DE3918789A1 - Adaptives kenntnisfolgerungsverfahren und -system - Google Patents
Adaptives kenntnisfolgerungsverfahren und -systemInfo
- Publication number
- DE3918789A1 DE3918789A1 DE3918789A DE3918789A DE3918789A1 DE 3918789 A1 DE3918789 A1 DE 3918789A1 DE 3918789 A DE3918789 A DE 3918789A DE 3918789 A DE3918789 A DE 3918789A DE 3918789 A1 DE3918789 A1 DE 3918789A1
- Authority
- DE
- Germany
- Prior art keywords
- event
- knowledge
- conclusion
- rules
- events
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/04—Physical realisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/90—Fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Description
Die Erfindung bezieht sich auf ein adaptives Kenntnisent
scheidungssystem in einem Kenntnisbasissystem, und insbe
sondere auf ein adaptives Kenntnisfolgerungsverfahren und
ein Kenntnisverarbeitungssystem zur Durchführung dieses
Verfahrens zwecks Kenntnisabschätzung, das adaptiv bezüg
lich der Folgerung in einem Fall ist, bei dem sich existie
rende Regeln auf Primärereignisse beziehen, die nicht mit
Bestimmungsmitteln erfaßt werden können oder bei dem ver
schiedene Kenntnisposten, die verschiedene und auf ein Ob
jekt bezogene Ereignisse und Regeln einschließen, existie
ren, wobei sich Kenntnisse überlagern und kontinuierlich
bezüglich der Zeit verändern können.
Eine unscharfe Folgerung, unscharfe Teilmengen von zu mes
senden Ereignissen und Anwendungen unscharfer Algorithmen
wurden bereits im einzelnen in den Artikeln von z. B. L. A.
Zadeh, "Outline of a New Approach to the Analysis of Com
plex Systems and Decision Processes, IEEE Trans., Vol.
SMC-3, Nr. 1, Jan. 1973, Seiten 28 bis 44 und E.H. Mamdani
et al., "Application of Fuzzy Algorithms for Control of
Simple Dynamic Plant", PROC, IEE, Vol. 121, Nr. 12, Dez.
1974, Seiten 1585 bis 1588 beschrieben.
Beim konventionellen Kenntnisbasissystem erscheinen voll
ständig vage primäre Ereignisse, für die keine Bestimmungs
mittel wie z. B. Meßeinrichtungen und dergleichen, vorhan
den sind, so daß in einem Fall, in welchem eine Regel exi
stiert, die auf diese primären Ereignisse verweist, auf
grund der Tatsache, daß eine Folgerungsoperation durch An
wendung des Wissens hierüber nicht durchgeführt werden
kann, die Ausführung der Kenntnisverarbeitung vermieden,
übersprungen oder weggelassen wird, um weiterhin eine Fol
gerung zu ermöglichen. Alternativ wird zur Abschätzung eine
unterschiedliche Kenntnis gebildet, um durch Ausführung der
Kenntnisverarbeitung die primären Ereignisse vorherzusagen.
Die Ereignisse sind daher adaptiv im Hinblick auf die Fol
gerung.
Auch in einem Fall, bei dem eine Mehrzahl von verschiedenen
Kenntnisposten in Verbindung mit einem Objekt existiert und
es notwendig ist, geeignete Kenntnisposten zur Anwendung im
Folgerungsverfahren zu bestimmen, ist es übliche Praxis,
daß die Kenntnisposten im voraus eindeutig klassifiziert
werden, und zwar aufgrund von Situationen und Fällen, die
ähnlich den zuvor beschriebenen sind, und daß eine unter
schiedliche Kenntnis gebildet wird, um geeignete Kenntnis
posten zur Adaption im Hinblick auf die Folgerung zu beur
teilen, um dadurch die adaptive Kenntnis über die Folgerung
bestimmen bzw. vorhersagen zu können. Als ein Beispiel, bei
dem die Kenntnis nicht klar klassifiziert werden kann und
daher die Adaption durch erlaubte Überlappung der Kenntnis
durchgeführt wird, sei der Artikel von P. Jackson, "Intro
duction to Expert System", Addison Wesley, 1986, Chapter 6,
MYCIN: Medical Diagnosis using Production Rules, Seiten 93
bis 106, genannt. Beim MYCIN wird für individuelle Ereig
nisse und Regeln, die jeweils als Kenntnis beschrieben wer
den, ein Grad oder Anteil eingeführt, der die Unbestimmt
heit repräsentiert und der im Bereich von -1,0 bis 1,0
liegt, so daß die Kenntnis im Hinblick auf die Folgerung
adaptiert werden kann. Aufgrund des Grades sind sich über
lappende Teile zwischen jeweiligen Ereignissen und Regeln
erlaubt, die jeweils eine willkürliche Unbestimmtheit auf
weisen. Zur Durchführung der Folgerung bezieht sich die
Folgerungsmaschine (oder ein geeigneter Mechanismus) auf
den Grad eines jeden Ereignisses und einer jeden Regel, so
daß Ereignisse, verbunden mit derselben Schlußfolgerung,
über eine arithmetische Regel miteinander kombiniert wer
den, die vom genannten Grad beeinflußt ist. Es ist damit
also auch nach der Folgerung möglich, daß die Ereignisse
und Regeln an die Folgerung angepaßt werden, und zwar in
einem Zustand, bei dem die Überlappung zwischen den Ereig
nissen und Regeln existiert.
Beim Stand der Technik wird aufgrund des Vorhandenseins nur
vager primärer Ereignisse, für die keine Bestimmungsmittel
vorhanden sind, die Ausführung einer Folgerung aufgrund
nicht vorhandener Kenntnis über diese Ereignisse vermieden,
wie bereits oben beschrieben. Das bedeutet, daß ein Teil
der Kenntnis verloren ist, was zu dem Problem führt, daß
der Anwendungsbereich der Kenntnis begrenzt ist, da insbe
sondere die Kenntnis unvollständig ist. Andererseits ist es
in einem Fall, bei dem eine verschiedene Kenntnis einge
führt wird, unerläßlich, eine neue Kenntnis zu konstruie
ren. Andererseits sind Überlegungen erforderlich im Hin
blick auf die Angemessenheit bzw. Zulänglichkeit der jewei
ligen Kenntnisposten, im Hinblick auf die Vollständigkeit
sowie im Hinblick auf die Konsistenz der Kenntnis als
Ganzes, so daß ein Benutzer eine große Aufgabe zu bewerk
stelligen hat. Ist die so eingeführte Kenntnis heterogen
für die existierende Kenntnis, wie es z. B. bei einem ma
thematischen Modell für eine Regel der Fall ist, so ent
steht das Problem, daß die Integrität der Kenntnis verloren
geht und diese Operation ungeeignet ist. In einem Fall, bei
dem aufgrund der Existenz verschiedener Kenntnisposten,
verbunden mit Ereignissen und Regeln eines Objekts, die
Kenntnisposten so klassifiziert sind, daß eine adaptive
Kenntnis auf der Grundlage der Beurteilung der so erhalte
nen Kenntnis vorhergesagt werden kann, tritt ebenfalls ein
dem obigen Problem ähnliches Problem auf, wonach z. B. eine
verschiedene Kenntnis für die Beurteilung erforderlich ist.
Läßt sich andererseits die Kenntnis eine Objekts nicht klar
klassifizieren, so ist eine Adaption bzw. Anpassung der
Kenntnis unmöglich. Insbesondere in einem Fall, bei dem die
Eigenschaften eines Objekts nicht hinreichend bestimmt
sind, erscheinen eine Unklarheit und Unbestimmtheit inner
halb der Gesamtkenntnis. Sie läßt sich daher nicht klar
klassifizieren, so daß sich in vielen Fällen adaptive Kennt
nisposten einander überlappen. Darüber hinaus ist die abge
schätzte Kenntnis mit einer Verschwommenheit im gewöhnli
chen Fall behaftet. In Übereinstimmung mit dem oben be
schriebenen MYCIN-Verfahren ist trotz der Existenz der
Überlappung als Ergebnis der Einführung des die Unbestimmt
heit repräsentierenden Grades der Grad, bezogen auf die Re
gel, ein statischer Wert, der ihm zuvor zugeteilt worden
ist, so daß er nicht dynamisch verändert werden kann. Für
einen Fall, bei dem sich z. B. ein Zustand eines Objekts
bezüglich der Zeit in kontinuierlicher Weise ändert, können
mehrere daran anzupassende Regeln existieren, wobei sich
Werte für die Grade, mit denen die Regeln beaufschlagt wer
den, dynamisch und kontinuierlich ändern. In diesem Fall
ist jedoch an einem Zwischenpunkt einer Folgerung für den
Grad selbst eine Folgerung aufgrund einer externen Eingabe
und aufgrund einer verschiedenen Kenntnis erforderlich, so
daß es unmöglich ist, die aufeinanderfolgende Akquisition
und Erneuerung für die Folgerung aufgrund der eigenen
Kenntnis durchzuführen. Die konventionellen Verfahren ein
schließlich des MYCIN-Verfahrens sind mit einer Folgerungs
maschine oder einem geeigneten Mechanismus ausgestattet, so
daß Modifikationen und Rekonstruktionen davon zwecks Gestal
tung einer gewünschten Methode nur unter Schwierigkeiten
durchführbar sind. Für einen Benutzer ist es insbesondere
erforderlich, ein Kenntnisbasissystem aufzusuchen und aus
zuwählen, das die Anforderungen erfüllt oder eine derartige
Kenntnisbasis zu konstruieren, was einen beträchtlichen Ar
beitsaufwand erfordert.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zu
schaffen, das in einem Fall angewendet wird, bei dem primä
re Ereignisse existieren, für die keine Bestimmungsmittel
vorhanden sind, und bei dem eine in Form von Regeln vorhan
dene Kenntnis auf die primären Ereignisse Bezug nimmt, um
die Ereignisse abzuschätzen und vorherzusagen, und zwar un
ter Verwendung derselben Kenntnis, so daß es möglich ist,
die Kenntnis an die Folgerung anzupassen.
Bin anderes Ziel der Erfindung besteht in der Schaffung ei
nes Verfahrens, das in einem Fall angewendet wird, in dem
eine Mehrzahl von verschiedenen Kenntnisposten in Verbin
dung mit Ereignissen und Regeln für jeweils eine Aufgabe
der Folgerung existieren, derart, daß sich die Kenntnispo
sten bei ihrer Adaption an die Folgerung einander überlap
pen und sich die angepaßte Kenntnis kontinuierlich bezüg
lich der Zeit verändert, um eine angepaßte Kenntnis abzu
schätzen oder vorherzusagen.
Weiterhin ist es ein Ziel der Erfindung, ein Kenntnisvor
hersagesystem zu schaffen, bei dem es möglich ist, auch
wenn primäre und unabhängige Ereignisse existieren, für die
keine Bestimmungsmittel vorhanden sind, die Gesamtheit der
Kenntnis zu stützen, ohne Verwendung unterschiedlicher
Kenntnis zur Abschätzung der Ereignisse, um solche primären
Ereignisse und die Regeln zu vermeiden bzw. wegzulassen und
um ferner die Angemessenheit, Konsistenz und Integrität der
Kenntnis durch Verwendung der Kenntnis zu stützen, die
übernommen ist für eine gewöhnliche Folgerung.
Eine andere Aufgabe der Erfindung besteht darin, ein Un
schärfefolgerungssystem (fuzzy inference system) zu schaf
fen, das den Aufbau eines Kenntnisverarbeitungssystems er
leichtert oder in einem Fall zum Einsatz kommt, bei dem ein
Objekt On-line und in Echtzeit bearbeitet werden muß, wofür
gemessene Werte der Reihe nach in Abhängigkeit der Zeit er
halten werden und bei dem sich ein Zustand ebenfalls än
dert.
Sodann ist es Ziel der Erfindung, ein Folgerungssystem zu
schaffen, bei dem ein Folgerungsteil in einem Kenntnisba
sissystem als Objekt und unter Verwendung desselben kon
struiert ist, wobei das Kenntnisbasissystem selbst nicht
aufgebaut und modifiziert zu werden braucht, das selten ir
gendwelche Arbeiten für den Aufbau und für die Modifikation
daran erfordert, wobei seine Modifikation und Rekonstruk
tion leicht durchzuführen ist, wenn das Kenntnisbasissystem
erst einmal kreiert ist.
Die oben genannten Aufgaben werden durch die nachfolgenden
technologischen Einrichtungen gelöst.
Ereignisse, die Kenntnis über ein Objekt repräsentieren,
werden mit Regeln, die ebenfalls Kenntnis repräsentieren,
kombiniert, um eine Kombinationsbeziehung aufzustellen. Zu
sätzlich lassen sich der Inhalt und der Wert eines jeden
Ereignisses durch einen beliebigen bzw. willkürlichen Grad
ausdrücken, ähnlich wie im Fall des MYCIN-Verfahrens. Bei
einer gewöhnlichen Folgerung, z. B. in einem Fall, bei dem
Ausgänge abzuleiten sind, wenn alle Eingänge anliegen, wird
eine Folgerung sequentiell durchgeführt in Übereinstimmung
mit den Inhalten der Eingänge, der mit ihnen verbundenen
Regeln und der zwischen ihnen vorhandenen Kombinationsbe
ziehungen, so daß ein Endresultat ausgegeben wird. Für eine
Folgerung bezüglich eines primären Ereignisses, für das
keine Bestimmungsmittel vorhanden sind, sowie für eine Fol
gerung adaptiver bzw. anpassungsfähiger Regeln ist es üb
lich, dieselben Kenntnisse und Beziehungen zu verwenden.
Existieren also Ereignisse und Regeln, so bedeutet dies,
daß es nur erforderlich ist, Kombinationsbeziehungen zwi
schen ihnen in einer umgekehrten Weise zu verwenden und ei
nen Vergleich durchzuführen, und zwar zwischen dem Grad,
der den Inhalt repräsentiert, und dem Wert des momentanen
Zustands eines jeden Ereignisses und einer jeden Regel. In
einem Fall, bei dem eine Abschätzung für ein primäres Er
eignis durchgeführt wird, das unbekannt ist, jedoch voraus
gesetzt bzw. angenommen wird und für das keine Bestimmungs
mittel vorhanden sind, wird ein Grad eines anderen bestimm
ten Ereignisses der Regel zugeteilt, die einen Bezug zum
Ereignis hat, wohingegen dann, wenn eine adaptive Regel
vorhergesagt werden soll, die Grade aller betroffenen Er
eignisse den Regeln zugeteilt werden. Ein Vergleich erfolgt
zwischen den Kombinationsbeziehungen der Regeln und der
Grade der Inhalte der momentanen Zustände der Ereignisse,
um einen Zustand zu beurteilen, der in Abhängigkeit der
Kombinationsbeziehung zwischen einem vorhergesagten Ereig
nis und einem anderen Ereignis oder den Kombinationsbezie
hungen bezüglich der Regeln, die mit allen Ereignissen ver
bunden sind, bestimmt worden ist, so daß sich auf diese
Weise der Inhalt, der adaptive Zustand oder der Grad eines
jeden Ereignisses abschätzen lassen. Sind Felder oder Be
reiche für die Zustände der abgeschätzten Kenntnis und der
Grade vorher bekannt, so ist es möglich, die Angemessenheit
bzw. Zulänglichkeit zu beurteilen, was bedeutet, daß ein
Vergleich mit diesen Feldern oder Bereichen durchgeführt
wird, um eine Aussage zu treffen, ob die Felder oder Berei
che überschritten werden. Bei Durchführung der oben be
schriebenen Operation zu den entsprechenden Zeitpunkten
läßt sich die adaptive Kenntnis an dem zugehörigen Punkt
vorhersagen. Die obigen technologischen Mittel lassen sich
durch Verwendung derselben Mittel erhalten, wenn Über
einstimmungen zwischen den adaptiven Zuständen der Regeln
und einem primären Ereignis vorhanden sind, das die Wahr
scheinlichkeit der Regel repräsentiert, oder für das keine
weitere beliebige Bestimmungseinrichtung vorhanden ist.
Durch Implementierung der obigen Mittel in einem Kenntnis
basissystem als Objekt unter Verwendung des Systems selbst
ist es ferner möglich, die Mittel zum System hinzuzufügen,
das diese Mittel nicht aufweist, so daß sich auf diese Wei
se ein gewünschtes Kenntnisverarbeitungssystem konstruieren
läßt.
Die Betriebsweise dieses Systems wird nachfolgend beschrie
ben. Soll eine adaptive Kenntnis zu einem beliebigen bzw.
willkürlichen Zeitpunkt abgeschätzt werden, so sei angenom
men, daß Ereignisse existieren, die jeweils Werte und In
halte aufweisen, die durch Meßeinrichtungen oder durch Fol
gerungen bzw. Schlußfolgerungen bestimmt worden sind, der
art, daß jeder Inhalt konvertiert bzw. umgewandelt oder
übersetzt ist, so daß er als ein willkürlicher bzw. belie
biger Grad ausgedrückt wird. Andererseits existieren für
Regeln, in denen Bedingungen und Schlußfolgerungen auf der
Grundlage der jeweiligen Ereignisse beschrieben werden,
Kombinationsrelationen, die zuvor zwischen ihnen aufge
stellt worden sind. Existiert z. B. in einem Fall die Be
dingung "IF Ereignisse A, B, und C sowie Ereignisse A und B
gültig, THEN Ereignis C gültig", so existiert eine Bezie
hung zwischen A, B und C sowie eine Beziehung zwischen B
und C. Sind die Inhalte der Ereignisse A und B bekannt, so
wird gewöhnlich der Inhalt des Ereignisses C abgeleitet.
Ist in dieser Situation A ein primäres Ereignis, für das
keine Bestimmungsmittel vorhanden sind, und ist der Grad
für jeden der Inhalte von B und C bekannt, so sind die Wer
te der Grade den Relationen zugeteilt, die mit den Regeln
verbunden sind, um somit einen Vergleich zwischen den Kom
binationsbeziehungen der Regeln zu realisieren. Das bedeu
tet, daß eine Folgerung ausgeführt wird durch Bestimmung
des Grads von A für die Werte der Grade von B und C und für
die Kombinationsrelationen der Regeln, derart, daß der Grad
von A bewirkt, daß die Kombinationsrelationen zwischen dem
Grad eines jeden Ereignisses und den Regeln befriedigt
sind. Umgekehrt gilt dies ebenso für den Fall, bei dem B
ein primäres Ereignis ist, für das keine Bestimmungsmittel
vorhanden sind. Weiterhin gilt dies auch für die Abschät
zung einer Regel, wenn Übereinstimmungen zwischen Ereignis
sen, die einen Bezug zum Grad der Adaption der Regeln auf
weisen, und einem abzuschätzenden Problem vorhanden sind.
Im folgenden werden die mathematischen Ausdrücke im einzel
nen beschrieben, die dem obigen Betrieb zugrundeliegen. Da
bei sei angenommen, daß eine Regel "IF A und B THEN C" für
die Ereignisse A, B und C existiert und daß B und D als B′
und C′ bekannt sind. Dann wird A wie folgt abgeschätzt:.
In Übereinstimmung mit dem Artikel "Outline of a New
Approach to the Analysis of Complex Systems and Decision
Processes" (IEEE Irons. on SMC, Vol. SMC-3, Nr. 1, Jan.
1973, Seiten 28 bis 44), geschrieben von L.A. Zadeh, läßt
sich die Regel "IF A und B THEN C" wie folgt darstellen:
Hierbei steht μ x (x) für eine Gradfunktion eines Ereignisses
X. Dieser Ausdruck repräsentiert Beziehungen zwischen A, B
und C und kann daher wie folgt geschrieben werden:
Wird angenommen, daß die Ereignisse A und B als A′ und B′
bekannt sind, so ist die Schlußfolgerung ein Ereignis C,
das als C′ bezeichnet wird. Die Folgerung wird in der nach
stehenden Weise ausgeführt:
Das Problem in diesem Fall liegt darin, den Wert A′ für ge
gebene Werte von B′ und C′ zu erhalten, was bedeutet, daß
die Gleichung dieses Typs gelöst werden muß.
Zum Aufstellen eines Verfahrens zum Lösen der durch den
Ausdruck (3) bestimmten Gleichung wird nachfolgend eine Lö
sung der Basisgleichung betrachtet. Anhand der folgenden
Gleichung soll der Ausdruck X′ ermittelt werden, und zwar
bei gegebenem Y′ und gegebenem R(X : Y).
Zu diesem Zweck wird ein Operatur α benutzt, der wie folgt
definiert ist:
Mit Hilfe dieses Operators wird dann eine Funktion defi
niert.
Unter Verwendung dieser Beziehung läßt sich ein Ausdruck ′
durch die folgende Gleichung definieren:
Dabei befriedigen der Ausdruck
sowie der Ausdruck ′ den Ausdruck
Dabei ist X′ der größte Wert von ′, der die Gleichung
X′ ∘ R(X:Y) = Y′ befriedigt. Für die Gleichung (4) existiert
ein Fall, bei dem keine Lösung erhalten werden kann. In einer
solchen Situation wird entsprechend der Definition gemäß
Gleichung (5) der Wert 1 (Eins) zugeteilt, so daß ′
für den größten Wert X′ steht, wie dies der Ausdruck (8)
fordert. Obwohl also ein unlösbarer Fall vorhanden ist, de
finiert durch den Ausdruck (7), kann doch die Gleichung (4)
mit einer Lösung versehen werden. In der Konsequenz läßt
sich somit annehmen, daß ′ gleich dem Wert X′ ist (abge
schätzter Wert), der in umgekehrter Weise von Y′ erhalten
worden ist.
Unter Bezugnahme auf das Verfahren zur Lösung der Gleichung
wird nachfolgend eine Lösung der Gleichung repräsentiert,
die durch den Ausdruck (3) gegeben ist. Für den Ausdruck
(3) läßt sich der folgende Ausdruck in Übereinstimmung mit
der Notation des Ausdrucks (1) sowie in Verbindung mit der
Gradrelation erhalten:
Hierbei ist μ A′ ∘ R(A:C) mit Hilfe des Operators α abge
schätzt, um den folgenden Ausdruck zu erhalten:
Durch Verwendung von
liefert das folgende Ergebnis
den abgeschätzten Wert für m A′ ∘ R(A:C) . Dies ist der Wert
Es ist somit möglich, den abgeschätzten Wert Â′ von A′ zu
berechnen, und zwar anhand gegebener Werte von B′ und C′.
In einem Fall, bei dem quantitative Werte für die abge
schätzten Ereignisse erforderlich sind, wie in einem Fall,
bei dem der Grad anhand der Werte berechnet wird, ist es
nur erforderlich, Werte vom Grad zu gewinnen. Liegen zu
sätzlich der Grad und die quantitativen Werte jenseits ei
nes vorbestimmten Bereichs oder einer Region, die vorher
eingestellt worden sind, so werden eine Warnung oder ein
Hinweis ausgegeben, etwa unter Verwendung einer Mitteilung,
so daß erforderlichenfalls eine Beurteilung angefordert
wird, um die Angemessenheit bzw. Zulänglichkeit in Betracht
zu ziehen.
Unter Berücksichtigung der obigen Maßnahmen lassen sich die
gewöhnliche Folgerung und Abschätzung durch Verwendung der
Kenntnis durchführen. Es ist daher möglich, die Unvollstän
digkeit der Kenntnis zu verhindern, die ansonsten durch
Nichtberücksichtigung oder Auslassen von Kenntnis entstehen
würde. Darüber hinaus braucht sich der Benutzer nicht um
die Angemessenheit bzw. Zulänglichkeit, die Vollständigkeit
und eine Konsistenz der Kenntnis in Verbindung mit der Ein
führung einer verschiedenen Kenntnis zu kümmern, so daß die
Arbeit des Benutzers relativ einfach ist. Die Integrität
bzw. Vollständigkeit der Kenntnis (knowledge) wird davon
nicht betroffen. Darüber hinaus ist das Verfahren, das zur
Abschätzung eines Ereignisses verwendet wird, auch anwend
bar für die Abschätzung adaptiver Regeln. Das Folgern von
Ereignissen und Regeln läßt sich in einfacher Weise durch
führen, und zwar mit vollständig ähnlichen technologischen
Mitteln, wie oben beschrieben, und insbesondere in ähnli
cher Situation, und zwar durch eine auf die Kenntnis (know
ledge) bezogene Folgerung bzw. Schlußfolgerung (inference).
Da die oben beschriebene Technologie in einem existierenden
Kenntnisbasissystem vorhanden ist, läßt sich das gewünschte
System in einfacher Weise konstruieren, und zwar unter ver
minderter Arbeitsbelastung des Benutzers.
Die Erfindung wird nachfolgend unter Bezugnahme auf die
Zeichnung näher beschrieben. Es zeigen:
Fig. 1 eine schematische Darstellung eines Gesamtaufbaus
eines Ausführungsbeispiels nach der Erfindung,
Fig. 2 eine schematische Darstellung eines Kenntnisbasis
systems,
Fig. 3 ein Objektdatenformat,
Fig. 4 ein Regelformat,
Fig. 5 bis 7 graphische Darstellungen von Funktionen für
das Ausführungsbeispiel,
Fig. 8 eine Regeltabelle für das Ausführungsbeispiel,
Fig. 9 eine Regeltabelle, die mit Fig. 8 assoziiert ist,
Fig. 10 und 11 Diagramme mit Objektdaten für gemessene Da
ten beim vorherigen Betrieb,
Fig. 12 bis 14 Diagramne mit Objektdaten für gemessene Da
ten beim gegenwärtigen Betrieb,
Fig. 15 ein Beispiel von Abschätzregeln,
Fig. 16 eine Regeltabelle, die nach der Abschätzung erhal
ten worden ist,
Fig. 17 ein Diagramm mit objektiven Daten des gegenwärti
gen konservierten Volumens nach der Abschätzung,
Fig. 18 Abschätzregeln,
Fig. 19 eine Regeltabelle nach der Abschätzung,
Fig. 20 ein schematisches Diagramm mit Abschätzobjektdaten
nach der Abschätzung,
Fig. 21 eine graphische Darstellung einer Konzentrations
funktion für die Umwandlung zwecks Erhaltung eines
festen Werts, und
Fig. 22 Abschätzwert-Objektdaten nach der Umwandlung.
Unter Bezugnahme auf die Zeichnung wird nun ein Ausfüh
rungsbeispiel der Erfindung im einzelnen beschrieben.
Gegenstand dieses Ausführungsbeispiels ist ein Kenntnisver
arbeitungssystem, bei dem dann, wenn ein Material durch ein
Leiterrohr mit einer willkürlichen Länge hindurchströmt,
die Menge des Flusses oder eine Flußrate, eine Geschwindig
keit des Flusses im Leiter und eine Konzentration des flie
ßenden bzw. strömenden Materials gemessen werden, um eine
Konzentration vorherzusagen, die sich in der Zukunft ein
stellen soll. Die Fig. 1 zeigt den Gesamtaufbau dieses Sy
stems, das ein Kenntnisverarbeitungssystem für dieses Bei
spiel, Sensoren 2, 3 und 4 zur Messung von Objekten dieses
Beispiels, insbesondere einen Flußvolumensensor 2, einen
Flußgeschwindigkeitssensor 3 und einen Konzentrationssensor
4 sowie ferner einen Leiter 5 enthält. Diese Sensoren 2 bis
4 führen Messungen im Online-Betrieb durch, und zwar bei
einem vorbestimmten Zeitintervall.
Die Fig. 2 zeigt einen Aufbau eines Kenntnisbasissystems
für dieses Beispiel, das einen Folgerungsmechanismus oder
eine Folgerungsmaschine 21 innerhalb des Systems enthält.
Die Folgerungsmaschine 21 weist ein Folgerungsverhalten vom
Vorrück- oder Voreil-Typ (proceed or advance type) auf, wo
bei ein Ereignis durch Objektdaten repräsentiert wird, wäh
rend eine Regel in Form von IF . . . THEN . . . ausgedrückt
wird, derart, daß ein Zustand des IF-Teils mit den Objekt
daten kollationiert wird, um eine Schlußfolgerung des THEN-
Teils auszuführen. Die Bezugszeichen 22, 23 und 24 stehen
jeweils für eine Gruppe von Objektdaten, eine Gruppe von
Regeln und eine Gruppe von Prozeduren für die Umwandlung
bzw. Konvertierung eines gemessenen Wertes, um die resul
tierenden Werte zu den Objektdaten zu setzen.
Die Fig. 3 und 4 zeigen
Formate zum Ausdrücken von Objekt
daten und Regeln im Kenntnisbasissystem nach diesem Bei
spiel. Ein Objektdatenname gibt einen individuellen Namen
an, der ein willkürliches Ereignis repräsentiert. Im nach
folgenden werden Attribute und Posten (Items), die durch
eine Gerade und ihre Werte bestimmt sind, durch Verwendung
einer Kombination aus einem Spaltennamen und einem Spalten
wert repräsentiert. Eine Regel besitzt ebenfalls einen in
dividuellen Regelnamen. In einem IF-Teil wird eine Bedin
gung in einem mit den Objektdaten übereinstimmenden Format
beschrieben, derart, daß ein Spaltenname und ein Spalten
wert durch Verwendung eines Relationsoperators (=, <, <)
miteinander verbunden sind. In einem THEN-Teil werden ein
Operator und/oder eine Prozedur als eine Schlußfolgerung
beschrieben, die ausgeführt wird, wenn die Bedingung er
füllt ist, so daß verschiedene Prozeduren als Funktionsna
men in der Gruppe der Prozeduren 24 in Fig. 2 gehalten bzw.
zurückgehalten werden. Auf der Grundlage des obigen Aufbaus
wird nachfolgend der Betrieb dieses Beispiels im einzelnen
beschrieben.
Zunächst wird das Problem dieses Beispiels genauer erläu
tert. Dabei sei angenommen, daß die Flußmenge Q, die durch
den Leiter 5 zu einem beliebigen Zeitpunkt hindurchtritt,
durch Q(t), die Flußgeschwindigkeit oder Geschwindigkeit V
des fließenden Materials, das durch den Leiter hindurchbe
wegt wird oder durch diesen hindurch diffundiert, durch
V(t) und eine Konzentration C des strömenden Materials an
einem beliebigen Punkt des Leiters durch C(t) repräsentiert
werden, und daß diese Größen während eines vorbestimmten
Zeitintervalls gemessen werden. Eine Konzentration C(t+1)
im nächsten Zeitpunkt soll sequentiell vorhergesagt werden,
und zwar in Übereinstimmung mit Regeln, die Beziehungen
zwischen Q, V und C als Einzelpunkt-Informationsposten re
präsentieren. Der Wert wird unter Berücksichtigung seiner
Ungenauigkeit und Unbestimmtheit in einem Grad umgewandelt,
der mit der Zustandsmenge verbunden ist, und zwar mit Hilfe
von Funktionen, die in den Fig. 5 bis 7 gezeigt sind.
Die Fig. 5 zeigt Beziehungen von großen und kleinen Werten
des Flußvolumens Q, während die Fig. 6 ein Graph zur Dar
stellung der Beziehung hoher (großer) und niedriger (klei
ner) Werte der Flußgeschwindigkeit V ist. Dagegen zeigt die
Fig. 7 eine Beziehung von großen, mittleren und kleinen
Werten der Konzentration C. In diesen Darstellungen reprä
sentiert jeweils die Abszisse die gemessenen Werte, während
auf der jeweiligen Ordinate der Grad dargestellt ist, aus
gedrückt durch reelle Zahlen im Bereich von 0,0 bis 1,0, so
daß ein Wert auf der Ordinate, bei dem der gemessene Wert
die zugehörige Funktion schneidet, einen Grad repräsen
tiert. Zunächst lassen sich die Beziehungen zwischen Q, V
und C, die unter den obigen Bedingungen bestimmt worden
sind, durch mehrere Regeltabellen ausdrücken, die mit einem
Zustand des Objekts in diesem Ausführungsbeispiel verknüpft
sind, wie die Fig. 8 zeigt. Beispielsweise gibt die oberste
Zeile in Fig. 8 an, daß dann, wenn Q und V zu einem belie
bigen Zeitpunkt groß sind, C zum nächsten Zeitpunkt eben
falls groß ist. Sind also Q(t) und V(t) jeweils groß, so
ist auch C(t+1) groß. Die Folgerung von C auf der Grundlage
der obigen Ereignisse und Regeln wird in üblicher Weise in
Übereinstimmung mit den Beziehungen zwischen Q, V und C wie
folgt vorgenommen. Es sei angenommen, daß die Grade der je
weiligen Ereignisse durch repräsentiert wer
den. Dann ergibt sich die folgende Beziehung:
μ C = min (μ Q , μ V ) (12)
Existiert dasselbe Ergebnis insbesondere für n Grade von C,
so wird
μ C = max (μ C 1, μ C 2, μ C 3, . . ., μ Cn ) (13)
erhalten. Bei der Folgerung nach diesem Ausführungsbeispiel
sind jedoch, wie oben beschrieben, Q, V und C jeweils Ein
zelpunkt-Informationsposten, die mit einer Ungenauigkeit
und Unbestimmtheit behaftet sind, wobei die gemessenen Er
eignisse an einem beliebigen Punkt erhalten werden und in
der Anzahl klein sind, so daß insbesondere nur drei Ereig
nisse gehandhabt werden können. Demzufolge können die Re
geln nach Fig. 8 möglicherweise angepaßt werden, und zwar
durch eine zwischen ihnen vorhandene Überlappung, die von
den Zuständen der Ereignisse abhängt, die nacheinander mit
der Zeit variieren. Es ist daher erforderlich, die angepaß
ten Regeln abzuleiten, und zwar unter Verwendung der Regel
tabelle nach Fig. 8. Die Notwendigkeit der Verwendung adap
tiver Regeln in diesem Beispiel ergibt sich aufgrund der
Tatsache, daß interne Zustände, wie z. B. der Zustand des
Objekts und das verbleibende Volumen oder die Menge des
fließenden Materials im Leiter, durch Messung der Ereignis
se nicht hinreichend erkannt werden können. Im Hinblick
darauf sind bei diesem Beispiel Übereinstimmungen zwischen
den Graden der adaptiven Regeln und den primären, unabhän
gigen Ereignissen hergestellt worden, für die es keine Be
stimmungsmittel gibt, um interne Zustände zu repräsentie
ren. Ein Ereignis wird hier ausgedrückt als Konzept des Vo
lumens oder der Menge an konserviertem Flußmaterial. Durch
Verwendung des konservierten Volumens Q r läßt sich die Re
geltabelle nach Fig. 8 in diejenige nach Fig. 9 ändern. Im
Ergebnis wird die Folgerung der adaptiven Regeln identisch
zu derjenigen des Ereignisses Q r . Für die Folgerung von Q r
ist es nur erforderlich, die Regeltabelle nach Fig. 9 und
die auf diese Weise gemessenen Werte Q, V und C zu verwen
den. An diesem Punkt sind Q(t-1) und V(t-1) zu einem belie
bigen Zeitpunkt t-1 bekannt. Unter dieser Bedingung läßt
sich Q r (t) aufgrund des gemessenen Wertes von C, insbeson
dere aufgrund des tatsächlichen Wertes C(t), mit Hilfe der
Werte von Q(t-1) und V(t-1), die für die Abschätzung am
Zeitpunkt t-1 verwendet worden sind, sowie mit Hilfe der
Regeltabelle von Fig. 8 vorhersagen. Durch die Abschätzung
von Q r (t) werden die adaptiven Regeln unter Verwendung der
Regeltabelle nach Fig. 8 ebenfalls vorhergesagt, so daß
auch C(t-1) zum Zeitpunkt t+1, also die abgeschätzte Kon
zentration des strömenden Materials, ebenfalls abgeleitet
werden kann unter Verwendung von Q r (t), das über die Ab
schätzung von Q(t) und V(t) zum Zeitpunkt t vorhergesagt
worden ist. Im nachfolgenden wird ein Folgerungsverfahren
näher beschrieben, das mit den Beziehungen zwischen C und
Q r , Q und V verknüpft ist, und zwar durch Entwicklung der
Gleichungen (1) und (2). Es sei angenommen, daß der Grad
von Q r der Ausdruck µ Qr sein soll, so daß dann erhalten
werden:
μ C = min (μ Qr , μ Q , μ V ) (12′)
μ C = max (μ C 1, μ C 2, μ C 3, . . ., μ Cn ) (13′)
Für die Folgerung von Q r ist es daher nur erforderlich, die
zu den obigen Relationen umgekehrten Relationen zu verwenden,
um μ Qr zu erhalten, so daß sich ergibt:
Der Wert von Q(t-1) und V(t-1) zum vorherigen Zeitpunkt t-1
wurde jeweils zu 6 g/cm3 und 4 cm/s gemessen. Diese Werte
wurden unter Verwendung der Funktionen von Fig. 6 konver
tiert, um als Objektdatenposten in den Fig. 10 und 11 ge
speichert werden zu können. In ähnlicher Weise wurden die
Werte von Q(t), V(t) und C(t) zum nächsten Zeitpunkt t (mo
mentaner Zeitpunkt) jeweils zu 4 g/cm3, 4,0 cm/s und 70,0%
gemessen, die als Objektdaten in den Fig. 12, 13 und 14
aufgelistet sind. In dieser Situation kann Q r (t) unter Ver
wendung von Q(t-1) und V(t-1) aus den Fig. 10 und 11, C(t)
aus Fig. 14, der Regeltabelle nach Fig. 9 und der Ausdrücke
(14) und (15) vorhergesagt werden. In der Fig. 15 ist eine
Regel dargestellt, die zur Abschätzung von Q r verwendet
wird und die mit der obersten Zeile in Fig. 9 über die
Gleichungen (14) und (15) verknüpft ist. Diese Regel bedeu
tet, daß dann, wenn dem großen Wert der momentanen Konzen
tration der Ausdruck ?Grad 1 zugeteilt ist, das gegenwärti
ge konservierte Volumen einzustellen ist, wenn jeder der
Grade der großen Werte des vorherigen Flußvolumens, der
vorherigen Flußgeschwindigkeit und des momentanen konser
vierten Volumens größer sind als der obige Grad. Die ande
ren Regeln werden ebenfalls in ähnlicher Weise eingeschätzt
bzw. angewandt. Die Ergebnisse von Q r nach der Abschätzung
werden in die Regeltabelle eingesetzt, wie in Fig. 16 ge
zeigt ist. Die Objektdaten von Q r nach der Abschätzung sind
in Fig. 17 gezeigt. In diesem Beispiel wird unter Berück
sichtigung des Folgerungsverfahrens nach Gleichung (14) ein
Bereich von Q r mit Werten kleiner als 1,0 als ein geeigne
ter Bereich angesehen, so daß Werte jenseits dieses Be
reichs für die Adaption als unzuverlässig eingestuft werden
und eine Warnung erfolgt. Eine Folgerung von C(t+1) zum
Zeitpunkt t+1 läßt sich unter Verwendung des auf diese Wei
se abgeschätzten Werts Q r erreichen. Die Fig. 18 zeigt ein
Beispiel einer Regel zur Abschätzung der Konzentration C
verbunden mit der obersten Zeile in Fig. 9 unter Verwendung
der Ausdrücke (12) und (13). Die Regel gibt an, daß dann,
wenn ?Grad 1 dem Fall des großen Werts für das momentane,
konservierte Volumen zugeteilt ist, wenn ?Grad 2 in ähnli
cher Weise dem Fall des großen Werts für das gegenwärtige
Flußvolumen und wenn ?Grad 3 dem Fall des großen Werts für
die gegenwärtige Flußgeschwindigkeit zugeteilt sind, die
abgeschätzte Konzentration auf ihren Minimumwert einzustel
len ist, wenn der mit dem großen Wert verbundene Grad der
abgeschätzten Konzentration kleiner ist als die obigen
Gradwerte. Die Fig. 19 zeigt eine Regeltabelle, in die die
Ergebnisse der Abschätzung, durchgeführt durch die ähnliche
Regel, eingesetzt sind. Dagegen zeigt die Fig. 20 auf diese
Weise abgeschätzte Objektdaten von C(t+1). Zum Beispiel sei
als Maximumwert (max) der Werte 0,5 und 0,0 der Konzentra
tion der Wert 0,5 angenommen, der in Fig. 20 markiert ist.
Bei diesem Ausführungsbeispiel wird anschließend auf der
Grundlage der Objektdaten von Fig. 20 eine Umwandlung bzw.
Konversion der Grade in quantitative Werte durchgeführt.
Die Umwandlung erfolgt so, daß Teile des Graphen der Funk
tion von Fig. 7, die die jeweiligen Grade von Fig. 20 über
schreiten, entfernt werden, so daß auf diese Weise der mit
einem Pfeil bezeichnete Schwerpunkt des verbleibenden Teils
(Fig. 21) bestimmt werden kann. Die Fig. 22 zeigt Objektda
ten abgeschätzter Werte nach der Abschätzung. Das obige
Verfahren wird für jeden beliebigen bzw. willkürlichen
Zeitpunkt durchgeführt. Im Ergebnis erfolgt eine Abschät
zung, um aus einer Mehrzahl von Kenntnisposten adaptive
Kenntnisposten auszuwählen, wie z. B. adaptive Regeln, die
sich dynamisch und kontinuierlich mit der Zeit verändern,
oder primäre Ereignisse, beispielsweise ein konserviertes
Volumen, für das keine Bestimmungseinrichtung vorhanden
ist, so daß sich eine für jeden Zeitpunkt geeignete Folge
rung durchführen läßt.
In Übereinstimmung mit dem obigen Ausführungsbeispiel kön
nen irgendwelche Ereignisse (events) in beliebige Grade um
gewandelt bzw. konvertiert und durch diese repräsentiert
werden, die mit deren Unschärfe bzw. Unbestimmtheit behaf
tet sind, so daß sich eine beliebige Folgerung durch Ver
wendung dieser Grade durchführen läßt, um eine Abschätzung
und Vorhersage zu ermöglichen. Die Abschätzung und die Vor
hersage sind notwendigerweise mit der Unschärfe und Unbe
stimmtheit verbunden. Diese Technologie ist jedoch für ei
nen Fall geeignet, bei dem der Eingangsinformationsposten
unzureichend ist, z. B. wenn es sich um einen Einzelpunkt-
Informationsposten handelt. Darüber hinaus können quantita
tive Information und qualitative Information zur selben
Zeit bearbeitet werden. Im Hinblick auf die zu verwendende
Kenntnis lassen sich eine Folgerung und eine Abschätzung
konstruieren, die qualitative Information verwenden, bei
spielsweise eine vage Kausalität, die zwischen Ereignissen
existiert, so daß ein menschlicheres Verfahren möglich
wird.
Claims (11)
1. Kenntnisverarbeitungssystem, dadurch gekennzeichnet,
daß bei ihm jede Regel in Form eines Paares mit einem Be
dingungsteil und einem Wirkungsteil vorhanden ist, um eine
Folgerung auszuführen, und daß ferner folgende Mittel vor
handen sind:
- - Mittel (22) für eine Gruppe von Objektdaten zur Lieferung von Objektdaten,
- - Mittel (23) für eine Gruppe von Regeln zur Lieferung von Regeln (5), die jeweils ein Paar mit einem Bedingungs teil, bezogen auf ein zu messendes Ereignis, und einem Wirkungsteil aufweisen, der eine Verarbeitung in Verbin dung mit einem Grad spezifiziert, der eine Stärke, bei der das Ereignis befriedigt ist, repräsentiert,
- - Mittel (24) für eine Gruppe von Prozeduren zur Durchfüh rung einer Prozedurverarbeitung auf der Grundlage eines Ergebnisses von den Regelgruppenmitteln (23) in Abhängig keit von Objektdaten und
- - Regelabschätzmittel (Fig. 15) zur Lieferung einer eine Abschätzung repräsentierenden Regel in Verbindung mit ei nem Ereignis, das nicht gemessen werden kann.
2. Kenntnisverarbeitungssystem nach Anspruch 1, gekenn
zeichnet durch Regelvorhersagemittel (Fig. 18) zur Liefe
rung einer Vorhersage-Regel, bezogen auf ein zu messendes
Ereignis in Abhängigkeit eines von den Regelabschätzmitteln
gelieferten Ergebnisses.
3. Kenntnisverarbeitungssystem nach Anspruch 2, gekenn
zeichnet durch Warnmittel zur Ausgabe einer Warnung für den
Fall, daß ein vorhergesagter Datenwert, welcher durch eine
Ausführung einer Folgerung auf der Grundlage der von den
Regelvorhersagemitteln gelieferten Regel erhalten wird,
jenseits eines vorbestimmten Bereichs liegt.
4. Kenntnisverarbeitungssystem nach Anspruch 1, dadurch
gekennzeichnet, daß die Regelabschätzmittel Mittel zum Ver
gleich eines Grades, der eine Stärke repräsentiert, bei der
eine Bedingung, bezogen auf ein zu messendes Ereignis, be
friedigt ist, mit einer Relation einer Kombination von Re
geln enthalten, um einen Grad zu erzeugen, der eine Stärke
repräsentiert, bei der ein Ereignis, das nicht gemessen
werden kann, befriedigt ist.
5. Kenntnisverarbeitungssystem nach Anspruch 2, dadurch
gekennzeichnet, daß die Regelvorhersagemittel Mittel zur
Erzeugung eines beliebigen Vorhersagewerts des zu messenden
Ereignisses in Abhängigkeit eines Ergebnisses, das von den
Regelabschätzmitteln geliefert wird, und in Abhängigkeit
eines Ergebnisses, das durch die Regelgruppenmittel gelie
fert wird, aufweisen.
6. Adaptives Kenntnisfolgerungsverfahren zur Durchfüh
rung in einem Kenntnisverarbeitungssystem, dadurch gekenn
zeichnet, daß für eine Gruppe von Ereignissen Regeln vor
handen sind, die jeweils als eine Einheit ein Paar mit ei
nem Bedingungsteil und einem Wirkungsteil aufweisen, wobei
der Bedingungsteil durch logische, arithmetische Ausdrücke
einschließlich solcher für eine Unschärfelogik repräsen
tiert wird, während der Schlußfolgerungsteil eine Schluß
folgerung, bezogen auf Grade, liefert, die Stärken reprä
sentieren, bei denen eine Mehrzahl von Ereignissen jeweils
befriedigt oder nicht befriedigt sind und/oder einen Befehl
zur Ausführung einer Mehrzahl von Prozedurverarbeitungen
ausgibt, derart, daß eine Kenntnis in Verbindung mit einem
Objekt- bzw. Aufgabenproblem repräsentiert und unter Ver
wendung einer Mehrzahl von Regeln beschrieben wird, und daß
eine Folgerung durch wiederholtes Anwenden der Regeln in
Abhängigkeit des Grades der Befriedigung der jeweiligen Er
eignisse ausgeführt wird, um schließlich einen Grad der Be
friedigung von einem oder mehreren Ereignissen zu erhalten
und/oder eine Schlußfolgerung zu erzeugen, um schließlich
eine oder mehrere Prozedurverarbeitungen auszuführen, der
art, daß beim Ziehen einer endgültigen Schlußfolgerung
durch Aufstellen von Übereinstimmungen zwischen Zuständen
eines externen Feldes des Systems und Ereignissen in einem
Fall, bei dem zwischen den Zuständen des externen Feldes
des Systems, für die Übereinstimmungen mit den als Kenntnis
beschriebenen Ereignissen aufgestellt worden sind, Zustände
existieren, die nicht tatsächlich gemessen werden können,
ein die Stärke repräsentierender Grad, bei der ein Ereignis
entsprechend einem unmeßbaren Zustand befriedigt ist, aus
den beschriebenen Regeln abgeleitet wird, und zwar anhand
von Graden, die jeweils die Stärke repräsentieren, bei de
nen Ereignisse von meßbaren Zuständen jeweils befriedigt
sind, um eine endgültige Schlußfolgerung unter Verwendung
eines Ergebnisses der Folgerung zu ziehen.
7. Adaptives Kenntnisfolgerungsverfahren nach Anspruch
6, dadurch gekennzeichnet, daß beim Ziehen der endgültigen
Schlußfolgerung durch Aufstellung von Übereinstimmungen
zwischen gemessenen Werten von Zuständen und Ereignissen in
einem externen Feld des Systems in einem Fall, bei dem eine
falsche endgültige Schlußfolgerung in Abhängigkeit der Zu
stände des externen Feldes des Systems letztendlich gezogen
werden könnte, ein angenommenes Ereignis gesetzt wird, um
Regeln, die mit dem angenommenen Ereignis verbunden sind,
so hinzuzuaddieren, daß ein Grad der Befriedigung für das
angenommene Ereignis anhand der Grade der Befriedigung der
Ereignisse abgeleitet wird, die in Verbindung mit den meß
baren Zuständen des externen Feldes des Systems bestimmt
worden sind, und zwar durch Verwendung aller oder eines
Teils der beschriebenen Regeln, um die endgültige Schluß
folgerung durch Verwendung eines Ergebnisses der Folgerung
zu ziehen.
8. Adaptives Kenntnisfolgerungsverfahren nach Anspruch
6, dadurch gekennzeichnet, daß dann, wenn die Regeln eine
kausale Kenntnis, bezogen auf die Zeit, enthalten und eine
Vorhersage eines Grads der Befriedigung eines Ereignisses
innerhalb eines Teils einer endgültig zu ziehenden Schluß
folgerung vorhanden ist, eine Vorhersageregel aufgestellt
wird, die die kausale Kenntnis, bezogen auf die Zeit, für
ein unmeßbares Ereignis entsprechend einem unmeßbaren Zu
stand von Anspruch 6 und/oder für das angenommene Ereignis
beschreibt, derart, daß auf der Grundlage von Graden der
Befriedigung von Ereignissen, die durch die meßbaren Zu
stände bis herauf zum gegenwärtigen Zeitpunkt bestimmt wor
den sind, gegenwärtige Werte von Graden der Befriedigung
des unmeßbaren Ereignisses und des angenommenen Ereignisses
abgeleitet werden, und zwar durch Verwendung aller oder ei
nes Teils der beschriebenen Regeln, und daß auf der Grund
lage eines Ergebnisses der Folgerung und der vorhergesagten
Kenntnis der Grad der Befriedigung des angenommenen Ereig
nisses vorhergesagt und abgeleitet wird, um einen vorherge
sagten Wert eines Grads der Befriedigung eines endgültigen
Schlußfolgerungsereignisses durch Verwendung eines Ergeb
nisses der Vorhersage und der Folgerung sowie der Grade der
Befriedigung des Ereignisses zu erhalten, das durch den
meßbaren Zustand bis herauf zum gegenwärtigen Zeitpunkt be
stimmt worden ist.
9. Adaptives Kenntnisfolgerungsverfahren nach Anspruch
6, dadurch gekennzeichnet, daß für einen Teil oder für alle
Ereignisse, für die Grade der Befriedigung durch Adaption
der Regeln erhalten werden können, quantitative Werte für
Zustände des externen Feldes des Systems abgeschätzt wer
den, und zwar auf der Grundlage der Grade der Befriedigung
des Ereignisses, und daß ferner eine Folgerungsverarbeitung
unter Verwendung eines Ergebnisses der Abschätzung erfolgt.
10. Adaptives Kenntnisfolgerungsverfahren nach Anspruch
6, dadurch gekennzeichnet, daß in einem Fall, in dem eine
Folgerung für einen Grad eines unmeßbaren Ereignisses oder
für ein angenommenes Ereignis durchgeführt wird, oder in
dem ein quantitativer Wert für einen Zustand eines externen
Feldes des Systems entsprechend dem Ereignis erhalten wird,
eine Warnung oder ein Hinweis zu einem Benutzer des Systems
ausgegeben oder/und eine anschließende Folgerung kontinu
ierlich unter Verwendung eines vorbestimmten Standardwerts
ausgeführt werden, wenn der abgeleitete Grad der Befriedi
gung oder der quantitative Wert jenseits eines vorbestimm
ten Bereichs von Werten liegen oder von einem vorbestimmten
Wert verschieden sind.
11. Adaptives Kenntnisfolgerungsverfahren nach Anspruch
6, dadurch gekennzeichnet, daß Prozedurverarbeitung durch
Kenntnis-Regeln beschrieben ist, die zum Kenntnisverarbei
tungssystem geliefert werden.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63139325A JPH01309101A (ja) | 1988-06-08 | 1988-06-08 | 適応知識推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
DE3918789A1 true DE3918789A1 (de) | 1989-12-21 |
DE3918789C2 DE3918789C2 (de) | 1995-10-26 |
Family
ID=15242683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE3918789A Expired - Lifetime DE3918789C2 (de) | 1988-06-08 | 1989-06-08 | Adaptives Verfahren und Vorrichtung zum Ermitteln einer Größe durch Folgern anhand von Regeln |
Country Status (3)
Country | Link |
---|---|
US (1) | US5208898A (de) |
JP (1) | JPH01309101A (de) |
DE (1) | DE3918789C2 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4108310A1 (de) * | 1990-03-14 | 1991-09-26 | Hitachi Ltd | Wissensbank-verarbeitungssystem und expertensystem |
DE4103128A1 (de) * | 1991-01-30 | 1992-08-13 | Krone Ag | Echtzeit-prozessexpertensystem |
EP0555482A1 (de) * | 1990-10-29 | 1993-08-18 | Omron Corporation | Gerät zur durchführung von zerstreuter deduktion und verfahren zur überwachung des ablaufs davon |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04264566A (ja) * | 1991-02-20 | 1992-09-21 | Mita Ind Co Ltd | 画像形成装置のための自己診断システム |
JPH0511810A (ja) * | 1991-07-08 | 1993-01-22 | Sanki Eng Co Ltd | フアジイ推論エンジンのフイードバツクシステム |
US5481700A (en) * | 1991-09-27 | 1996-01-02 | The Mitre Corporation | Apparatus for design of a multilevel secure database management system based on a multilevel logic programming system |
JPH06131188A (ja) * | 1992-10-22 | 1994-05-13 | Hitachi Ltd | ファジィルール獲得方法およびファジィ推論システム |
EP0669573A4 (de) * | 1992-11-10 | 1995-12-06 | Omron Tateisi Electronics Co | Regelerzeugungsgerat und verfahren. |
DE4241920A1 (de) * | 1992-12-11 | 1994-06-16 | Siemens Ag | Verfahren zum Entwurf eines Fuzzy-Reglers |
US5544256A (en) * | 1993-10-22 | 1996-08-06 | International Business Machines Corporation | Automated defect classification system |
US5574828A (en) * | 1994-04-28 | 1996-11-12 | Tmrc | Expert system for generating guideline-based information tools |
US5809493A (en) * | 1995-12-14 | 1998-09-15 | Lucent Technologies Inc. | Knowledge processing system employing confidence levels |
US5715371A (en) * | 1996-05-31 | 1998-02-03 | Lucent Technologies Inc. | Personal computer-based intelligent networks |
US6272481B1 (en) | 1996-05-31 | 2001-08-07 | Lucent Technologies Inc. | Hospital-based integrated medical computer system for processing medical and patient information using specialized functional modules |
US6101488A (en) * | 1996-09-04 | 2000-08-08 | Fujitsu Limited | Intelligent information program generation and retrieval system |
JPH10222371A (ja) * | 1997-02-06 | 1998-08-21 | Seitaro Matsushita | 知識ベースの作成装置及び実行装置並びにこれらを用いた知識ベースシステム |
US6073127A (en) * | 1998-12-22 | 2000-06-06 | Ac Properties B.V. | System, method and article of manufacture for a goal based system with dynamic feedback information |
US6782374B2 (en) | 1998-12-22 | 2004-08-24 | Accenture Global Services Gmbh | System, method and article of manufacturing for a runtime program analysis tool for a simulation engine |
US6018732A (en) | 1998-12-22 | 2000-01-25 | Ac Properties B.V. | System, method and article of manufacture for a runtime program regression analysis tool for a simulation engine |
US6542880B2 (en) * | 1998-12-22 | 2003-04-01 | Indeliq, Inc. | System, method and article of manufacture for a goal based system utilizing a table based architecture |
US6745170B2 (en) | 1999-02-08 | 2004-06-01 | Indeliq, Inc. | Goal based educational system with support for dynamic characteristic tuning |
US6085184A (en) * | 1998-12-22 | 2000-07-04 | Ac Properties B.V. | System, method and article of manufacture for a dynamic toolbar in a tutorial system |
US6029158A (en) | 1998-12-22 | 2000-02-22 | Ac Properties B.V. | System, method and article of manufacture for a simulation enabled feedback system |
US6029159A (en) | 1998-12-22 | 2000-02-22 | Ac Properties B.V. | System, method and article of manufacture for a simulation enabled accounting tutorial system |
US6101489A (en) | 1998-12-22 | 2000-08-08 | Ac Properties, B.V. | System, method and article of manufacture for a goal based system utilizing a time based model |
US6018730A (en) * | 1998-12-22 | 2000-01-25 | Ac Properties B.V. | System, method and article of manufacture for a simulation engine with a help website and processing engine |
US6026386A (en) * | 1998-12-22 | 2000-02-15 | Ac Properties B.V. | System, method and article of manufacture for a goal based educational system with support for dynamic media control |
US6535861B1 (en) | 1998-12-22 | 2003-03-18 | Accenture Properties (2) B.V. | Goal based educational system with support for dynamic characteristics tuning using a spread sheet object |
US6134539A (en) * | 1998-12-22 | 2000-10-17 | Ac Properties B.V. | System, method and article of manufacture for a goal based education and reporting system |
US5987443A (en) | 1998-12-22 | 1999-11-16 | Ac Properties B. V. | System, method and article of manufacture for a goal based educational system |
US7156665B1 (en) | 1999-02-08 | 2007-01-02 | Accenture, Llp | Goal based educational system with support for dynamic tailored feedback |
US7194444B1 (en) | 1999-02-08 | 2007-03-20 | Indeliq, Inc. | Goal based flow of a control presentation system |
US7065512B1 (en) | 1999-02-08 | 2006-06-20 | Accenture, Llp | Dynamic toolbar in a tutorial system |
US6970858B1 (en) | 1999-02-08 | 2005-11-29 | Accenture, Llp | Goal based system utilizing an activity table |
US7089222B1 (en) | 1999-02-08 | 2006-08-08 | Accenture, Llp | Goal based system tailored to the characteristics of a particular user |
US7054848B1 (en) | 1999-02-08 | 2006-05-30 | Accenture, Llp | Goal based system utilizing a time based model |
US7386524B2 (en) | 1999-02-08 | 2008-06-10 | Accenture Global Services Gmbh | Simulation enabled focused feedback tutorial system |
US7065513B1 (en) | 1999-02-08 | 2006-06-20 | Accenture, Llp | Simulation enabled feedback system |
US6993513B2 (en) | 1999-05-05 | 2006-01-31 | Indeliq, Inc. | Interactive simulations utilizing a remote knowledge base |
US6611822B1 (en) | 1999-05-05 | 2003-08-26 | Ac Properties B.V. | System method and article of manufacture for creating collaborative application sharing |
US7152092B2 (en) * | 1999-05-05 | 2006-12-19 | Indeliq, Inc. | Creating chat rooms with multiple roles for multiple participants |
US20030023686A1 (en) * | 1999-05-05 | 2003-01-30 | Beams Brian R. | Virtual consultant |
WO2000067230A1 (en) | 1999-05-05 | 2000-11-09 | Accenture Properties (2) B.V. | System, method and article of manufacture for creating collaborative simulations with multiple roles for a single student |
US20020138590A1 (en) * | 2000-05-05 | 2002-09-26 | Beams Brian R. | System method and article of manufacture for creating a virtual university experience |
US6397202B1 (en) * | 1999-07-01 | 2002-05-28 | The United States Of America As Represented By The Secretary Of The Navy | System and method for monitoring risk in a system development program |
US6529889B1 (en) * | 1999-07-27 | 2003-03-04 | Acappella Software, Inc. | System and method of knowledge architecture |
US6736642B2 (en) * | 1999-08-31 | 2004-05-18 | Indeliq, Inc. | Computer enabled training of a user to validate assumptions |
US20020078435A1 (en) * | 1999-10-15 | 2002-06-20 | Pamela P. Liu | Table driven configurator on internet |
AU2001275508A1 (en) * | 2000-06-02 | 2001-12-11 | Joseph E Johnson | Apparatus and method for handling logical and numerical uncertainty utilizing novel underlying precepts |
US6725287B1 (en) * | 2000-11-09 | 2004-04-20 | Elity Systems, Inc. | Method and system for capturing streaming data by an actionable information engine |
US6907416B2 (en) * | 2001-06-04 | 2005-06-14 | Honeywell International Inc. | Adaptive knowledge management system for vehicle trend monitoring, health management and preventive maintenance |
JP2003001685A (ja) * | 2001-06-25 | 2003-01-08 | Fanuc Ltd | 成形技術収集装置 |
US7844476B2 (en) | 2001-12-31 | 2010-11-30 | Genworth Financial, Inc. | Process for case-based insurance underwriting suitable for use by an automated system |
US8005693B2 (en) | 2001-12-31 | 2011-08-23 | Genworth Financial, Inc. | Process for determining a confidence factor for insurance underwriting suitable for use by an automated system |
US7895062B2 (en) * | 2001-12-31 | 2011-02-22 | Genworth Financial, Inc. | System for optimization of insurance underwriting suitable for use by an automated system |
US7899688B2 (en) * | 2001-12-31 | 2011-03-01 | Genworth Financial, Inc. | Process for optimization of insurance underwriting suitable for use by an automated system |
US7630910B2 (en) * | 2001-12-31 | 2009-12-08 | Genworth Financial, Inc. | System for case-based insurance underwriting suitable for use by an automated system |
US8793146B2 (en) * | 2001-12-31 | 2014-07-29 | Genworth Holdings, Inc. | System for rule-based insurance underwriting suitable for use by an automated system |
US7844477B2 (en) * | 2001-12-31 | 2010-11-30 | Genworth Financial, Inc. | Process for rule-based insurance underwriting suitable for use by an automated system |
US7818186B2 (en) | 2001-12-31 | 2010-10-19 | Genworth Financial, Inc. | System for determining a confidence factor for insurance underwriting suitable for use by an automated system |
US7383239B2 (en) | 2003-04-30 | 2008-06-03 | Genworth Financial, Inc. | System and process for a fusion classification for insurance underwriting suitable for use by an automated system |
US7567914B2 (en) * | 2003-04-30 | 2009-07-28 | Genworth Financial, Inc. | System and process for dominance classification for insurance underwriting suitable for use by an automated system |
US7813945B2 (en) | 2003-04-30 | 2010-10-12 | Genworth Financial, Inc. | System and process for multivariate adaptive regression splines classification for insurance underwriting suitable for use by an automated system |
US7801748B2 (en) | 2003-04-30 | 2010-09-21 | Genworth Financial, Inc. | System and process for detecting outliers for insurance underwriting suitable for use by an automated system |
US7698159B2 (en) | 2004-02-13 | 2010-04-13 | Genworth Financial Inc. | Systems and methods for performing data collection |
US7668824B2 (en) * | 2004-03-01 | 2010-02-23 | Denso Corporation | Interface device, inferring system, and visual expression method |
US20070295556A1 (en) * | 2006-06-22 | 2007-12-27 | Oded Grinberg | Device system and method of adjustable telescopic legs |
US20080097811A1 (en) * | 2006-10-24 | 2008-04-24 | Fritz Kramer | Systems and methods for reducing poverty |
JP5582707B2 (ja) * | 2009-02-27 | 2014-09-03 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
US20110205850A1 (en) * | 2010-02-23 | 2011-08-25 | Srinivas Annambhotla | System and method for managing calendar events using location information |
US20230281310A1 (en) * | 2022-03-01 | 2023-09-07 | Meta Plataforms, Inc. | Systems and methods of uncertainty-aware self-supervised-learning for malware and threat detection |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0241286A1 (de) * | 1986-04-11 | 1987-10-14 | Mitsubishi Denki Kabushiki Kaisha | Selbsteinstellender Regler |
US4730259A (en) * | 1985-03-01 | 1988-03-08 | Gallant Stephen I | Matrix controlled expert system producible from examples |
EP0268182A2 (de) * | 1986-11-13 | 1988-05-25 | Omron Tateisi Electronics Co. | Fuzzy Rechner |
DE3907843A1 (de) * | 1988-03-11 | 1989-09-28 | Ricoh Kk | In hardware ausgefuehrtes, regelgestuetztes expertensystem |
DE3908879A1 (de) * | 1988-03-17 | 1989-11-02 | Toshiba Kawasaki Kk | Echtzeit-expertencomputersystem |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4712182A (en) * | 1983-03-09 | 1987-12-08 | Hitachi, Ltd. | Method of estimating fracture point of pipe line network |
GB8521663D0 (en) * | 1985-08-30 | 1985-10-02 | British Steel Corp | Control of reactants in chemical engineering systems |
US4763277A (en) * | 1986-01-17 | 1988-08-09 | International Business Machines Corporation | Method for obtaining information in an expert system |
US4754410A (en) * | 1986-02-06 | 1988-06-28 | Westinghouse Electric Corp. | Automated rule based process control method with feedback and apparatus therefor |
US4860213A (en) * | 1987-10-01 | 1989-08-22 | General Electric Company | Reasoning system for reasoning with uncertainty |
JPH01125692A (ja) * | 1987-11-11 | 1989-05-18 | Hitachi Ltd | 情報サービス方式 |
US4918620A (en) * | 1988-06-16 | 1990-04-17 | General Electric Company | Expert system method and architecture |
-
1988
- 1988-06-08 JP JP63139325A patent/JPH01309101A/ja active Pending
-
1989
- 1989-05-30 US US07/359,023 patent/US5208898A/en not_active Expired - Fee Related
- 1989-06-08 DE DE3918789A patent/DE3918789C2/de not_active Expired - Lifetime
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4730259A (en) * | 1985-03-01 | 1988-03-08 | Gallant Stephen I | Matrix controlled expert system producible from examples |
EP0241286A1 (de) * | 1986-04-11 | 1987-10-14 | Mitsubishi Denki Kabushiki Kaisha | Selbsteinstellender Regler |
EP0268182A2 (de) * | 1986-11-13 | 1988-05-25 | Omron Tateisi Electronics Co. | Fuzzy Rechner |
DE3907843A1 (de) * | 1988-03-11 | 1989-09-28 | Ricoh Kk | In hardware ausgefuehrtes, regelgestuetztes expertensystem |
DE3908879A1 (de) * | 1988-03-17 | 1989-11-02 | Toshiba Kawasaki Kk | Echtzeit-expertencomputersystem |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4108310A1 (de) * | 1990-03-14 | 1991-09-26 | Hitachi Ltd | Wissensbank-verarbeitungssystem und expertensystem |
US5493729A (en) * | 1990-03-14 | 1996-02-20 | Hitachi, Ltd. | Knowledge data base processing system and expert system |
DE4108310C2 (de) * | 1990-03-14 | 1998-10-22 | Hitachi Ltd | Verarbeitungssystem für eine Wissensbank in einem Expertensystem |
EP0555482A1 (de) * | 1990-10-29 | 1993-08-18 | Omron Corporation | Gerät zur durchführung von zerstreuter deduktion und verfahren zur überwachung des ablaufs davon |
EP0555482A4 (en) * | 1990-10-29 | 1994-02-16 | Omron Corporation | Device for performing fuzzy inference and method for monitoring operation thereof |
DE4103128A1 (de) * | 1991-01-30 | 1992-08-13 | Krone Ag | Echtzeit-prozessexpertensystem |
Also Published As
Publication number | Publication date |
---|---|
JPH01309101A (ja) | 1989-12-13 |
DE3918789C2 (de) | 1995-10-26 |
US5208898A (en) | 1993-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3918789A1 (de) | Adaptives kenntnisfolgerungsverfahren und -system | |
DE69521172T2 (de) | Anlagenbetriebsunterstützungssystem | |
DE69130509T2 (de) | Interaktive datenanzeige | |
DE69427524T2 (de) | Verfahren und anlage zur eingangsdatenvorverarbeitung fur ein neuronales netzwerk | |
DE69410464T3 (de) | Gradierungsverfahren für bekleidung | |
DE2207140A1 (de) | System zur dynamischen Simulation und optischen Anzeige der finanziellen Situation einer Firma für zukünftige Zeiträume | |
DE69400710T2 (de) | Fuzzy Logik Steuerungsverfahren bzw. -vorrichtung für einen Induktionsmotor | |
DE19531967A1 (de) | Verfahren zum Training eines neuronalen Netzes mit dem nicht deterministischen Verhalten eines technischen Systems | |
DE69232452T2 (de) | Expertensystem mit einem Wissenserfassungsunterstützungssystem | |
CH687110A5 (de) | Verfahren zur Erstellung einer Stoerungsdiagnose an Produktionsmaschinen und Anwendung des Verfahrens an Textilmaschinen. | |
DE102016119174A1 (de) | Anzeigeinhalterzeugungsvorrichtung mit funktion zur unterstützung der erzeugung eines anwendungsanzeigeinhalts | |
DE69430413T2 (de) | Verfahren und Vorrichtung zur Lösung von Termen einer numerischen Folge | |
DE68928609T2 (de) | Fuzzy-Gerät | |
DE4121453C2 (de) | Näherungsschlußfolgerungsvorrichtung | |
DE3854512T2 (de) | Vorrichtung und Verfahren zur Anzeige der Ablauffolge eines Expertensystems. | |
DE4018406A1 (de) | Verfahren zum anzeigen einer versuchswiederholung | |
DE2600023A1 (de) | Vorrichtung zur erzeugung eines ausgangssignals als mass fuer die standardabweichung einer zufaelligen variablen | |
DE4217007A1 (de) | Verfahren und Vorrichtung zur Überwachung und Sicherung der Produktqualität | |
DE19914819B4 (de) | Verfahren zur Unterstützung von Entwicklungprozessen | |
DE69033526T2 (de) | Industrielles Expertensystem | |
DE68928208T2 (de) | Regelprüfungeinrichtung und Fuzzy-Interferenzverfahren | |
DE69629711T2 (de) | Diagnose von Netzen von Bauelementen unter Verwendung einer Bänder-Modellierung | |
WO2001059609A1 (de) | Vorrichtung, speichermedium und verfahren zum ermitteln von objekten mit grossen ähnlichkeit zu einem vorgegebenen objekt | |
DE3627204C2 (de) | Digitales Computersystem mit einem Expertensystem | |
EP3491517B1 (de) | Signalflussbasiertes computerprogramm mit direct-feedthrough-schleifen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8128 | New person/name/address of the agent |
Representative=s name: STREHL, P., DIPL.-ING. DIPL.-WIRTSCH.-ING. SCHUEBE |
|
D2 | Grant after examination | ||
8364 | No opposition during term of opposition |