JP2001117774A - 適応化機構を備えたプロダクションシステム - Google Patents
適応化機構を備えたプロダクションシステムInfo
- Publication number
- JP2001117774A JP2001117774A JP30022399A JP30022399A JP2001117774A JP 2001117774 A JP2001117774 A JP 2001117774A JP 30022399 A JP30022399 A JP 30022399A JP 30022399 A JP30022399 A JP 30022399A JP 2001117774 A JP2001117774 A JP 2001117774A
- Authority
- JP
- Japan
- Prior art keywords
- rule
- production system
- execution
- causal network
- network
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
識ベース構築の生産性の向上を図り得る適応化機構を備
えたプロダクションシステムを提供する。 【解決手段】 適応化機構を備えたプロダクションシス
テムにおいて、適応化対象とするルール集合と、このル
ール集合の実行順序関係をグラフ構造とし、かつ各ルー
ルのアクション結果に関する事象をグラフの頂点に対応
させたコーザルネットワーク10を同じプロダクション
システム内に構築し、対象とするルール集合もしくはこ
れと密接に係わる他のルール集合の実行結果を情報処理
装置に入力することにより前記コーザルネットワーク1
0の推論動作を実行させ、このコーザルネットワーク1
0の各頂点の優先度情報の値を更新するとともに、この
値を対応する各ルールの条件部にフィードバックするこ
とにより、実行可能な複数のルールの中からその時点に
おいて最も優先度の高いルールの選択を行う。
Description
たプロダクションシステムに係り、特に知識ベース構築
技術として広く利用されているプロダクションシステム
のルール実行順序の適応化に関するものである。
しては、以下に開示されるようなものがあった。
間正人監訳、「OPS83オフィシャルマニュアル」、
パーソナルメディア、1989 (2)太原育夫、「人工知能の基礎知識」、近代科学社 (3)Pearl,J.、「Probalistic
Reasoningin Intelligent S
ystems:Networks of Plausi
ble Inference」、Morgan Kau
fman,1988 (4)Neopolitan,R.E.「Probal
istic Reasoning in Expert
System:Theory and Algori
thms」、Wiley,1990 図11は本発明が係わるプロダクションシステムの動作
を説明する模式図、図12は後述する図7〜図9で説明
するCausal networkによる適応化のため
の処理と等価な、従来のプロダクションシステムによる
処理の例を示す図である。
る問題を解決するための知識は、IF条件(コンディシ
ョンズ)−Then行動(アクションズ)の形式の部分
知識(以後、これをルールと記す)の集合により記述さ
れプロダクション記憶(PM)1に置かれる。ルールは
知識表現の単位であると同時に実行単位である。
条件部(conditions)で参照する事実デー
タ、状態データは作業記憶〔Working Memo
ry(WM)〕3に置かれる。以後、この事実データ、
状態データの単位をエレメントと記す。ルールの実行は
認識実行サイクル(recognition−acti
on cycle)と呼ばれる以下の手順で行われる
〔上記先行技術文献(2)参照〕。
1に置かれた各ルールの条件部と作業記憶(WM)3中
のエレメントとの照合が行われ、条件を満足するルー
ルとルールの条件部に一致するエレメントの組み合わせ
が選ばれる。このルールとエレメントの組み合わせをイ
ンスタンシエーション(具体化)と呼ぶ。
は一般に複数のインスタンシエーション(競合集合2)
が選ばれる。しかしながら、その際、一時に一つのイン
スタンシエーションを実行するため、複数の候補から一
定の優先順位付け戦略(競合解消戦略と呼ばれる)を行
うことにより、1つのインスタンシエーションが選ばれ
る。
ーションのルールの行動部(actions)に指定さ
れた動作が実行される。通常、これにより、作業記憶
(WM)3中に新規エレメントの生成、既存のエレメン
トの削除、修正が行われる。
とにより推論動作が進行する。
識をルールにより記述し、これらを集積することによ
り、対象とする知識全体を構築するというアプローチを
とるため、アルゴリズムとして記述することが困難な複
雑な問題の知識表現に適しており、これまで多くのエキ
スパートシステムの実現に利用されている。
の知識レベルや理解の程度に合わせて柔軟に支援内容を
変えること(このような処理を適応化と呼ぶ)が要求さ
れる応用では、どのような適応化のバリエーションを用
意すべきかを事前にすべて洗い出した上で、どのような
条件の時にどのルールを実行するかをはっきり間違いな
く記述することが必要である。
大きな負担を与えることになるとともに、記述の誤りや
抜けが発生しやすい。また知識ベースの運用を通じた変
更・修正作業を行う場合は、システムを一時停止してこ
れらを行うため、一般に修正・変更が簡単にできない。
対象とする問題ごとに個別に実現をはかる「アドホック
(ad hoc)」的なアプローチが採られてきたた
め、共通の技術基盤に欠けるという問題があり、1つの
アプリケーションで使用した設計方法や設計結果(プロ
グラム)を他のアプリケーションで活用することが極め
て難しい状況にあるといった問題があった。
化処理は、以下に示すようなものであった。
Proc3,Proc4はコーザルネットワークによる
推論動作に対応する事前処理であり、これらの手順はi
f−thenルールにより構成される。この事前処理に
は基礎となる理論的基盤が与えられていないため、ある
問題の設計方法や作成されたプログラム等を他の問題に
適用するいわゆる成果の流用が一般に極めて困難であ
り、問題ごとにその都度設計することになる。
理(認識実行サイクル)を、現在主流となっている汎用
計算機すなわち蓄積プログラム型計算機上で実現する直
接的な方法の例を示す図である。
されたメモリ上に領域を分けてプログラムとデータを混
在して格納し、実行あるいは利用することにある。この
場合もこの考え方を基本としている。
ロダクションルール、ワーキングメモリ(WM)3のエ
レメント、競合集合2、競合解消により実行されるイ
ンスタンシエーションは、図13においてそれぞれメモ
リのプロダクションルール領域5A、ワーキングメモリ
エレメント領域5F、競合集合領域5B、実行インスタ
ンシエーション領域5Cに置かれる。
競合集合中より実行に移されるインスタンシエーション
〔プロダクションルール(以後、ルールと記す)と、そ
のルールの条件部で参照するWM3のエレメントの組〕
を選択する知識が格納され、制御プログラム領域5Eに
は認識実行サイクルの各ステージの動作を制御するCP
Uプログラムが格納される。
参照しながら説明する。
モリエレメント領域5Fに存在するWMエレメント群
(C1,C2,C4)とプロダクションルール領域5A
のルール群とをつき合わせ、条件部を満足するルール
と、そのルールの条件部で参照するWMエレメントの組
(インスタンシエーション)を取り出しそれらを競合集
合領域5Bに置く。
ら与えられた競合解消戦略知識により、その時点で最も
優先順位の高いインスタンシエーションを競合集合中よ
り選びそれを実行インスタンシエーション領域5Cに置
く。
ション領域5C中のルール行動部で指定された動作を実
行する。このルール行動部で指定される動作により、ワ
ーキングメモリエレメント領域5F中の新しいWMエレ
メントの生成、既存のWMエレメントの修正・削除、お
よび入出力装置6、ファイル記憶装置7とメモリの間の
データ転送を行う。
作であり、これが図11で説明したように反復実行され
ることにより一定の推論動作が実行される。
たように、従来の方法では、知識の適応化は、図12の
事前処理のアルゴリズムの変更を意味する。つまり、図
12の例では、Proc3,Proc4の処理内容を変
更することになるが、最適な変更を如何に行うかの理論
的基盤が与えられていないため、変更作業は必然、アド
ホック的なものとなる。すなわち、試行錯誤により妥当
な優先順位決定アルゴリズムを決めることになり、これ
は迅速なシステムの適応化を困難なものにする。
プログラムの変更作業を伴うため、オフラインで行うデ
バッグ作業等、システムの保守性の面でも問題が生じ
る。
ステムを使用して教育支援システム等ユーザの特性に合
わせてサービス内容を柔軟に変える適応化機能の実現を
図る場合、ユーザに関し、考慮すべき条件を全て洗い出
し、どの条件の時にどのルールを実行するかをはっきり
間違いなく記述することが要求され、これは設計者に多
大な負担を与えるとともに、誤りも発生しやすい。ま
た、運用を通じた知識ベースの変更・修正作業も一般に
困難なものとなる。
対象とする知識ベースの各ルールのアクションの優先度
を左右する情報を生成する機構を当該知識ベースとは別
に設け、対象とする知識ベースの各ルールでは、当該情
報を単に参照するのみで、実行可能な複数の候補ルール
中、最も優先度の高いルールを自動的に選択する仕組み
を実現し、認識実行サイクルの実行速度を向上させ、知
識ベース構築の生産性の向上を図り得る適応化機構を備
えたプロダクションシステムを提供することを目的とす
る。
成するために、適応化機構を備えたプロダクションシス
テムにおいて、適応化対象とするルール集合とこのルー
ル集合の実行順序関係をグラフ構造とし、かつ各ルール
のアクション結果に関する事象をグラフの頂点に対応さ
せたコーザルネットワークを同じプロダクションシステ
ム内に構築し、対象とするルール集合もしくはこれと密
接に係わる他のルール集合の実行結果を情報処理装置に
入力することにより前記コーザルネットワークの推論動
作を実行させ、このコーザルネットワークの各頂点の優
先度情報の値を更新するとともに、この値を対応する各
ルールの条件部にフィードバックすることにより、実行
可能な複数のルールの中からその時点において最も優先
度の高いルールの選択を行うことを特徴とする。
て説明する。
る。
間の実行順序関係(因果関係)の全体は一つの有向グラ
フにより表現される。
グラフにおいて、ある頂点に連なる因果関係のある複数
の子頂点群から、その状況に最も適合した子頂点を選択
する動作を定義することである。
ル実行順序関係を表す上記の有向グラフを生成し、各頂
点に対応するルールで実行するアクションの結果を表す
事象を対応させ、その事象の取り得る各々の値について
それが起こる「確からしさ」を表す情報(以後、優先度
情報と記す)を持たせるとともに、その優先度情報の変
化がグラフ上因果関係のある他の頂点の優先度情報の変
化に理にかなった影響を与えることができれば、この優
先度情報を対応するルールにフィードバックすることに
より、プロダクションシステムに具備されている認識実
行サイクル中の競合解消ステージにおいて当該優先度情
報を使用して複数の候補ルール中からその時点で最も望
ましいルールを選択することが可能になる。
部においては、原則として実行順序関係上の親ルールが
その時点で実行済みであることと上記のフィードバック
情報のみを記述すればよいので、ルール記述が規則化・
簡略化されルール全体の設計が容易になる。
ための有向グラフはコーザルネットワーク(Causa
l Network)と呼ばれる確率的推論ネットワー
クの性質を満足するように構成できるものであり、本発
明は当該技術を利用して対象とする知識ベースのルール
実行に関する適応化を行う機構を実現するものである。
化方法の概念を説明するブロック図である。
(以後、対象知識ベースと記す)、10はコーザルネッ
トワーク、11は作業記憶(WM)、12は対象知識ベ
ースのエレメント群、13は対象知識ベースのルール群
(ルールセットS1)、15はルール群13を適応化す
るための情報を生成するコーザルネットワーク(以下、
CNと略記する)の各頂点を表すエレメント群、16は
当該CNの推論動作(CNの各頂点の状態推移動作)を
実行するルール群(ルールセットS2)である。
のための入力エレメント群であり、ルール群13もしく
はこれと密接な関係にある他のルール群により作成され
る。17はルール群16への適応化のためのデータ入
力、18はCNから対象とするルール群13への適応化
情報のフィードバックを表す。
であるルール群13の実行順序関係を表し、ルール群1
3の各ルールのアクション結果に関する事象が、エレメ
ント群15の頂点(エレメント)に対応している。な
お、エレメント群15の各頂点に与える初期値はその頂
点の因果関係に関する条件付確率、すなわち親頂点があ
る値をとるときに、その子頂点がある値をとる確率〔P
(Rj|c(Rj):c(Rj)は頂点Rjの親頂点集
合〕である。
対象知識ベース9の運用から得た統計情報に基づき設定
される。ルール群16の推論動作は、例えば上記先行技
術文献(3),(4)に開示されている方法により実現
できる。
とは、簡単に言うと、入力エレメント群14により明ら
かになったエレメント群15中の特定のエレメントの値
の具体化と、これに基づく当該エレメント15内の状態
情報の更新、ならびにその更新の影響を受けるCN中の
他のエレメントの状態情報の順次更新である。
仕様例を示す図であり、現在条件付確率(curren
t conditional probabilit
y)PRが当該エレメントの優位性、緊急性を示す優先
度情報であり、これが対象知識ベースにフィードバック
される。
報の更新のためのルール群の構成例を示す図である。
3,R4は、 R1:IF(エレメントBがbj にインスタンシエートされている) THEN〔P(bj )=1 and P(bi )=0 for i≠j 〕 R2:IF(エレメントBがbj にインスタンシエートされている) THEN〔λ(bj )=1 and λ(bi )=0 for i≠j 〕 R3:IF(エレメントBがbj にインスタンシエートされている) THEN〔λB(aj )=Σk i=1 P(bi|aj )λ(bi )〕 R4:IF(エレメントBがbj にインスタンシエートされ、かつルールR1 が実効済み) THEN〔πc(bj )=1 and πc(bi )=0 for i≠ j 〕である。
を示す図である。
応化対象であるルール群13の一部、15は図1に示し
たCNのエレメント群である。適応化対象となるルール
はその条件部でCN中の対応するエレメントを参照す
る。こうすることにより図11に示した認識実行サイク
ルの競合解消ステージにおいてCNエレメントの優先度
情報(現在条件付確率PR)を反映した候補ルールの選
択、すなわちルールの適応化が可能になる。これを実現
するための具体的な方法は、上記した先行技術文献
(1)を参照されたい。
トである。
する。
とエレメントの組み合わせのインスタンシエーションを
選ぶ(ステップS1)。
するか否かを判断する(ステップS2)。存在しない場
合は、終了条件を検出し(ステップS13)、終了す
る。
は、最も高いルール優先度を持つインスタンシエーショ
ンを選ぶ(ステップS3)。
存在するか否かを判断する(ステップS4)。
ターン(最初の条件)が最も最近生成されたエレメント
と照合するインスタンシエーションを選ぶ(ステップS
5)。
存在するか否かを判断する(ステップS6)。
Nエレメントの現在条件確率の値が最も大きなインスタ
ンシエーションを選ぶ(ステップS7)。
存在するか否かを判断する(ステップS8)。
が最も複雑な(パターンの数が多い)インスタンシエー
ションを選ぶ(ステップS9)。
数存在するか否かを判断する(ステップS10)。
る(ステップS11)。
確定を行う(ステップS12)。
ップS8、ステップS10において、複数存在しない場
合は、その時点でインスタンシエーションの確定を行う
(ステップS12)。
15からルール群13へフィードバックされた情報を利
用した選択処理を示している。本実施例では優先度情報
の値の大きなルールを優先するアルゴリズムを示してい
るが、例えば、直前の値からの増加率が最も大きなもの
を優先するなどのアルゴリズムを使用することもでき
る。
「レベルテストを実施し、その結果を学習者の指導戦略
に反映させる」という教育支援(計算機基礎技術の学習
支援の例)の例を用いて説明する。
ルールの実行順序関係を表すCN構造を示す図である。
コンサルティング型のシステムでは、このような階層構
造のグラフとなることが多い。
法による演算」、「CPUの機能」、「主記憶の機能」
の各カテゴリの解説を実行した結果の事象を表し、それ
ぞれ「理解している」か「理解していない」かのいずれ
かの値をとるものとする。
る演習問題パターンを実行した結果、それぞれ「理解し
ている」か「理解していない」かのいずれかの値をとる
ものとする。
識ベースによるレベルテストを実行した結果、パターン
P1に属する演習問題のみが不正解であったとする。
エレメントP1の値をP12(図6)にインスタンシエ
ート(具体化)するとともに、図2に示した当該エレメ
ントの状態情報を更新する。
1の親Bに伝搬し、その親Bの状態情報を更新する。ル
ール群16は親Bの状態変化を親Bの親Tと親Bの子P
2に伝え、親Bの親Tと親Bの子P2の状態情報を更新
する。
変化を親Bの親Tの子H,Sに伝え、子H,Sの状態情
報を更新する。
のエレメントの状態情報を順次更新する。なお、これら
の伝搬規則と状態情報の更新規則に関しては、上記した
先行技術文献を参照されたい。
果、親Bを「理解していない」ことに関する現在条件付
確率の値がH,Sのそれより大となる。従って、図4に
示したように、B,H,Sの現在条件付確率の値がそれ
ぞれ対象知識ベース中の対応するルールの条件部にフィ
ードバックされているので、例えば実行すべきルールの
候補がB,H,Sに対応する3つのルールであるとき、
図5に示した競合解消戦略により、この場合最も望まし
いBに対応するルールが選ばれることになる。
作の原理について説明したが、以下教育支援システムの
具体例を取り上げ、本発明の適応化動作を説明する。
験の受験対策支援システムの簡略版を取り上げる。当該
システムではある技術トピックについて解説を行い、次
にそれに関連する演習問題を実施するという処理が単位
となって繰り返される構造をもつ。
ョンシステムにより構築する場合、そのルール集合の実
行順序関係に基づき作成されるコーザルネットワークの
構造は図7のような木構造となる。図7においてRは解
説の種類を選択するルールに対応するエレメント、Ci
は解説を実行するルールに対応するエレメント、Pijは
演習問題を実行するルールに対応するエレメントであ
る。
はCi を選ぶべきことを表す。Ciの状態はci1、ci2
であり、ci1はCi を理解していることを表し、ci2は
Ciを理解していないことを表す。
ij,1はPijを理解していることを表し、pij,2はPijを
理解していないことを表す。
状態を与えたときの子エレメントの状態の条件付確率)
を以下のように与える。
ストが正解、問題P21,P31,P32に関するテストが不
正解であったとする。図7においてこれらに対応するエ
レメントがインタンシエートされ、それぞれについて図
6で説明した状態遷移動作(推論動作)が実行される
と、最終的に図7の各エレメントの優先度情報〔各エレ
メントの状態に関する現在条件付確率(current
conditional probabilit
y)〕の値は図8のようになる。
優先度〔C3 を理解していない確率P′(c32)〕の値
が最も大となるため、もしC1 ,C2 ,C3 を実行する
ルールが競合するときは、本発明の原理で説明したよう
に(図4、図5)、この場合最も適切なC3 を実行する
ルールが選ばれることになる。また演習問題について
は、P31,P32ともに同じ優先度の値であるため、どち
らかを任意に選ぶことになる。
論動作は、ネットワークトポロジー(木構造、単一連
結、等)により適用される推論アルゴリズムが異なる
が、対象とする問題に依存しない汎用的な手法である。
変更(いわゆる学習)が容易である。すなわち、ネット
ワークの構造やネットワークの状態遷移の手順を全く変
えずに、システムの運用より得られた統計データに基づ
き推論知識を変更できる。すなわち各エレメントのパラ
メータ値(条件付確率の値)をより適切なものにコーザ
ルネットワークの初期値設定時にオンラインで更新する
ことにより推論知識の適応化を実現できる。
変更を容易に行うことができる。これはトピックC1 に
関する問題が他のトピックに関する問題より易しいとい
う運用結果によりコーザルネットワークの推論知識を適
応化したことになる。
ベルテストが正解で、問題P12,P32のレベルテストが
不正解であったとする。図7においてこれらに対応する
エレメントがインスタンシエートされ、それぞれについ
て図6で説明した状態遷移動作(推論動作)が実行され
ると、最終的に図7の各エレメントの優先度情報の値は
図9のようになる。
問題に誤答が1個あったが、解説C 1 ,C2 ,C3 中、
C1 の優先度〔C1 を理解していない確率P′
(c12)〕の値が最も大となるため、もしC1 ,C2 ,
C3 を実行するルールが競合するときは、この場合最も
適当と思われるC1 を実行するルールが選ばれることに
なる。
していない、と判断する人間の直感と矛盾しない。また
演習問題P11,P12についてはP12の優先度が大である
ため、P12が実行されることになる。
ット16がWMエレメント群15に対して行う動作であ
るが、これを蓄積プログラム型計算機上で実施する具体
的な方法を図10に示す。
ルール群とWMエレメント群をつき合わせて、条件部を
満足するルール群を選ぶ動作の処理量は、ルールの個数
とWMエレメントの個数の積に比例して増加する。この
ためルール数、WMエレメント数が多くなるとこの照合
動作が認識実行サイクルの実行速度低下の原因となるの
で、図10に示すReteネットワークが必要になる。
ルゴリズムを使った方法を示す。図の煩雑さを避けるた
め図10には着目する照合動作に関係する部分のみを示
している。
動作の概要を示す。
PU4は対象とするプロダクションルール領域5Aに記
憶されているプロダクションルール群から、“Rete
ネットワーク”8と呼ばれる実行可能なルールを検出す
るネットワークを生成しメモリ上に置く。このRete
ネットワーク8には2種類の検出ノードが存在する。1
つは1入力ノードで、これはWMエレメント領域5Fに
記憶されているWMエレメントの特定の条件が存在する
か否かのみを検出するものである。
は特定の2つの1入力ノードの条件(AND条件)が成
立するか否かを検出する。図10に示すReteネット
ワーク8はこの図のプロダクションルール群から生成さ
れたものである。
ワーキングメモリの内容を用いて行われる。すなわち、
認識実行サイクルの最初において、ワーキングメモリの
内容の変化分(前回の照合動作以後に生成、削除、およ
び修正されWMエレメント)のみが選ばれ、逐次当該R
eteネットワーク8に入力され、その内容に関して1
入力ノードと2入力ノードにおいて条件が判定される。
この動作を、最後のWMエレメントに至るまで繰り返す
と、その時のWMエレメントの内容に対して条件部を満
足するルール群が検出される。
はCPU4が行い、Reteネットワーク8上の各ノー
ドに条件が検出されたか否かの状態が記憶される。
eteネットワーク8の処理が終わると、CPU4は当
該Reteネットワーク8により検出されたルールと、
そのルールの条件部で参照するWMエレメントの組を実
行可能なインスタンシエーションとして、競合集合領域
5Bの競合集合に登録する。
た照合動作において、認識実行サイクルの最初のサイク
ルにおいては、WMエレメント領域5Fに存在する全て
のWMエレメントがReteネットワーク8に入力され
ることになるが、2回目以降のサイクルにおいては、変
化分として入力されるWMエレメントの数が通常少ない
ため、上述した方法により照合動作が効率良く行われる
ことになる。
ースの各ルールの条件部の記述が単純化・規則化される
ため、適応化機能を含む複雑な知識ベースを従来に比べ
格段に容易に設計できるようになる。
対する有効なシステムを構成するのには有効な方法であ
り、今後電子的な教育支援や電子案内などの支援システ
ム(エキスパートシステム)の普及のタイミングにあわ
せて実用化が進むと思われる。
は、教育支援システム、デザイン支援システムなど、ユ
ーザの特性、嗜好をオンラインで評価しつつ、提供する
サービスの内容をユーザに合わせてカスタム化するコン
サルティング型のエキスパートシステムとして好適であ
る。
のではなく、本発明の趣旨に基づいて種々の変形が可能
であり、これらを本発明の範囲から排除するものではな
い。
よれば、以下のような効果を奏することができる。
ス内容を変える適応化機能を備えたルール集合を、従来
の方法と比べて格段に容易に実現することができる。
結果を使いシステムの優先度を自動的に修正するもので
あり(適応化機構を有する)、多数の対象者のいろいろ
な要請にフレキシブルに対応できることができる。
ブロック図である。
各エレメントが保持する情報の仕様例を示す図である。
推論動作を実行するルールの構成例を示す図である。
ら適応化対象とするルールへの優先度情報のフィードバ
ックの具体的な実現方法の説明図である。
てコーザルネットワークからのフィードバック情報を利
用し候補ルールを選択する競合解消フローチャートであ
る。
めの教育支援用知識ベースの例より導かれるコーザルネ
ットワーク構造を示す図である。
順序関係を示す図(その1)である。
順序関係を示す図(その2)である。
順序関係を示す図(その3)である。
ムの実行原理を蓄積プログラム型計算機上で実現する直
接的な方法の説明図である。
作を説明する模式図である。
処理と等価な、従来のプロダクションシステムによる処
理の例を示す図である。
プログラム型計算機上で実現する直接的な方法の説明図
である。
メント群 15 コーザルネットワークの各頂点を表すエレメン
ト群 16 コーザルネットワークの推論動作を実行するル
ール群 17 ルール群16への適応化のためのデータ入力 18 適応化情報のフィードバック
Claims (1)
- 【請求項1】 適応化対象とするルール集合と該ルール
集合の実行順序関係をグラフ構造とし、かつ各ルールの
アクション結果に関する事象をグラフの頂点に対応させ
たコーザルネットワークを同じプロダクションシステム
内に構築し、対象とするルール集合もしくはこれと密接
に係わる他のルール集合の実行結果を情報処理装置に入
力することにより前記コーザルネットワークの推論動作
を実行させ、該コーザルネットワークの各頂点の優先度
情報の値を更新するとともに、この値を対応する各ルー
ルの条件部にフィードバックすることにより、実行可能
な複数のルールの中からその時点において最も優先度の
高いルールの選択を行うことを特徴とする適応化機構を
備えたプロダクションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP30022399A JP2001117774A (ja) | 1999-10-21 | 1999-10-21 | 適応化機構を備えたプロダクションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP30022399A JP2001117774A (ja) | 1999-10-21 | 1999-10-21 | 適応化機構を備えたプロダクションシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2001117774A true JP2001117774A (ja) | 2001-04-27 |
Family
ID=17882210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP30022399A Pending JP2001117774A (ja) | 1999-10-21 | 1999-10-21 | 適応化機構を備えたプロダクションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2001117774A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005228309A (ja) * | 2004-01-23 | 2005-08-25 | Microsoft Corp | ルールに基づいて決定的に行う、コードへのオブジェクトのディスパッチ |
JP2007257193A (ja) * | 2006-03-22 | 2007-10-04 | Nec Corp | 抽象状態監視システムおよびその方法 |
CN111935100A (zh) * | 2020-07-16 | 2020-11-13 | 锐捷网络股份有限公司 | Flowspec规则下发方法、装置、设备及介质 |
-
1999
- 1999-10-21 JP JP30022399A patent/JP2001117774A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005228309A (ja) * | 2004-01-23 | 2005-08-25 | Microsoft Corp | ルールに基づいて決定的に行う、コードへのオブジェクトのディスパッチ |
JP2007257193A (ja) * | 2006-03-22 | 2007-10-04 | Nec Corp | 抽象状態監視システムおよびその方法 |
CN111935100A (zh) * | 2020-07-16 | 2020-11-13 | 锐捷网络股份有限公司 | Flowspec规则下发方法、装置、设备及介质 |
CN111935100B (zh) * | 2020-07-16 | 2022-05-20 | 锐捷网络股份有限公司 | Flowspec规则下发方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Erman et al. | The design and an example use of hearsay-ii | |
EP0509949B1 (en) | Enhanced neural network shell for application programs | |
de Campos et al. | Approximating causal orderings for Bayesian networks using genetic algorithms and simulated annealing | |
Benbasat et al. | A structured approach to designing human-computer dialogues | |
Hartley | CRIB: computer fault-finding through knowledge engineering | |
CN112070213A (zh) | 神经网络模型的优化方法、装置、设备及存储介质 | |
JPH0652502B2 (ja) | 推論方法 | |
Den Hengst et al. | Reinforcement learning with option machines | |
Balachandran et al. | A knowledge-based approach to mathematical design modeling and optimization | |
US20040172520A1 (en) | Methods and apparatus for visually creating complex expressions that inform a rules-based system of clinical decision support | |
JP2001117774A (ja) | 適応化機構を備えたプロダクションシステム | |
WO2024031813A1 (zh) | 一种通用自学习系统及基于通用自学习系统的自学习方法 | |
Chung et al. | Building an influence diagram in a knowledge-based decision system | |
JP3819313B2 (ja) | システム構築装置 | |
Ghaibi et al. | A tool support for the adaptation of user interfaces based on a business rules management system | |
JP3315890B2 (ja) | データ処理システム | |
Robertson et al. | A lightweight capability communication mechanism | |
JPH10283379A (ja) | 設計支援方法及び装置 | |
JPH08129488A (ja) | 推論方法及び推論システム | |
Zeroual et al. | KBMS: a knowledge-based system for modeling software system specifications | |
JPS62245334A (ja) | 推論機構の構築方法 | |
CA1278390C (en) | Expert system apparatus and methods | |
CN117396897A (zh) | 联合学习器形成装置、联合学习器形成程序以及记录有联合学习器形成程序的非暂时性记录介质 | |
JPH04329473A (ja) | コンピュータ支援設計生産装置 | |
Castelli et al. | Augmentation-Based Learning combining observations and user edits for Programming-by-Demonstration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050524 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050621 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050916 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20051031 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20051118 |