系统和控制方法

技术领域

本发明涉及系统及其控制方法。

背景技术

常规而言，从诸如包括在打印机、移动终端或PC(诸如智能电话)中的触摸面板之类的装置(指示装置)发布对打印机的打印指示。例如，如日本专利特许公开No.2010-245875中所公开的，指示装置显示与指示相关的设置画面。打印机基于在设置画面上输入的打印设置来执行打印操作。

在要通过使用指示装置发布打印指示的情况下，在一些情况下可能不执行用户期望的打印。例如，即使用户期望每张片材打印两页，如果输入指示是每张片材打印一页的指示，那么当然也将根据每张片材打印一页的设置来执行打印。尽管应当输入每张片材打印两页的指示，但如果用户已经错误地输入了每张片材打印一页的指示，那么也会发生这种情况，并且如果每张片材打印一页的指示是设置画面上的默认设置并且用户忘记了改变这个指示，那么也会发生这种情况。当执行用户不期望的打印时，将需要再次执行打印。因此，这导致打印材料(例如，墨水和调色剂)和打印介质(例如，纸)的浪费的消耗。此外，也将浪费地要求更多的打印时间。

发明内容

本发明抑制了用户不期望的打印的执行。

本发明包括以下布置。即，本发明的一个方面提供了一种系统，该系统包括：获得部件，用于获得包括多个设置项目的设置值的打印设置信息；估计部件，用于通过使用已学习模型来估计包括在打印设置信息中的第一设置项目的推荐值，该已学习模型使用由获得部件获得的打印设置信息中的至少一些打印设置信息作为输入数据并输出第一设置项目的推荐值作为输出数据；以及通知部件，用于根据在由获得部件获得的打印设置信息中指示的第一设置项目的设置值与由估计部件估计的第一设置项目的推荐值之间的差异来执行通知。

根据本发明的另一方面，提供了一种系统，该系统包括：获得部件，用于获得包括多个设置项目的设置值的打印设置信息；生成部件，用于生成学习数据，在学习数据中，由获得部件获得的打印设置信息的目标设置项目的数据被设置为监督数据并且除打印设置信息的目标设置项目以外的数据被设置为输入数据；以及学习部件，用于执行学习以生成已学习模型，该已学习模型使用学习数据来输出目标设置项目的推荐值作为输出数据。

根据本发明的又一方面，提供了一种由信息处理装置执行的控制方法，该方法包括以下步骤：获得包括多个设置项目的设置值的打印设置信息；通过使用已学习模型来估计包括在打印设置信息中的第一设置项目的推荐值，该已学习模型使用在获得步骤中获得的打印设置信息中的至少一些打印设置信息作为输入数据并输出第一设置项目的推荐值作为输出数据；以及，根据在获得步骤中获得的打印设置信息中指示的第一设置项目的设置值与在估计步骤中估计的第一设置项目的推荐值之间的差异来执行通知。

根据本发明，能够抑制用户不期望的打印的执行。

通过以下参考附图对示例性实施例的描述，本发明的其它特征将变得清楚。

附图说明

图1是示出根据本发明的处理系统的布置示例的框图；

图2是示出根据本发明实施例的每个服务器的硬件布置的框图；

图3是示出根据本发明实施例的智能电话的硬件布置的框图；

图4是示出根据本发明实施例的打印机的硬件布置的框图；

图5是示出根据本发明实施例的每个装置的软件布置的框图；

图6A是示出根据本发明实施例的学习模型的输入/输出结构的示意图；

图6B是根据本发明实施例的已学习模型的输入/输出结构；

图7A和图7B是用于解释根据本发明实施例的处理序列的视图；以及

图8A和图8B是各自示出根据本发明实施例的画面的布置示例的视图。

具体实施方式

在下文中，将参考附图详细描述实施例。注意的是，以下实施例并非旨在限制要求保护的发明的范围。在实施例中描述了多个特征，但是并不限制要求所有这样的特征的发明，并且可以适当地组合多个这样的特征。此外，在附图中，相同的附图标记被赋予相同或相似的配置，并且省略其冗余的描述。

<第一实施例>

在下文中将详细描述本发明的第一实施例。

[系统布置]

图1是示出根据这个实施例的处理系统100的布置的示例的框图。处理系统100包括通过局域网(LAN)102和因特网104连接的云服务器200、边缘服务器300、打印机400和智能电话500。边缘服务器300、打印机400和智能电话500经由局域网(LAN)102彼此连接，并且可以经由安装在LAN 102中的路由器103连接到因特网104。

虽然路由器103被示为连接LAN 102和因特网104的设备，但是它可以具有形成LAN102的无线LAN接入点功能。在这种情况下，可以布置为使得每个设备可以不仅经由有线LAN连接到路由器103而且还可以经由无线LAN连接到接入点来参与LAN 102。例如，可以布置为使得打印机400将经由有线LAN连接并且智能电话500将经由无线LAN连接。每个设备和边缘服务器300可以通过经由路由器103连接的因特网104与云服务器200通信。

边缘服务器300和每个设备可以经由LAN 102彼此通信。而且，智能电话500和打印机400可以通过短距离无线通信101进行通信。符合

注意的是，上述布置仅仅是示例，并且本发明不限于此。例如，虽然已经示出了路由器103具有接入点功能的示例，但是接入点可以由与路由器103不同的设备形成。此外，可以通过使用除LAN 102以外的连接部件来执行每个设备与边缘服务器300之间的连接。例如，可以使用除无线LAN以外的无线通信(诸如LPWA(低功耗广域网)、ZigBee、

而且，虽然在图1中仅示出了一个打印机400和一个智能电话500作为设备，但是可以布置多个打印机400和多个智能电话500。在这种情况下，可以布置为使得边缘服务器300将管理多个打印机400。此外，多个智能电话500中的每一个都可以被用作打印机400的指示装置。

[硬件布置]

(服务器装置)

图2是示出根据这个实施例的可以作为云服务器200和边缘服务器300操作的信息处理装置的硬件布置的示例的框图。在本描述中，假设云服务器200和边缘服务器300具有共同的硬件布置。服务器包括控制整个装置的主板210、网络连接单元201和硬盘单元202。在主板210中，CPU 211根据数据存储器214的内容和存储在程序存储器213中的控制程序来进行操作，数据存储器214和程序存储器213经由内部总线212连接。CPU 211经由网络控制电路215控制网络连接单元201以连接到诸如因特网104和LAN 102之类的网络，以与其他装置通信。CPU 211可以执行从/到经由硬盘控制电路216连接的硬盘单元202的数据读取/写入。

硬盘单元202除了在程序存储器213中加载和使用的操作系统(OS)和各种控制软件之外还存储各种数据。GPU 217连接到主板210并且可以代替CPU 211执行各种算术处理操作。GPU 217可以通过并行执行尽可能多的数据处理操作来高效地执行算术运算。因此，在要通过使用学习模型来多次执行诸如深度学习之类的机器学习的情况下，由GPU 217执行处理是有效的。

在这个实施例中，假设除了CPU 211之外还将通过使用GPU 217来执行学习模块251(稍后描述)的处理。更具体而言，在要执行包括学习模型的学习程序的情况下，CPU 211和GPU 217将协同执行算术处理运算以执行学习。注意的是，学习模块251的处理还可以通过仅使CPU 211和GPU 217之一执行算术处理运算来执行。估计模块351也可以以类似于学习模块251的方式使用CPU 211或GPU 217。此外，虽然这个实施例已经描述了云服务器200和边缘服务器300使用共同的布置，但是本发明不限于这种布置。例如，可以布置为使得GPU217将被结合在云服务器200中，但是将不被结合在边缘服务器300中。可替代地，可以布置为使得每个服务器将使用具有不同性能特点的GPU 217。

(智能电话)

图3是示出根据这个实施例的智能电话500的硬件布置的示例的框图。智能电话500包括控制整个装置的主板510、无线LAN单元502、短距离无线通信单元501、移动电话网络连接单元503和触摸面板显示器504。在主板510中，CPU 511根据RAM格式的数据存储器514的内容和存储在程序存储器513中的控制程序进行操作，数据存储器514和程序存储器513经由内部总线512连接。CPU 511经由无线LAN控制电路515控制无线LAN单元502以执行与其他通信终端装置的无线LAN通信。

CPU 511可以经由短距离无线通信控制电路516控制短距离无线通信单元501以检测与其他短距离无线通信终端的连接并向此其他短距离无线通信终端发送/从其接收数据。CPU 511还可以经由移动电话网络控制电路517控制移动电话网络连接单元503以连接到移动电话网络105并进行呼叫或发送/接收数据。CPU 511还可以控制操作单元控制电路518以在触摸面板显示器504上执行期望的显示操作并接受来自用户的操作。CPU 511可以控制相机单元519以捕获图像，并且可以将每个捕获的图像存储在数据存储器514中的图像存储器520中。而且，除了所捕获的图像之外，已经通过移动电话网络、LAN 102或短距离无线通信101从外部装置获得的图像可以被存储在图像存储器520中，或者另一方面，可以被发送到其他外部装置。

非易失性存储器521由闪存等形成，并且即使在电源关闭之后也存储需要被存储的数据。例如，非易失性存储器521除了地址簿数据之外还可以存储各种通信信息以及该装置过去连接到的设备的信息、要存储的图像数据或用于实现智能电话500中的各种功能的应用软件。

(打印机)

图4是示出根据这个实施例的作为图像处理装置的打印机400的硬件配置的示例的框图。打印机400包括控制整个装置的主板410、无线LAN单元420、短距离无线通信单元421和操作面板422。在主板410中，CPU 411根据RAM格式的数据存储器413的内容和存储在程序存储器412中的控制程序进行操作，数据存储器413和程序存储器412经由内部总线419连接。CPU 411控制扫描仪单元414以读取原件(诸如纸张等)并将读取的数据存储在数据存储器413中的图像存储器423中。CPU 411还控制打印机单元415以通过在打印介质上打印存储在数据存储器413中的图像存储器423中的图像来执行打印处理。

CPU 411经由无线LAN通信控制电路416控制无线LAN单元420以执行与其他通信终端装置的无线LAN通信。CPU 411还经由短距离无线通信控制电路417控制短距离无线通信单元421以检测与其他短距离无线通信终端的连接并向此其他短距离无线通信终端发送/从其接收数据。CPU 411可以控制操作单元控制电路418以在操作面板422上显示打印机400的状态或显示功能选择选单并接受来自用户的操作。

[软件布置]

图5是示出构成根据这个实施例的处理系统100的每个装置的软件布置的示例的框图。在这个软件布置中仅示出了与根据这个实施例的学习和估计相关的模块，并且省略了其它软件模块。例如，已经省略了在设备中和服务器上操作的OS和各种中间件、用于维护的应用等的图示。

云服务器200包括学习数据生成模块250、学习模块251和学习模型252。学习数据生成模块250是基于从外部设备接收的数据生成可以由学习模块251处理的学习数据的模块。学习数据是学习模块251的输入数据X和指示学习结果的正确答案的监督数据T的集合。学习模块251是基于从学习数据生成模块250接收到的学习数据来执行针对学习模型252的学习的程序模块。学习模型252累积由学习模块251执行的学习的结果。这里将描述学习模型252被实现为神经网络的示例。输入数据的分类和评估值的确定可以通过优化神经网络节点之间的加权参数来执行。作为学习的结果而累积的学习模型252作为已学习模型被递送到边缘服务器300并在边缘服务器300中执行的估计处理中使用。

边缘服务器300包括数据收集/提供模块350、估计模块351和已学习模型352。数据收集/提供模块350是可以将从外部装置(例如，打印机400)接收到的数据和由边缘服务器300本身收集的数据作为要用于学习的数据集发送到云服务器200的模块。估计模块351是使用已学习模型352基于从打印机400发送的数据执行估计并将获得的结果返回到打印机400的程序模块。从打印机400发送的数据是可用作估计模块351的输入数据X的数据。在边缘服务器300中执行的估计中使用已学习模型352。假设已学习模型352将以类似于学习模型252的方式被实现为神经网络。已学习模型352存储在云服务器200中累积并从云服务器200递送的学习模型252。已学习模型352可以递送整个学习模型252，或者可以从学习模型252中提取边缘服务器300中的估计所必需的仅一部分并递送提取出的部分。

打印机400包括应用模块450和数据发送/接收模块451。应用模块450是实现要在打印机400中执行的各种功能的模块，并且是使用机器学习的学习/估计机制的模块。数据发送/接收模块451是请求边缘服务器300执行学习或估计的模块。在学习期间，数据发送/接收模块451根据来自应用模块450的请求将要用于学习的数据发送到边缘服务器300的数据收集/提供模块350。而且，在估计期间，数据发送/接收模块451根据来自应用模块450的请求将要用于估计的数据发送到边缘服务器300，并将接收到的估计结果返回给应用模块450。

智能电话500包括应用模块530。应用模块530是使用由打印机400提供的每个功能的应用。例如，当要通过使用打印机400执行打印时，应用模块530提供打印设置画面并将打印指示(打印作业)发送到打印机400。

注意的是，虽然这个实施例示出了通过将云服务器200的学习处理的结果作为已学习模型352分发给边缘服务器300而将该结果用于估计的模式，但是本发明不限于这种模式。可以根据硬件资源的分布、计算量和数据通信量的大小来确定关于云服务器200、边缘服务器300和打印机400中的哪一个将执行学习或估计的布置。可替代地，可以布置为使得将要执行学习或估计的装置根据这些资源的分布、计算量以及数据通信量的增加和减少而动态地改变。在要由不同主体执行学习和估计的情况下，可以布置为使得估计侧的主体将能够通过使用仅用于估计的逻辑或减少已学习模型352的容量来更快地执行估计。

[学习模型]

图6A和图6B是用于解释当分别使用学习模型252和已学习模型352时的输入/输出结构的示意图。根据这个实施例的学习模型252和已学习模型352中的每一个被布置为神经网络，并且包括输入层、隐藏层和输出层。

图6A示出了学习期间学习模型252与输入/输出数据之间的关系。输入数据X 601是输入到学习模型252的输入层的数据。稍后将详细描述根据这个实施例的输入数据X。由于学习期间提供了监督数据T 603作为输入数据X 601的估计结果的正确答案数据，因此通过向损失函数604提供输出数据Y 602和监督数据T 603来获得相对于估计结果的正确答案的偏差量L 605。在学习模型252中的每个神经网络的节点之间的组合加权系数等被更新，使得相对于多个学习数据集中的每个学习数据集，偏差量L 605将被最小化。误差反向传播方法是这样一种方法，其中调整每个神经网络的节点之间的组合加权系数等，以使上述偏差量将被最小化。作为通过将学习模型252用作学习模型而估计的结果，输出输出数据Y602。在这个实施例中，学习模型执行打印设置的设置项目的参数估计。因此，基于作为输入数据X 601输入的各种信息来估计打印设置的每个设置值的概率。用于机器学习的算法的更具体示例是最近邻算法、朴素贝叶斯算法、决策树、支持向量机等。其中用于学习的特征量和组合加权系数是通过使用神经网络自行生成的深度学习也可以作为机器学习算法的其他示例提出。学习方法和算法没有特别限制，并且在上述算法当中可以使用的算法可以适当地应用于这个实施例。

图6B示出了学习期间已学习模型352与输入/输出数据之间的关系。输入数据X611是输入到已学习模型352的输入层的数据。稍后将详细描述根据这个实施例的输入数据X。通过使用已学习模型352作为机器学习模型，输出数据Y 612作为基于输入数据X 611而估计的结果被输出。输出数据Y 612用作估计期间的估计结果。注意的是，虽然已经描述了估计期间已学习模型352包括与学习期间的学习模型252的神经网络相等的神经网络，但是通过仅提取估计所需的一部分而获得的模型可以被准备为已学习模型352。这可以减少已学习模型352的数据量并且减少估计期间的神经网络处理时间。

[数据布置]

将描述在这个实施例中使用的数据。在根据这个实施例的处理系统100中，边缘服务器300从连接的打印机400收集在打印期间使用的打印设置。根据打印机400的功能，这里收集的打印设置项目及其相应的设置值可以包括各种项目和值。此外，在执行打印时的时间信息和被设置为打印目标的图像数据的信息也被一起收集。还可以包括指示是经由打印机400的操作面板422发布打印指示还是经由外部指示设备(例如，智能电话500)发布打印指示的信息。云服务器200的学习数据生成模块250根据由边缘服务器300收集到的数据生成将在学习处理中使用的学习数据。

根据这个实施例的学习模型252使用每个打印设置项目及其设置值、图像数据的类型(数据格式)等作为学习数据。学习模型252还输出目标设置项目的设置值作为输出数据Y 602。更具体而言，例如，假设在从打印机400提供的多条信息当中，将设置项目“颜色模式”设置为目标设置项目。在这种情况下，将在设置项目“颜色模式”中设置的设置值用作监督数据T 603，并且将通过使用作为输入数据X601的除这个目标设置项目以外的数据而获得的对应数据生成为学习数据。随后，将通过使用这个学习数据来重复地执行学习。因此，可以根据从打印机400提供的一条打印设置信息生成针对多个设置项目中的每个设置项目的多个学习数据。

另一方面，在估计期间，通过将打印设置项目及其设置值、图像数据的类型(数据格式)等作为输入数据X 611输入到作为学习结果而获得的已学习模型352中来估计目标设置项目的设置值。此时，可以将单独的已学习模型用于每个目标设置项目。

[整体操作]

图7A和图7B是用于解释根据这个实施例的处理系统100的整体运动的视图。虽然这里以从智能电话500发布打印指示的情况为例进行描述，但是假设在从显示在打印机400的操作面板422或其他指示装置上的操作画面(未示出)发布打印指示的情况下也执行类似的处理。而且，虽然下面将分开描述学习阶段和估计阶段，但是这些处理操作可以分开或并行执行。

(学习阶段)

图7A示出了学习期间处理系统100的整体运动。每个装置的处理通过每个装置的CPU或GPU读出存储在存储单元中的程序并执行该程序来实现。

在S701中，智能电话500经由应用模块530接受打印设置并将打印指示发送到打印机400。这种情况下的打印指示包括诸如打印设置、要作为打印目标的图像数据等的信息。

在S702中，打印机400将包括在从智能电话500接受的打印指示中的各种信息发送到边缘服务器300。在这种情况下，发送定时可以是打印机400的打印操作已经完成的时间点或者可以是在打印操作完成之前的时间点。如果打印操作已经完成，那么这个打印结果也可以被发送到边缘服务器300。

在S703中，边缘服务器300将从打印机400接收到的各种信息与学习请求一起发送到云服务器200。在这种情况下，可以将发送定时设置为已经累积了预定量的数据的定时，或者可以定期执行发送。

在S704中，云服务器200通过使用从边缘服务器300接收的各种数据来生成学习数据。如上所述，基于一对输入数据X 601和监督数据T 603生成学习数据。另外，可以为每个目标设置项目生成学习数据。随后，云服务器200通过使用所生成的学习数据执行学习处理来更新学习模型252。

在S705中，云服务器200将作为学习处理的结果而获得的已学习模型352递送到边缘服务器300。如上所述，这里递送的已学习模型352可以是整个学习模型252，或者可以是根据学习模型252的一部分而生成的。而且，可以生成多个已学习模型352。边缘服务器300通过使用递送的已学习模型352执行后续的估计处理。

注意的是，这里已经描述了当做出学习请求时经由边缘服务器300将学习请求从打印机400发送到云服务器200的情况。但是，本发明不限于此。例如，可以布置为使得学习请求将直接从打印机400发送到云服务器200。而且，虽然已经描述了每次在云服务器200中执行学习时将已学习模型352递送到边缘服务器300，但是如果云服务器200将要执行大量的学习，那么无需每次都递送已学习模型352。例如，已学习模型352可以被定期递送，或者可以根据需要从边缘服务器300发出递送请求，并且已学习模型352可以作为对这个请求的响应而被递送。

将通过使用更具体的示例来描述学习阶段。图8A示出了显示在智能电话500的触摸面板显示器504上的打印设置画面800。在打印设置画面800上显示用于预览被选择为打印目标的图像数据的预览画面801。当按下按钮802时，打印设置画面可以移至用于改变打印目标的画面(未示出)。在区域803中显示要执行打印的打印机的信息，并且该信息被布置为使得选择区域803将允许选择其他打印机。而且，当选择区域804时，打印设置画面可以移至用于改变打印设置的画面(未示出)。此时选择的打印设置的信息显示在区域805中。当按下按钮806时，打印指示被发送到打印机400。在这种情况下，已经对在打印设置画面800中被设置为打印目标的图像文件进行了以下打印设置。

打印机：XXX YT8000系列

份数：1

片材尺寸：A4

双面打印：否

片材类型：普通纸

边框：无

颜色模式：彩色

如果将这种打印指示发布给打印机400，那么这个信息经由边缘服务器300从打印机400提供给云服务器200。假设这里的打印设置信息包括在学习处理中使用的上述各种信息，并且在这种情况下包括用户信息、打印目标信息、打印设置项目及其相应的设置值等。

(估计阶段)

图7B示出了估计期间整个处理系统100的运动。每个装置的处理通过每个装置的CPU或GPU读出存储在存储单元中的程序并执行该程序来实现。

在S711中，智能电话500经由应用模块530接受打印设置。智能电话500将接受的打印设置发送到打印机400。假设此时尚未发布打印指示。在这种情况下，假设打印设置包括与在估计阶段中的S701中发送的打印指示的信息相同的信息。

在S712中，打印机400将估计请求与从智能电话500接收到的打印设置一起发送到边缘服务器300。

在S713中，边缘服务器300基于从打印机400接收到的估计请求来生成已学习模型352的输入数据X 611。随后，边缘服务器300将生成的输入数据X 611输入到已学习模型352，并且获得作为估计结果的输出数据Y 612。在这种情况下，可以针对每个目标设置项目执行估计处理。

在S714中，边缘服务器300将估计结果发送到打印机400。此时，还可以将估计的值(推荐值)一起发送到其当前设置值与估计的设置值不同的每个设置项目。

在S715中，打印机400基于从边缘服务器300接收到的估计结果向智能电话500发送通知。在这个实施例中，如果当前设置值与估计的设置值不同，那么将执行控制以使智能电话500显示确认画面以确认这个设置值。

在S716中，智能电话500基于从打印机400接收到的通知来显示估计结果。在这个实施例中，如果当前设置值与估计的设置值不同，那么将显示用于确认这个设置值的确认画面。否则，将不显示确认画面。

将通过使用更具体的示例来描述估计阶段。如图8A中所示，假设以下设置已经在智能电话500的触摸面板显示器504上输入。

打印机：XXX YT8000系列

份数：1

片材尺寸：A4

双面打印：否

片材类型：普通纸

边框：无

颜色模式：彩色

当已经选择了这样的设置时，估计请求与来自打印机400的设置信息一起发送到边缘服务器300。假设作为边缘服务器300的估计处理的结果，已经将设置项目“颜色模式”的设置值“单色”估计为推荐值。在这种情况下，智能电话500显示图8B中所示的确认画面810。

如上所述，在确认画面810上显示确认消息811以及与推荐值不同的设置值的信息。在上述示例中，消息“将打印设置设置为彩色打印。你想要基于这个打印设置进行打印吗？”被显示为确认消息811。当按下按钮812时，基于所设置的打印设置的打印指示被发送到打印机400。当按下按钮813时，画面将移至用于改变打印设置的画面(未示出)以接受对设置的改变。

如上所述，根据这个实施例，能够抑制用户不期望的打印的执行。

注意的是，虽然在图7B的示例中将S711中的打印设置发送定时设置为已经接受打印设置的定时，但是本发明不限于此。例如，可以将其设置在指定打印设置之后用户按下按钮806的定时。在这种情况下，打印机400可以在打印操作之前执行估计处理并基于估计结果执行打印或者在智能电话500上显示确认画面810之间进行切换。

而且，虽然图8B示出了仅针对一个设置项目显示确认消息的示例，但是可以布置为使得针对多个设置项目显示确认消息。

此外，虽然在图8B的示例中确认画面810通过叠加在打印设置画面800上来显示，但是本发明不限于此。例如，可以通过变换画面来显示确认画面。可替代地，可以通过闪烁或改变每个目标打印设置项目和设置值的颜色来强调要求确认的点。

虽然在上述示例中仅显示了提示确认设置项目的消息，但是本发明不限于此。例如，可以布置为使得推荐值将与这个消息一起显示。在这种情况下，可以在确认画面810上向用户通知推荐的设置值。例如，在上述示例中，可以通过显示如下消息来显示推荐的内容及原因：“将打印设置为通过彩色打印来执行，但是当考虑其它打印设置时，这个设置会增加墨水消耗。因此，推荐单色打印。是否仍想要根据当前的打印设置执行彩色打印？”。

此外，在上述示例中，基于估计结果显示确认画面810。但是，本发明不限于这种布置，并且可以采用另一种方法。例如，可以布置为使得基于估计结果将设置项目的值自动切换到估计的推荐值。更具体而言，假设在已经关于设置项目“颜色模式”设置了设置值“彩色”的情况下，获得了设置值“单色”作为估计结果的推荐值。在这种情况下，针对设置项目“颜色模式”自动设置设置值“单色”。在这种情况下，指示这种改变的消息可以显示在画面上，或者可以强调并显示改变后的设置项目。因此，从学习中获得的内容可以自动地反映在打印设置上，并且可以提高用户便利性。注意的是，可以由用户预先设置是要显示确认画面810还是基于估计结果自动改变设置值。

此外，在上述实施例中，打印机400在学习阶段将打印设置发送(图7A的S702)到边缘服务器300。此时，打印机400还可以发送对应打印作业的执行的状况信息。在这种情况下，状况信息可以是诸如“正常完成”、“暂停”、“异常完成”等的状况。具体地，当基于用户指示暂停打印时，打印设置可能不正确。此外，如果在改变设置之后随后再次执行打印，那么可以假设改变后的打印设置更适合作为打印设置。因此，在通过用户指示暂停打印之后改变了打印设置时再次发布打印指示的情况下，这种改变的信息可以被包括为学习数据。例如，可以布置为使得当操作已经被暂停并且设置值已经被改变时，基于改变之前的设置值的打印设置信息将从学习数据中被移除。通过考虑这样的信息来执行学习，可以进一步提高估计结果的精度。

在上述实施例中，在云服务器200已经从连接到网络的边缘服务器300和打印机400收集到数据之后执行学习。在这种情况下，基于使用打印机400的许多用户的使用倾向来执行学习，并且结果生成了可以支持许多用户的通用学习模型。相反，可以布置为使得将生成适合特定用户的学习模型。在这种情况下，例如，可以包括用于唯一地标识用户的标识信息作为学习数据。因此，可以获得与用户对应的估计结果。注意的是，这里的标识信息可以由用户输入，或者可以使用与诸如智能电话500等的指示装置相关联的信息。云服务器200不是必须以这种布置使用。因此，例如，可以布置为使得边缘服务器300将通过使用在限于LAN 102的布置中收集的数据来执行学习，并且将生成适合将使用这个受限网络的用户的已学习模型。

其它实施例

本发明的(一个或多个)实施例还可以通过读出并执行记录在存储介质(其也可以被更完整地称为“非瞬态计算机可读存储介质”)上的计算机可执行指令(例如，一个或多个程序)以执行上述(一个或多个)实施例中的一个或多个实施例的功能和/或包括用于执行上述(一个或多个)实施例中的一个或多个实施例的功能的一个或多个电路(例如，专用集成电路(ASIC))的系统或装置的计算机来实现，以及通过例如从存储介质读出并执行计算机可执行指令以执行上述(一个或多个)实施例中的一个或多个实施例的功能和/或控制一个或多个电路执行上述(一个或多个)实施例中的一个或多个实施例的功能而通过由系统或装置的计算机执行的方法来实现。计算机可以包括一个或多个处理器(例如，中央处理单元(CPU)、微处理单元(MPU))，并且可以包括单独计算机或单独处理器的网络，以读出并执行计算机可执行指令。计算机可执行指令可以例如从网络或存储介质提供给计算机。存储介质可以包括例如硬盘、随机存取存储器(RAM)、只读存储器(ROM)、分布式计算系统的存储装置、光盘(诸如紧凑盘(CD)、数字多功能盘(DVD)或蓝光盘(BD)

其它实施例

本发明的实施例还可以通过如下的方法来实现，即，通过网络或者各种存储介质将执行上述实施例的功能的软件(程序)提供给系统或装置，该系统或装置的计算机或是中央处理单元(CPU)、微处理单元(MPU)读出并执行程序的方法。

虽然已经参考示例性实施例描述了本发明，但是应该理解的是，本发明不限于所公开的示例性实施例。所附权利要求的范围应被赋予最广泛的解释，以涵盖所有这些修改以及等同的结构和功能。