットワークの全結合層における各ノードの重み係数が決定された前記第３ニューラルネットワークにおける前記全結合層および判定層に相当する部分を用いて、前記ニューラルネットワーク出力情報取得部により取得された前記ニューラルネットワーク出力情報が示す特徴量と前記ニューラルネットワーク出力情報の属性を示すニューラルネットワーク出力属性情報とから操作識別情報を求めるニューラルネットワーク計算部、
　前記ニューラルネットワーク計算部により求められた前記操作識別情報に対応する機器設定パラメータを算出する機器設定パラメータ算出部、
　前記機器設定パラメータ算出部により算出された前記機器設定パラメータに基づいて、機器を制御する機器制御部、
　として機能させるためのプログラム。