DE4121453C2 - Näherungsschlußfolgerungsvorrichtung - Google Patents

Description

Die Erfindung bezieht sich auf eine Näherungsschlußfol­ gerungsvorrichtung gemäß dem Oberbegriff des Patentanspruchs 1 bzw. 2.

Eine Näherungsschlußfolgerungsvorrichtung dieser Art ist aus US 4 860 213 bekannt.

Bei dieser bekannten Näherungsschlußfolgerungsvorrich­ tung ist das Wissen mehrerer Experten nur gleichgewichtig eingebbar und verwendbar.

Aus EP 0 318 985 A2 ist es bekannt, eine Prioritäts­ reihenfolge für Näherungsschlußfolgerungsregeln vorzusehen.

Aufgabe der Erfindung ist es, eine Näherungsschlußfol­ gerungsvorrichtung der eingangs genannten Art so zu gestal­ ten, daß die Korrektheit der Schlußfolgerungsergebnisse verbessert ist.

Diese Aufgabe wird durch Näherungsschlußfolgerungsvor­ richtungen mit den Merkmalen des Patentanspruchs 1 und des Patentanspruchs 2 gelöst.

Ausführungsformen der Erfindung werden im folgenden in Verbindung mit den beigefügten Zeichnungen beschrieben. In den Zeichnungen ist bzw. sind

Fig. 1 ein Blockschaltbild, welches ein Beispiel des Gesamtaufbaus einer Näherungsschlußfolgerungsvorrichtung gemäß einer Ausführungsform der Erfindung zeigt,

Fig. 2 eine Kurve, welche eine Gauß-Verteilung dar­ stellt,

Fig. 3a-3c Kurven, welche zeigen, wie eine Zugehö­ rigkeitsfunktion ausgebildet wird,

Fig. 4a und 4b Kurven, welche für die Faktoren er­ haltene Zugehörigkeitsfunktionen veranschaulichen,

Fig. 5, 6, 7 und 8 Veranschaulichungen von Methoden der Wissensgewichtung,

Fig. 9 ein Blockschaltbild, welches eine Näherungs­ schlußfolgerungsvorrichtung gemäß einer weiteren Ausfüh­ rungsform der Erfindung zeigt, und

Fig. 10 eine Veranschaulichung von Beziehungen zwi­ schen dem Wissen von Experten und Faktorwerten.

In vorbekannten Wissenzusammenfas­ sungs- bzw. -synthetisierverfahren wird das Wissen aller Experten, die ihr Wissen zur Wissensbasis beigetragen haben, als äquivalent behandelt. Tatsächlich jedoch unterscheiden sich die Fähigkeiten der Experten voneinander. Wenn daher das Wissen aller Experten als gleich behandelt wird, wird die Korrektheit Wissensbasis durch das Wissen eines Experten beeinträchtigt, der vergleichsweise geringe Fähigkeiten hat, und dies reduziert die Genauigkeit der Schlußfolgerungser­ gebnisse.

Die Näherungsschlußfolgerungsvorrichtung gemäß der vor­ liegenden Ausführungsform ist so eingerichtet, daß genaue Schlußfolgerungsergebnisse durch Gewichtung des Wissens der einzelnen Experten erzielt werden.

Fig. 1 veranschaulicht den Aufbau der Näherungsschluß­ folgerungsvorrichtung gemäß dieser Ausführungsform. Die Näherungsschlußfolgerungsvorrichtung umfaßt eine Wissens­ speichereinheit 11A, eine Wissenssynthetisiereinheit 12A, eine Synthesewissensspeichereinheit 13A, eine Faktorwert- Eingabeeinheit 14, eine Zugehörigkeitsgrad-Berechnungsein­ heit 15, eine Berechnungseinheit 16 für eine dynamische Informationsgröße, eine Möglichkeitsberechnungseinheit 17, eine Möglichkeitsanzeigeeinheit 18A, eine Berechnungseinheit 19 für eine statische Informationsgröße, eine Klarheitsbe­ rechnungseinheit 20, eine Klarheitsspeichereinheit 21, eine Klarheitsaddiereinheit 22 und eine Klarheitsanzeigeeinheit 23.

Diese Einheiten werden nun auszugsweise anhand einer Fehlerdiagnose beschrieben.

Wissenspeichereinheit

Die Wissensspeichereinheit IIA speichert Wissen, wel­ ches durch einen Experten oder dgl. eingegeben worden ist, in einer Form, welche die Beziehung zwischen Faktoren (feh­ lerbedingte Symptome, Meßergebnisse etc.) und einem Schluß (Art des Fehlers etc.) angibt. Diese Einheit ist in der Lage, das Wissen einer Anzahl von Experten zu speichern.

Beispiele für das Wissen zweier Experten ex₁, ex₂₁ welches in der Wissensspeichereinheit 11A gespeichert ist, sind im fol­ genden in Form von Regeln veranschaulicht.

Experte ex₁

Wenn 20 f₁ 60, 0 f₂ 40, dann c₁ (1)

Wenn 40 f₁ 80, 60 f₂ 100, dann c₂ (2)

Experte ex₂

Wenn 30 f₁ 50, 10 f₂ 30, dann c₁ (3)

Wenn 50 f₁ 70, 70 f₂ 90, dann c₂ (4)

Hier sind f₁ und f₂ Faktoren, auf die im folgenden als Faktor 1 bzw. Faktor 2 Bezug genommen werden wird.

Ferner wird auf a, b, ausgedrückt so, daß a f₁ b gilt, als Minimalwert bzw. Maximalwert Bezug genommen.

Die vorstehenden Regeln werden für jeden Experten zu fol-
gendem, wenn sie in Form einer Tabelle ausgedrückt werden:

Tabelle 1

Experte ex₁

Tabelle 2

Experte ex₂

Zusätzlich zu den weiter oben angegebenen Expertenwis­ sen [Gleichungen (1) bis (4)] speichert die Wissensspeicher­ einheit 11A eine Anzahl von Gewichtungs­ koeffizienten für die entsprechenden Experten. Jeder Gewich­ tungskoeffizient wird durch eine ganze Zahl von 1 bis 5 aus­ gedrückt, wobei das Wissen eines jeden Experten damit gewichtet wird, wenn die Wissensbasis aufgebaut wird.

Es sei beispielsweise das Wissen zur Gewinnung eines Schlusses 1 (c₁) aus einem Faktor 1 (f₁) betrachtet. Die Gewich­ tungskoeffizienten der Experten ex₁, ex₂ sind die folgenden:

Experte ex₁: 5
Experte ex₂: 3

Das gewichtete Mittel mw_min von Minimalwerten und das ge­ wichtete Mittel mw_max von Maximalwerten werden in der folgenden Weise berechnet:

Die gewichtete Standardabweichung σw_min der Minimalwerte und die gewichtete Standardabweichung σw_max der Maximalwerte werden in der folgenden Weise berechnet:

Wissenssynthetisiereinheit

Zunächst wird die ungewichtete Kombination des Exper­ tenwissens dargelegt.

Es gibt verschiedene Methoden der Wissenssynthese, hier werden aber der Mittelwert und die Standardabweichung einer Anzahl von Experten in Bezug auf Maximal- und Minimalwert eines jeden Faktors, der an einem Schluß teilnimmt, berechnet.

Die Wissenssynthetisierverarbeitung wird nun anhand des Beispiels von Wissen beschrieben, welches den Schluß c₁ aus dem Faktor f₁ der beiden oben erwähnten Experten herleitet.

Zieht man die Regeln zur Gewinnung des Schlusses 1 (c₁) aus dem Faktor 1 (c₁) aus den oben erwähnten Regeln ((Gleichung (1) und Gleichung (3)), dann drücken sich diese folgendermaßen aus:

Experte ex₁: wenn 20 f₁ 60, dann c₁ (9)

Experte ex₂: wenn 30 f₁ 50, dann c₁ (10)

Der Mittelwert m_min der Minimalwerte und der Mittelwert m_max der Maximalwerte werden berechnet.

Die Standardabweichung σ_min der Minimalwerte und die Standardabweichung σ_max der Maximalwerte werden berechnet.

Wenn eine solche Verarbeitung zur Kombination des Wissens der Experten für alle Minimal- und Maximalwerte eines jeden Faktors, der an einem Schluß in bezug auf die obigen Regeln (Gleichungen (1) bis (4)) teilnimmt, durchgeführt wird, ergibt sich die folgende Tabelle:

Tabelle 3

Allgemein ist beim Näherungsschlußfolgern eine Zugehörig­ keitsfunktion für jeden Faktor gegeben. Als ein Beispiel wird nun ein Verfahren beschrieben, bei welchem eine Zugehörigkeitsfunktion durch eine Gauß-Verteilung unter Verwen­ dung des Wissens von Experten, das wie oben ausgeführt, kombi­ niert ist, gewonnen wird.

Eine Zugehörigkeitsfunktion wird durch die folgende Glei­ chung unter Verwendung des Mittelwertes m_min der Minimalwerte, des Mittelwertes m_max der Maximalwerte, der Standardabweichung σ_min der Minimalwerte, und der Standardabweichung der Maximal­ werte σ_max ausgedrückt:

wobei x: zum Faktor eingegebener Datenwert
Φ(x): Grad, in welchem Eingangsdaten zum Faktor gehören (Zugehörigkeitsgrad)
Gauß (x): Wert der Gauß-Verteilung in Eingabe x.

Fig. 2 veranschaulicht ein Beispiel einer Gauß-Verteilung. Bei dieser Gauß-Verteilung wird nur die linke Hälfte zur Bildung der Zugehörigkeitsfunktion verwendet. Die Lage von x für Φ(x) = 0,5 wird durch m_min oder m_max und die Steigung durch σ_min oder σ_max entschieden.

Als ein Beispiel wird eine Zugehörigkeitsfunktion zur Ge­ winnung des Schlusses c₁ aus dem Faktor f₁ in der Weise der Fig. 3c aus Fig. 3a unter Verwendung eines aus den Gleichun­ gen (11) bis (14) berechneten Wertes gebildet. In diesem Fall wird Gleichung (15) zu:

Fig. 3a stellt den ersten Term auf der rechten Seite von Gleichung (15) bzw. (16) dar, Fig. 3b den zweiten Term auf der rechten Seite der Gleichung (15) bzw. (16) und Fig. 3c das Ergebnis der Subtraktion des zweiten Terms vom ersten Term, nämlich eine durch Gleichung (15) bzw. (16) ausgedrückte Zugehö­ rigkeitsfunktion dar.

Fig. 4a und 4b veranschaulichen Beispiele von Zugehörig­ keitsfunktionen zur Gewinnung der Schlüsse c₁, c₂ im Hinblick auf die Faktoren f₁, f₂, die basierend auf dem in Tabelle 3 gezeigten kombinierten Wissen gebildet sind.

Die Wissenssynthetisiereinheit 12A kombiniert das Wissen der Experten in der oben beschriebenen Weise unter Verwendung von deren Gewichtungskoeffizienten und speichert das kombinier­ te Wissen in einer Speichereinheit 13A.

Wenn eine solche Verarbeitung zur Gewichtung und Kombi­ nierung des Wissens der Experten für alle Minimal- und Maximal­ werte aller Faktoren, die an den einzelnen Schlüssen teilnehmen, in Bezug auf die oben erwähnten Regeln (Gleichungen (1) bis (4)) durchgeführt wird, ergibt sich die folgende Tabelle (vgl. diese mit Tabelle 3):

Tabelle 4

Schreibt man die Gleichungen (5) bis (8) als allgemeinen Ausdruck, ergibt sich folgendes, wobei V_i den Wissenswert des Experten ex_i und W_i den Gewichtungskoeffizienten dieses Experten darstellt.

Gewichteter Mittelwert S:

In Gleichung (17) stellt N die Anzahl der Experten dar. Wenn der Wissenswert V_i nicht gegeben worden ist, wird der Ge­ wichtskoeffizient W_i zu Null gemacht.

Gewichtete Varianz σ² oder gewichtete Standardabweichung σ:

Die folgenden Modifikationen sind möglich:

(1) Ausdruck des Gewichts

Bei dieser Ausführungsform werden Gewichtungskoeffizienten durch ganze Zahlen von 1 bis 5 ausgedrückt. Andere Ausdrucks­ verfahren sind jedoch auch möglich, wenn die Werte nichtnegative reelle Zahlen sind und das Gewicht umso größer ist, je größer der Wert ist.

(2) Verfahren der Gewichtungsregeleinheiten

Bei dieser Ausführungsform wird eine Gewichtung auf Exper­ ten auf einer individuellen Basis angewandt. Das Anwenden einer Gewichtung auf Regeln auf einer individuellen Basis ermöglicht es, eine Wissensgewichtung in Übereinstimmung mit den Intentio­ nen der Experten durchzuführen, indem Regeln ein größeres Ge­ wicht verliehen wird, welche in die Spezialität eines Experten fallen und auf welche der Experte vertraut, und ein geringes Gewicht Regeln, die nicht in die Spezialität des Experten fallen und welchen der Experte vergleichsweise wenig vertraut.

(3) Andere Wissensausdrucksformen

Bei dieser Ausführungsform wird die Wissenssynthese unter Verwendung eines gewichteten Mittels und einer gewichteten Stan­ dardabweichung durchgeführt. Bei dem unten beschriebenen Ver­ fahren der Wissenssynthese wird jedoch ein Verfahren des Aus­ drückens der Gewichtung von Experten betrachtet.

 Ausdruck durch Stufennäherung

In bezug auf das Wissen und die Gewichte von Experten im Falle des oben beschriebenen Beispiels kann ein Verfahren in Betracht gezogen werden, bei welchem Wissen in Form von Stufen ausgedrückt und kombiniert wird, eine Zugehörigkeitsfunktion gebildet wird und die Gewichte der Experten als Höhe, wie in Fig. 5 gezeigt, wiedergegeben werden. In einem Fall wie diesem ist eine Interpolation beruhend auf einem Verbinden der Ecken der Stufen durch gerade Linien, wie in Fig. 6 gezeigt, ebenfalls denkbar.

Andere Interpolationsverfahren sind ebenfalls möglich.

Durch Vorsehen eines Ausdrucks dieser Art läßt sich Gewicht ausdrücken, ohne daß eine mittlere und Standardabweichung zum Zwecke der Anwendung einer Gauß-Verteilung aufgefunden wird.

 Ausdruck durch andere Näherungsverfahren

In Bezug auf das Wissen von Experten im Falle des oben beschriebenen Beispiels werden die Intervallpunkte von f₁, die durch das Wissen der einzelnen Experten gegeben sind, wie in Fig. 7 veranschaulicht aufgetragen.

Es sind Verfahren denkbar, bei welchen MF durch Approxi­ mierung dieser Punkte beruhend auf Regression oder durch In­ terpolation dieser Punkte unter Verwendung einer Keilfunktion synthetisiert wird.

• (a) Im Falle linearer Regression wird die Näherung durch eine Regressionslinie, die sich auf eine Gruppe von Minimalwerte angebenden Punkte bezieht, und eine Regressionslinie, die sich auf eine Gruppe von Maximalwerte angebenden Punkten bezieht, durchgeführt. Es ist möglich, diese Koeffizienten a_min, b_min, a_max, b_max nach der Methode der kleinsten Quadrate zu gewinnen. Ein anderes mögliches Verfahren besteht darin, eine Näherung durch eine Regressionskurve in der gleichen Weise durchzuführen.
• (b) Ein Verfahren ist möglich, bei welchem von einer Inter­ polation mittels einer Keilfunktion Gebrauch gemacht wird.

Bei der oben beschriebenen Anordnung enthält die Näherungs­ schlußfolgerungsvorrichtung gemäß der Erfindung die Wissensspei­ chereinheit 11A zur Eingabe der Gewichte von Experten, die Wis­ senssynthetisiereinheit 12A zur Synthetisierung von Wissen beru­ hend auf den auf die einzelnen Experten angewandten eingegebenen Gewichten und die Speichereinheit 13 für synthetisiertes Wissen zur Speicherung des synthetisierten Wissens. Die Vorrichtung ist so eingerichtet, daß Wissensmängel eliminiert werden, die von Unterschieden in den Fähigkeiten der verschiedenen Experten herrühren. Dies ermöglicht die Gewinnung von zuverlässigeren Schlußfolgerungsergebnissen.

Fig. 9 veranschaulicht eine Näherungsschlußfolgerungs­ vorrichtung des Lerntyps gemäß einer weiteren Ausführungs­ form der Erfindung. Abschnitte, die mit den in Fig. 1 ge­ zeigten übereinstimmen, sind mit gleichen Bezugszeichen wie dort bezeichnet und werden hier nicht erneut beschrieben.

Die Lern-Wissenssynthetisiervorrichtung enthält eine Kor­ rektheit-Eingabeeinheit 90, die als Eingabemittel zum Eingeben einer Entscheidung betreffend die Korrektheit eines Ergebnisses einer beruhend auf Wissen einer Anzahl von Experten durchgeführ­ ten Schlußfolgerung verwendet wird, eine Expertenauswahleinheit 91, die als Auswahlmittel zum Auswählen, beruhend auf der Ent­ scheidung betreffend mit der Korrektheit-Eingabeeinheit 90 ein­ gegebene Korrektheit, welches Wissen eines Experten aus der Anzahl derselben hinsichtlich seines Gewichts geändert werden muß, verwendet wird, eine Gewichtsänderungseinheit 92 zur Be­ rechnung und Änderung des Gewichts des Wissens, welches mit der Expertenauswahleinheit 91 ausgewählt worden ist, eine Wissens­ speichereinheit 11B, die als Speichermittel zur Speicherung des mit der Gewichtsänderungseinheit 92 berechneten Gewichts ver­ wendet wird, und eine Wissenssynthetisiereinheit 12B, die als Wissensresynthetisiermittel zum automatischen Resynthetisieren von Wissen, beruhend auf dem mit der Gewichtsänderungseinheit 92 berechneten Gewicht, verwendet wird.

Die Verarbeitung wird durchgeführt in der Reihenfolge Korrektureingabeeinheit 90, Expertenauswahleinheit 91 und Ge­ wichtsänderungseinheit 92, wonach Wissenssynthese durch die Wis­ sensynthetisiereinheit 12B unter Verwendung der geänderten Ex­ pertengewichtung durchgeführt wird.

Jede dieser Einheiten wird nun im einzelnen beschrieben.

Zunächst dient die Korrektheit-Eingabeeinheit 90 dazu, es dem Benutzer zu ermöglichen, eine Eingabe hinsichtlich der Kor­ rektheit eines Schlußfolgerungsergebnisses zu machen. In gewis­ sen Fällen wird eine Anzahl von Schlüssen auf die Eingabeeinheit 90 gegeben. Wenn ein solcher Fall vorliegt, nimmt der Benutzer eine Eingabe hinsichtlich der Korrektheit aller angewandten Schlüsse vor.

Bei dieser Ausführungsform wird ein Beispiel veranschau­ licht, bei welchem, wenn ein aus der Schlußfolgerung sich erge­ bender Schluß fehlerhaft ist, die Tatsache, daß dieser Schluß fehlerhaft ist, eingegeben wird.

Im einzelnen wird nun die Verarbeitung beschrieben, die von dieser Vorrichtung durchgeführt wird, wenn c₁ als Schlußfolge­ rungsergebnis erhalten wird und dieser Schluß inkorrekt ist.

Mit der Entscheidung, daß der Schluß c₁ inkorrekt ist, gibt der Benutzer diese Tatsache unter Verwendung der Korrektheit- Eingabeeinheit 90 ein. Die Eingabeeinheit 90 kann eine Tastatur sein oder eine Maus, ein Touch-Panel oder dgl. benutzen.

Wenn der als inkorrekt erachtete Schluß an der Korrekt­ heit-Eingabeeinheit 90 eingegeben worden ist, bestimmt die Ex­ pertenauswahleinheit 91 auf der Grundlage einer Regel, welche die Beziehung zwischen den Faktoren und dem Schluß, die bei dieser Schlußfolgerung verwendet werden, angibt, welcher Experte das inkorrekte Wissen geliefert hat und wählt sie den Experten aus, dessen Gewicht zu ändern ist.

Das Wissen eines jeden Experten ist wie in der vierten Ausführungsform veranschaulicht. Ferner sind die Eingabewerte der Faktoren folgendermaßen:

Faktor f₁: 25
Faktor f₂: 35

Das Wissen eines jeden Experten mit c₁ als Schluß ist, wie weiter oben beschrieben, folgendermaßen:

Experte ex₁:
wenn 20 f₁ 60, 0 f₂ 40, dann c₁ (1)

Experte ex₂:
wenn 30 f₁ 50, 10 f₂ 30, dann c₁ (2)

Das Wissen eines Experten, bei welchem ein gegebene Faktor­ werte enthaltender Bereich als Regel gegeben ist, kann als feh­ lerhaft gesetzt werden.

Dementsprechend ist anhand von Fig. 10 ohne weiteres er­ kennbar, daß der Experte, der Regeln gegeben hat, die den Schluß c₁ aus den gegebenen Faktorwerten f₁: 25 und f₂: 35 ableiten, der Experte ex₁ ist.

Wenn der Benutzer den fehlerhaften Schluß eingegeben hat, liest die Expertenauswahleinheit 91 die bei der Herleitung die­ ses Schlusses verwendeten Faktorwerte und die in der Wissens­ speichereinheit 11B gespeicherten Regeln des Experten aus, wo­ nach sie bestimmt, ob ein Faktorwert vorliegt, der in dem durch diese Regeln gegebenen Faktorbereich enthalten ist, wodurch der Experte ausgewählt wird, der die fehlerhaften Regeln gegeben hat, die den Faktorbereich besitzen, der diesen Faktorwert ent­ hält.

In einem Fall, wo das Wissen aller Experten sich bei dieser Verarbeitung als fehlerhaft herausstellt, ist eine Gewichtung sinnlos, und es wird erforderlich sein, die Regeln zu ändern.

In dieser Ausführungsform ist ein Verfahren veranschau­ licht worden, bei welchem die Auswahl eines Experten auf der Grundlage eines fehlerhaften Schlusses durchgeführt wird. Die Auswahl eines Experten, wenn das Schlußfolgerungsergebnis kor­ rekt ist, kann jedoch ebenfalls in einer ähnlichen Weise durch­ geführt werden.

Wenn ein Experte, dessen Gewicht geändert werden muß, ent­ schieden worden ist, ändert die Gewichtsänderungseinheit 92 das Gewicht dieses Experten.

In dieser Ausführungsform wird ein Fall veranschaulicht, in welchem das Schlußfolgerungsergebnis fehlerhaft ist. Mit anderen Worten, es wird das Gewicht eines Experten, der Regeln gegeben hat, die zu einem inkorrekten Schluß führen, vermindert.

Eine Gleichung zur Gewichtsänderung lautet folgendermaßen:

W_n: Gewicht nach Änderung
W_n-1: Gewicht vor Änderung
Anzahl, wie oft die Gewichtung geändert wird
C₀: Gewichtsänderungskoeffizient
P_c1: Möglichkeit betreffend fehlerhaften Schluß (c₁)
Cl_c1: Klarheit betreffend fehlerhaften Schluß (c₁).

Der Gewichtsänderungskoeffizient entscheidet die Größe eines Gewichtsänderungswertes. Durch Angeben der Möglichkeit und Klarheit eines Schlusses kann eine Gewichtsänderung, die diese Werte widerspiegelt, durchgeführt werden. Mit anderen Worten wird, wenn ein Schluß, für welchen die Möglichkeit hoch ist, fehlerhaft ist, das Gewicht des betreffenden Experten einer großen Änderung unterworfen. Ferner wird das Gewicht eines Ex­ perten einer großen Änderung unterworfen, wenn ein Schluß, für welchen die Klarheit hoch ist, fehlerhaft ist.

Die Gewichtungsänderungseinheit 92 liest das Gewicht eines Experten, dessen Gewichtung geändert werden soll, aus der Wis­ sensspeichereinheit 11B ein, ändert die Gewichtung auf der Grundlage der oben erwähnten Gleichung unter Verwendung des gelesenen Wertes sowie der Möglichkeit und Klarheit des Schlus­ ses und schreibt das Ergebnis in die Wissensspeicher 11B. Danach wird Wissen durch die Wissenssynthetisiereinheit 12B, in der gleichen Weise wie oben in der vierten Ausführungsform darge­ legt, synthetisiert und das Ergebnis in der Speichereinheit 13A für synthetisiertes Wissen gespeichert. In Bezug auf die stati­ sche Informationsgröße und die Klarheit wird eine Neuberechnung in der früher beschriebenen Weise durchgeführt und das Ergebnis in der Klarheitsspeichereinheit 21 gespeichert.

In dieser Ausführungsform wird, wie oben beschrieben, die Gewichtungsänderung gemäß der vorgenannten Gleichung berechnet. Es ist jedoch auch möglich, eine Gewichtungsänderung unter Ver­ wendung einer Gleichung durchzuführen, in welcher das Gewicht reduziert wird, wenn ein Schluß fehlerhaft ist, und erhöht, wenn ein Schluß korrekt ist.

Ferner führt in dieser Ausführungsform die Wissenssynthe­ tisiereinheit 12B eine Wissenssynthese in der gleichen Weise wie die in der ersten Ausführungsform veranschaulichte Wissenssyn­ thetisiereinheit 12A durch. Wenn das Ergebnis wie in dem oben veranschaulichten Beispiel dargelegt ist, wird das Gewicht des Experten ex₁ reduziert. Als Folge davon ändert sich die Form der Zugehörigkeitsfunktion.

Als nächstes wird die Arbeitsweise der Lern-Wissenssynthe­ tisiervorrichtung dieser Ausführungsform, die wie oben dargelegt aufgebaut ist, beschrieben.

Beruhend auf dem Ergebnis der Auswertung, die mit der in der fünften Ausführungsform beschriebenen Wissensauswert-Be­ rechnungseinheit 81 durchgeführt wird, ändert die Lern-Wissens­ synthetisiervorrichtung dieser Ausführungsform die Gewichtung eines Experten und verwendet das Ergebnis der Änderung zur Durchführung der Wissenssynthese, wodurch ein Lernen durchgeführt wird. Es gibt zwei Methoden der Gewichtungsänderung.

 In einem Fall, wo Information, die anzeigt, daß Wissen fehlerhaft ist, als Binärwert (richtig oder nicht richtig) durch die Wissensauswert-Berechnungseinheit 81 gegeben wird, wenn eine Lernzeit in Bezug auf einen eingegebenen Faktor ein einziges Mal vorgesehen ist, wird die Gewichtung gemäß Gleichung (43), die in der Beschreibung der Gewichtungsänderungseinheit 92 angegeben ist, geändert.

 In einem Fall, wo ein Verhältnis fehlerhaften Wissens durch die Wissensauswert-Berechnungseinheit 81 angegeben wird, wenn Lernzeit mehrere Male vorgesehen ist, wird die Gewichtung unter Verwendung dieses Verhältnisses folgendermaßen geändert:

wobei Fr das Verhältnis fehlerhaften Wissens [siehe Gleichung (42)] darstellt.

Gemäß der Vorrichtung der vorliegenden Ausführungsform wird das Gewicht eines Experten gemäß der Korrektheit eines aus der Schlußfolgerung erhaltenen Ergebnisses geändert. Dies bringt folgende Vorteile:

• (1) Es ist möglich, Wissen genauer zu machen.
• (2) Wissen wird automatisch geändert, einfach dadurch, daß man den Benutzer eingeben läßt, ob ein aus dem Schlußfolgern erhaltenes Ergebnis korrekt ist. Dies ermöglicht die Durchfüh­ rung von Lernen.
• (3) Es ist nicht länger notwendig, die Gewichtung eines Experten vorab zu berücksichtigen und einzugeben.

Die vorliegende Ausführungsform der Erfindung kann auf folgende Weisen modifiziert werden:

• (1) Wenn auch diese Ausführungsform ein Beispiel veran­ schaulicht, in welchem Gewichtung auf Experten angewandt wird, so ist eine Anordnung möglich, bei welcher Gewichtung auf indi­ viduelle Regeleinheiten angewandt wird. Dadurch wird es möglich, daß Lernen individueller Regeleinheiten durchzuführen, so daß Wissen, in welchem die Stärken und Schwächen von Experten ab­ sorbiert worden sind, gelernt werden kann.
• (2) Wenn auch ein Gewichtungsänderungskoeffizient bei der Wissenseingabe gemäß der vorstehenden Ausführungsform angewandt wird, so ist ein Verfahren denkbar, bei welchem Gewichtungsände­ rungskoeffizienten gleichzeitig in die Korrektheitseingabeeinheit eingegeben werden. Dies ermöglicht es dem Benutzer, Lernen zu steuern.
• (3) In vorstehender Ausführungsform wird Gewichtung auf einen Anfangswert angewandt. Es kann jedoch eine Anordnung vor­ gesehen werden, in welcher das System den Gewichtungswert eines Standardwertes liefert. Dies beseitigt für den Benutzer die Notwendigkeit, das Gewicht eines Experten vorab anzugeben.
• (4) In vorstehender Ausführungsform wird ein Gewicht nach Änderung in der Wissensspeichereinheit 11B gespeichert, dann eine Kombination des Wissens aller Experten erneut durch die Wissenssynthetisiereinheit durchgeführt. Es kann jedoch die Ver­ arbeitungsgeschwindigkeit bei der Kombination von Wissen angeho­ ben werden, indem nur das Wissen rekombiniert wird, welches von Experten beigetragen wird, dessen Gewichte geändert worden sind.

Claims (2)

1. Näherungsschlußfolgerungsvorrichtung mit
einer Eingabeeinrichtung zum Eingeben von Wissen mehrerer Experten, wobei das Wissen eines jeden Experten die Beziehung zwischen Faktoren und einer Schlußfolgerung angibt,
einer Wissenszusammenfassungseinrichtung zur Zusammenfassung des Wissens der einzelnen Experten,
einem Speicher zur Speicherung des zusammengefaßten Wissens, und
einer Einrichtung zur Erzeugung eines Schlußfolgerungsergebnisses auf der Grundlage des im Speicher gespeicherten zusammengefaßten Wissens und gegebener Faktorwerte,
dadurch gekennzeichnet, daß
mit der Eingabeeinrichtung ein Gewicht für jeden Experten eingebbar ist, und
in der Wissenszusammenfassungseinrichtung das Wissen der einzelnen Experten unter Gewichtung mit dem Gewicht des jeweiligen Experten zusammengefaßt wird.

2. Näherungsschlußfolgerungsvorrichtung mit
einer Eingabeeinrichtung zum Eingeben von Wissen mehrerer Experten, wobei das Wissen eines jeden Experten die Beziehung zwischen Faktoren und einer Schlußfolgerung angibt,
einer Wissenszusammenfassungseinrichtung zur Zusammenfassung des Wissens der einzelnen Experten,
einem Speicher zur Speicherung des zusammengefaßten Wissens, und
einer Einrichtung zur Erzeugung eines Schlußfolgerungsergebnisses auf der Grundlage des im Speicher gespeicherten zusammengefaßten Wissens und gegebener Faktorwerte,
dadurch gekennzeichnet, daß
jedem einzelnen Wissen ein Gewicht zugeordnet ist, und daß vorgesehen sind:
eine Eingabeeinrichtung, mit der Information betreffend die Richtigkeit des Schlußfolgerungsergebnisses eingebbar ist,
eine Auswahleinrichtung, die basierend auf dieser Information dasjenige Wissen auswählt, dessen Gewicht zu ändern ist,
eine Recheneinrichtung zum Berechnen eines geänderten Gewichts für das ausgewählte Wissen,
eine Speichereinrichtung zum Speichern des mit der Recheneinrichtung berechneten geänderten Gewichts,
eine Einrichtung zur Neuzusammenfassung des Wissens auf Grundlage des mit der Recheneinrichtung berechneten geänderten Gewichts.