JP2944102B2

JP2944102B2 - ファジィニューロン

Info

Publication number: JP2944102B2
Application number: JP1133690A
Authority: JP
Inventors: 烈山川
Original assignee: Individual
Current assignee: Individual
Priority date: 1989-05-26
Filing date: 1989-05-26
Publication date: 1999-08-30
Anticipated expiration: 2014-08-30
Also published as: JPH02310782A

Description

【発明の詳細な説明】［産業上の利用分野］本発明はファジィニューロン、特に音声信号、画像信
号等のパターン認識をファジィ推論にて効果的に実行す
るためのファジィニューロンに関するものである。

［従来の技術］人間の脳を真似たネットワークを電気的な信号処理と
して用いるニューラルネットワークがパターン認識、信
号処理あるいは知識処理等に利用され、脳のニューロン
に対応したユニットが複数個複雑に接続され、各ユニッ
トの動作及びユニット間の接続形態を適当に定めること
によってパターン認識機能、知識処理機能を実行するこ
とができる。

これらのニューラルネットはネットワークの構造から
パターン伝送型と自動伝送型に分類され、前者は入力パ
ターンをある出力パターンに変換するネットワークを形
成し、また後者は入力パターンに最も近いパターンを出
力するネットワークを形成する。

前記パターン伝送型ニューラルネットでは、各ユニッ
ト（ニューロン）を入力層、中間層、出力層に階層化
し、各ユニットは入力層から出力層に向け接続され、こ
の結果、入力ユニットと出力ユニットとは独立してい
る。そして、演算機能や画像情報は各ユニット間の接続
形態や接続の強さとして記憶され、得られた出力と望ま
しい出力との差を用いて結合の強さが任意に変化され
る。このときの結合の強さは結合系数あるいはシナプス
の重みとして所定のパラメータを形成している。

一方、自動伝送型ニューラルネットにおいては、入力
ユニットと出力ユニットとは共通であり、ネットワーク
内の全てのユニットが互いに相互接続され、前記結合の
強さ（シナプスの重み）は似通った入力パターンを識別
するために用いられている。

このようなニューラルネットによってパターン認識が
行われるが、周知のように、このニューラルネットを効
果的に作動させるためには、バックプロパゲーション等
として知られる学習アルゴリズムが用いられ、前述した
パターン認識、音声認識、音声合成、信号処理あるいは
知識処理等の広範囲の適用分野でニューラルネットを作
用させるためには、このバックプロパゲーション等の学
習が極めて効果的である。

通常、ニューラルネットによるネットワークは、入力
層、中間層そして出力層という階層構造をとり、この中
間層は隠れ層として知られており、パターン伝送型ニュ
ーラルネットにおいては、学習過程において入力データ
の処理（前向き）と逆に学習のデータを入力したときに
結果のエラーを減らすように（後ろ向き）シナプス結合
の記述を変え、これが収束するまで学習アルゴリズムを
繰返す。

従って、従来において、バックプロパゲーションアル
ゴリズム等の学習機能が付加されたニューラルネットに
て各種のパターン認識その他が成果をあげている。

［発明が解決しようとする課題］しかしながら、このような従来におけるニューラルネ
ットでは、最適認識作用を行うために、必ず学習機能を
必要とし、このためにパラメータが多い場合には学習自
体に多大な時間が費やされるという問題があった。

また、従来のニューラルネットでは通常「０」または
「１」のバイナリワードによるデジタル信号処理にて各
種の演算作用が行われていたので、曖昧な認識が不得手
であり、その利用分野が限定されてしまうという問題が
あった。

本発明は上記従来の課題に鑑みなされたものであり、
その目的は、バイナリワードでは処理し切れない曖昧な
情報に対しても最適なパターン処理を万能とするファジ
ィニューロンを提供することにある。

［課題を解決するための手段］上記目的を達成するために、本発明は、各種のパター
ン認識を行うニューラルネットにファジィ推論を導入し
たファジィニューロンを構築したことを特徴とする。

従来におけるバイナリワード同士の厳密なマッチング
（ハードマッチング）に基づく推論に対し、近似的な推
論、すなわち、厳密ではないがほぼ妥当な推論結果を得
るファジィ推論は、現状においても、ある種の制御系に
用いられているが、従来において、このようなファジィ
推論をパターン認識に用いる考え方は依然として実現し
ていなかった。

本発明はこのような現状に鑑み、ファジィ推論にて的
確なパターン認識を行うファジィニューロンを提供する
ものであって、このファジィニューロンは、前記特定領
域内で少なくとも１個の一峰性通過メンバシップ関数を
設定する通過メンバシップ関数手段と、前記特定領域内
で少なくとも１個の禁止メンバシップ関数を設定する禁
止メンバシップ関数手段と、前記各メンバシップ関数に
対して前記分布信号で指定された位置のメンバシップ値
を求め、前記特定領域内における最大値を出力する最大
値出力手段と、前記禁止メンバシップ関数から得られた
メンバシップ最大値の補数をとる反転手段と、前記通過
メンバシップ関数から得られた最大値出力と前記禁止メ
ンバシップ関数の最大値の補数をとった出力とから全体
の最小値を求める最小値出力手段とを含み、特定領域内
の分布信号と前記予め与えられたメンバシップ関数との
照合によって分布信号の認識を行うことを特徴とする。

すなわち、本発明においては、音声信号あるいは画像
信号等の特定領域内の分布信号を認識するときに、この
信号に対して所定の特徴切り出し線に沿って通過メンバ
シップ関数と禁止メンバシップ関数との両者を推論の対
象として取り上げ、分布信号とこれら両メンバシップ関
数との比較により認識の確からしさの度合いをグレード
として出力するものであり、このグレードの大小によっ
て分布信号をこれに最も該当するパターンとして認識す
ることが可能となる。

また、本発明に係るファジィニューロンは、前記特定
領域内で少なくとも１個の一峰性通過メンバシップ関数
を設定する通過メンバシップ関数手段と、前記通過メン
バシップ関数に対して前記分布信号で指定された位置の
メンバシップ値を求め、前記特定領域内における最大値
を出力する最大値出力手段と、前記特定領域内で１個の
禁止メンバシップ関数を設定する禁止メンバシップ関数
手段、前記禁止メンバシップ関数の補数をとる反転手段
と、前記禁止メンバシップ関数に対して前記分布信号で
指定された位置のメンバシップ値を求め、前記特定領域
内における最小値を出力する最小値出力手段と、前記通
過メンバシップ関数から得られた最大値出力と前記禁止
メンバシップ関数から得られた最小値出力とから全体の
総最小値を求める総最小値出力手段とを含み、特定領域
内の分布信号と前記予め与えられたメンバシップ関数と
の照合によって分布信号の認識を行うことを特徴とす
る。

すなわち、本発明によれば、禁止メンバシップ関数は
本来対象とするパターンが該当してはいけない領域を示
し、分布信号との比較後にこれを反転（補数をとる）し
ても、あるいは禁止メンバシップ関数自体を反転（補数
をとる）して比較信号として用いることも可能である。

［作用］従って、本発明によれば、特定領域内の分布信号は少
なくとも１個の一峰性通過メンバシップ関数と比較され
て、当該通過メンバシップ関数内に存在する分布信号の
最大値を求め、一方において分布信号は禁止メンバシッ
プ関数との比較によって当該禁止メンバシップ関数内に
存在する分布信号の最大値がとられる。

そして、禁止メンバシップ関数内の分布信号最大値が
反転（補数をとる）され、この反転値と前記通過メンバ
シップ関数内の分布信号との最小値が出力され、これに
よって、メンバシップ関数で与えられた所定のパターン
と分布信号とのパターンとの曖昧なファジィ推論によっ
て照合される。

従って、本発明によれば、従来のバイナリワードによ
るハードマッチングとは異なり、確からしさの度合を基
にしたソフトマッチングによってパターン認識の解を求
めることが可能となり、更に、このときの認識の度合い
を確からしさの度合いとして表現することが可能とな
る。

従って、本発明のパターン認識によれば、手書き文
字、その他の曖昧な表現による画像情報あるいはノイズ
の混入した音声情報等から最も確からしいパターンを抽
出することが可能となり、人工知能の一分野として広範
囲の適用分野に利用可能である。

また、本発明に係るファジィニューロンでは、通過メ
ンバシップ関数と禁止メンバシップ関数との両者が特定
範囲内の特徴切り出し線に沿って取り出され、所定の通
過領域を分布信号が通過しているか、そして所定の禁止
領域を分布信号が避けているかの判別にてパターン照合
が行われ、前記禁止メンバシップ関数と分布信号との比
較時には、この比較結果を反転（補数をとる）して禁止
領域への分布信号の侵入を検出し、あるいは禁止メンバ
シップ関数自体を反転（補数をとる）した状態で分布信
号と比較することによってこの検出が行われる。

いずれの方式によっても、本発明によれば、メンバシ
ップ関数にて定められるファジィ参照信号と音声あるい
は画像から取り込まれた分布信号がソフトマッチングさ
れ、これによって確からしさに応じたパターン認識を可
能とする。

［実施例］以下、図面に基づいて本発明の好適な実施例を説明す
る。

以下の実施例において、特定領域内の分布信号は手書
き文字、特に「０」〜「９」までの手書き数字の識別を
例として説明する。

もちろん、本発明はこのような手書き数字に限定され
ることなく、他の文字認識、図形認識及び音声認識等に
広範囲に利用可能である。

パターン認識の概要第２図には本発明に係るファジィニューロンが手書き
数字のパターン認識に用いられている全体的な概略構成
が示されている。

任意の手書き数字、図においては、「３」なる数字は
特定領域100内の分布信号として表示され、従って、本
発明において、この数字は一般的な画像情報として定型
化可能であり、任意の文字記号あるいは図形等を同様に
本発明が吸い得ることを示す。

この分布信号の取込みは、任意の画像検出手段により
行われ、後に詳述するが、例えば画像入力タブレットか
ら座標信号として取込み、あるいは紙面等に書かれた数
字をスキャナにより電気的な信号として取込むことがで
きる。

第２図において、これらの検出手段は符号10にて示さ
れ、分布信号ａが所定の走査タイミングによってシリア
ル信号として出力されている。

図において、後に説明する各特徴切り出し線にて定め
られた通過メンバシップ関数及び禁止メンバシップ関数
が設定されたファジィニューロンが各数字毎に個別に設
けられ、前記分布信号ａが各特徴切り出し線101〜107に
沿って検出されたシリアル信号として並列的な全てのフ
ァジィニューロン20−１〜20−22へ供給される。前記特
徴切り出し線は、図において、特定領域100を横に４
本、縦に３本通過する線として設定され、これらの特徴
切り出し線に沿って後述する信号の通過領域Ｅ及び禁止
領域Ｉが定められる。

第２図において、ファジィニューロンは「１」〜
「０」までの10個の数字に対して22個設けられ、これは
各数字を正しく認識するためには手書き数字の場合の特
徴ばらつきによって同一の数字を複数グループに分ける
必要があるからである。

例えば、「３」に対しては２組のファジィニューロン
群が与えられ、分布信号がこれらの両ファジィニューロ
ン群と照合されて一致度の高いものを選択してそのグレ
ード、すなわち確からしさと出力される。

図において、符号22はMAX回路を示し、「３」の各グ
ループに対するグレードの最大値が出力される。

図から明らかな如く、「２」、「５」、「６」、
「７」及び「９」も同様にそれぞれ２個のグループ分け
されたパターンで照合され、また数字「４」は他の数字
との識別を更に確実に行うために、画分離を行い、それ
ぞれに対して３個のグループ分けされたファジィニュー
ロン20−６〜20−８と20−９〜20−12とをそれぞれMAX
回路24,26にて最大値出力し、これら両最大値がMIN回路
28にて最小値選択され、これが数字「４」のグレードと
して出力されている。

以上のようにして、第２図の手書き数字に対する10個
のファジィニューロン出力は前述したように確からしさ
のグレードを示し、第３図にはこのグレードμが図示の
ように「１」〜「０」までの非順序列のシングルトンの
集合として得られる。

従って、このシングルトン集合の例からは、分布情報
の確からしさは数字「３」とパターン認識することがで
きる。

もちろん、これらのグレードに対して所定のしきい値
を与えれば、その出力によって認識された数字をそのま
ま出力可能である。

特徴切り出し線とメンバシップ関数本発明によれば、各ファジィニューロンが通過メンバ
シップ関数及び禁止メンバシップ関数を有することを特
徴とし、これらのメンバシップ関数を所定の特徴切り出
し線毎に設定する手順を第４〜７図に基づいて説明す
る。

第４図Ａは手書き数字を複数個収集する過程を示し、
例えば30個の手書き数字から所望のパラメータを求め、
これを基にしてメンバシップ関数が定められる。

第４図Ａの手書き文字は書き手の個性等の変動と大き
さの変動を含み、第４図Ｂには大きさの正規化工程が示
され、予め定められた寸法に規格化される。

第４図Ｃは以上のようにして収集された全ての手書き
文字を単一の指定枠に重ね書きした状態を示し、このば
らつきが少ない場合には、この重ね書きからメンバシッ
プ関数が求められ、また前述した如く、ばらつきが大き
い場合にはグループ分けが行われ、「３」の数字に対し
ては第４図Ｄで示される如く２種のグループに分けら
れ、それぞれに対して第１図で示した如くファジィニュ
ーロン20−４と20−５の作成が行われる。

第５図には第２図に示したと同様に特定領域100に対
する７本の特徴切り出し線101〜107が示されており、数
字パターンの認識に対して特定領域内の全画素に関する
パターン認識を行うことなくこのようにして選ばれた少
数の特徴切り出し線でパターン認識を行うことが好適で
ある。

もちろん、このような特徴切り出し線の設定は、分布
信号の性格によって任意に選択され、例えば第６図Ａは
数字の「０」の場合に好適な他の特徴切り出し線を示
し、特定領域100を放射状に切り出すことが好適であ
る。同様に、第６図Ｂは英文字「Ｘ」に対する同心円状
の特徴切り出し線を示し、このように対象とす画像ある
いは音声情報の種類に応じて最適な特徴切り出し線が選
択される。

もちろん、このような特徴切り出し線は通常特定領域
の縦横基線に沿った線が好適であり、かつこの特徴切り
出し線数を最小とし、全ての画像に共通に利用できる選
択が好適である。

前述した第５図に戻って、特徴切り出し線106を例に
して本発明の特徴であるファジィ推論用の通過メンバシ
ップ関数及び禁止メンバシップ関数の説明を行う。

第５図から明らかな如く、特徴切り出し線106中、二
重斜線を施した領域E1,E2は必ず数字「３」が通過しな
ければいけないExcitation領域と定義される。

一方、領域I1,I2は数字「３」が侵入してはならない
禁止領域であってInhibition領域として定義される。

更に、領域Ｎは数字「３」のばらつきによって通過す
るか否か不明な領域であってneutral領域と定義され
る。

従って、この特徴切り出し線106上においては、特徴
切り出し線方向に対して通過領域E1,E2に対応する通過メンバシップ関
数μ_E1,μ_E2がそれぞれ個別に設定され、同様に禁止領
域I2,I2に対して禁止メンバシップ関数μ_I2,μ_I2が設定
される。

もちろん、このときに、前記中立領域Ｎに対してはメ
ンバシップ関数は設定されない。

メンバシップ関数は周知の如く、０〜１までのグレー
ド（度合）を持った関数であって帰属度関数とも称さ
れ、通過領域Ｅに対する通過メンバシップ関数は第７図
A,Bで示される如く全ての筆跡が通る可能性の高い部分
のメンバシップ関数として与えられる。

従って、この通過メンバシップ関数μ_E1,μ_E2と実際
の分布信号とを比較して、筆跡の通った位置のグレード
をとることによって、どの位の可能性で通過領域を筆跡
が通過したかを判定することができる。従って、この通
過メンバシップ関数に関しては、同一の特徴切り出し線
上にあっても複数の通過領域をそれぞれ別個の通過メン
バシップ関数としてそれぞれ独立して分布信号と比較し
なければならない。さもないと、いずれか一方の通過領
域を筆跡が通ったのみで、特徴切り出し線上の全ての通
過領域をクリアしたと判定されてしまうからである。

第７図A,Bに示された通過メンバシップ関数上の×印
はそれぞれ第５図に示した数字「３」の軌跡位置を示し
ており、領域E1に対してはこのような通過メンバシップ
関数に対して照合対象となる分布信号のいずれの位置を
通過したかによって、そのときの最大値がとして示される。同様に、通過領域E2に対してもが得られ、これらは共通に通過メンバシップ関数上の実
際の筆跡位置におけるグレードを示す。

すなわち、筆跡が完全に通過領域を通過すれば、グレ
ードは「１」となり、一方メンバシップ関数のスロープ
部にあれば、「１」〜「０」までのメンバシップ関数の
スロープで定まるグレードとなる。

従って、特徴切り出し線の全通過領域Ｅに対しては、
前記各通過領域E1,E2のグレードの最小値が求められ、
これによって、通過最大値は以下の如く求められる。

但し、ｉは通過域の番号（Ei）を示す。

従って、通過領域Ｅに対してはこの設定された通過領
域Ｅ内での分布信号が最も離れたグレードが出力される
こととなる。

一方、全ての筆跡が通過を禁止されている禁止メンバ
シップ関数は第７図C,Dに示されており、それぞれμ_I2,
μ_I2として表されている。この禁止領域Ｉに対しては、
元来筆跡が通ってはいけない領域であり、第７図C,Dの
禁止メンバシップ関数と分布信号との最大値、すなわちをとると、このグレードは禁止領域に侵入した分布信号
が最大値を示し、分布信号のパターンが設定されたパタ
ーンから離れるに従ってその値が小さくなることとな
る。

従って、本実施例では、禁止域非通過の可能性を示す
指標として、このグレードを反転（補数をとる）し、１
個の特徴切り出し線、実施例においては特徴切り出し線
106内での全ての禁止領域でのグレードの反転値に対す
る最小値が採用され、これは以下の式で示される。

そして、ｊを禁止域の番号Ijとすると、上式はと表せる。

そして、更に、ド・モルガンの法則を用いて、以下の
如く展開可能である。

そして、上式は更に以下の如く禁止域の数に関わりな
く、全ての禁止領域を一つにまとめた新たな複合禁止メ
ンバシップ関数で処理可能となり、この複合禁止メンバ
シップ関数が第７図Ｅに示されている。

以上のようにして、通過領域Ｅ及び禁止領域Ｉに対し
てそれぞれ分布信号の通過しなければならないグレード
及び禁止領域に侵入してしまったグレードの総和は通過
領域通過可能性と禁止領域非通過可能性との最小値を取
ることによって第ｋ番目の特徴切り出し線に係るグレー
ドμ_ｋを得ることができ、これは以下の式で示される。

そして、最終的な数字認識のグレードμはとなる。

なお、前述したメンバシップ関数の生成は、本発明者
の発明に係る特願昭63−206009号（ファジィ・プロセッ
サおよびMAX回路の組立て装置）に詳細に示されている
ので、ここでの詳述は省略する。

メンバシップ関数と分布信号との照合第８図にはメンバシップ関数と分布信号との比較原理
が示されており、特徴切り出し線（ｘ）上のメンバシッ
プ関数μ_ｉに対して分布信号a₁は筆跡以外のところでは
「０」となり、また筆跡部では「１」となる。

従って、分布信号a₁に対しては１本の特徴切り出し線
上で各ｘ値毎にメンバシップ関数μ_ｉと分布信号a₁との
最小値がとられ、これを特徴切り出し線（ｘ）の全領域
に亘って走査して走査線上の最大値がグレードμとして
出力される。

従って、分布信号a₁に対してはグレードμは「１」と
なる。

一方、次に、分布信号a₂の如く通過領域での位置がず
れると、このときには、通過メンバシップ関数μ_ｉとの
最小値は「0.75」となり、特徴切り出し線全域に亘って
これが最大値となるので、グレードμは「0.75」と結論
される。

分布信号の検出次に、第９〜11図に基づいて、本実施例で用いられる
特定領域100の分布信号ａの検出装置を説明する。

第９図には特定領域100をｎ×ｍ画素で分割した検出
器が示され、例えばCCD等のラインセンサ等を複数列配
置した構造からなる。従って、このセンサ30によって特
定領域100からの任意の画素情報を取込むことが可能と
なる。

従って、このセンサ30から任意に選択された特徴切り
出し線を設定することにより、画像情報の特徴に対応し
た照合用の分布信号ａを取出すことが可能となる。

第10図には前記センサ30の所定特徴切り出し線から走
査制御によって所望の分布信号をシリアル情報として取
り出す信号検出手段が示されており、選択された特徴切
り出し線のセンサ30からはシフトレジスタ32の各素子に
筆跡の通過信号が書き込まれる。実施例において、筆跡
が通過した位置の情報は「１」または「Ｈ」であり、そ
の他は「０」または「Ｌ」として示される。

センサ30からシフトレジスタ32である読み出し層への
画素情報の移転はシフトレジスタ32に供給されるLOAD信
号によって一時に行われ、次にCLK（クロック）信号に
よって順次シフトレジスタ32がシフトされてシリアル信
号としての分布情報ａが読み出される。

シフトレジスタ32はその両端にダミー段が設けられ、
このダミー段には予め「Ｌ」信号が記憶され、これによ
ってCLK信号による画素データの読み取り開始（START）
及び終了（STOP）を確認することができる。

第11図には前記センサ30とシフトレジスタ32とが一体
的に示されており、LOADの「Ｈ」入力にてこのときのセ
ンサ30の画素情報及びダミー情報がシフトレジスタ32に
転移され、その後CLK信号にて順次シリアル信号ａとし
て読み出される状態が示されている。

ファジィニューロンの具体例（第１実施例）以上のようにして特定領域からの分布信号ａが取込ま
れると、この信号ａは各数字毎に予め定められているフ
ァジィニューロンにて所定のメンバシップ関数と比較照
合されて各数字毎のグレードμが求められ、このグレー
ドμの高いものから入力された分布信号ａのパターンが
判定されて行く。

第12図には特定の特徴切り出し線に対して各数字毎に
与えられる通過用及び禁止用のメンバシップ関数の代表
的な形が示され、また第13図には前記ファジィニューロ
ンに対するタイミング信号の出力回路が示されている。

ここで、一本の特徴切り出し線上の分布情報が与えら
れた通過領域、禁止領域をどの程度満たしているか、そ
のグレードを求める方法を第１図の実施例について説明
する。

前述した第２図における各ファジィニューロン20は第
１図において通過ファジィシナプス20a、禁止ファジィ
シナプス20bこれらの出力を統合するためのMIN（最小
値）出力手段20zとを含み、各通過あるいは禁止ファジ
ィシナプスの個数は対象となる画像によって選択され、
実施例の数字の場合、７本の特徴切り出し線と通過領域
及び禁止領域の選択数との組合せにより定まる。

単一の特徴切り出し線に対しては、前述した第11図の
検出手段から分布信号ａが出力され、第１図において、
この分布信号ａが共通に通過ファジィシナプス20a及び
禁止ファジィシナプス20bに入力される。

まず通過ファジィシナプス20aは前記特定領域で少な
くとも１個の一峰性通過メンバシップ関数μ_Ｅを設定す
る通過メンバシップ関数手段40を含み、例えば第７図Ａ
で示された通過メンバシップ関数μ_E1が対象となる画像
情報毎に設定される。このときのメンバシップ関数は第
12図Ａで示されるＳ関数あるいは第12図Ｂで示されるｚ
関数または両者を組み合わせた第12図Ｃで示されるπ関
数のいずれかを単独であるいはこれらを組合せて設定さ
れ、これらは前述した特願昭63−206009号で示されてい
る。

通過メンバシップ関数手段40から出力される一峰性通
過メンバシップ関数μ_Ｅは前記分布信号ａとMIN回路42
によって比較され、更に特徴切り出し線に沿った１ライ
ンの走査中MAX（最大値）出力手段44によってMIN回路42
の出力であるメンバシップ値の中の最大値が出力として
表われる。この最大値出力動作は第８図にて記述した通
りであり、第１図において、１ライン中の最大値を取る
ためにMAX出力手段44の出力は常にホールド回路46によ
ってMAX出力手段44の入力に帰還されている。このホー
ルド回路46の内容は１走査毎にリセットされ、このため
にRE（リセット）パルスがホールド回路46に供給されて
いる。

ファジィシナプスのうち、特徴切り出し線に対してメ
ンバシップ関数が定義されていない場合があり、このよ
うなファジィシナプスに対しては、分布信号とメンバシ
ップ関数との照合が無意味となり、このような未定義の
メンバシップ関数が存在する場合には、端子48に「１」
なるNA信号が供給され、この「１」信号と前記最大値出
力とはMAX回路50に供給され、その出力が前記最小値出
力手段20zのMIN回路52へ供給される。

従って、メンバシップ関数が定義されている通常の場
合には前記端子48のNA信号は「０」となっており、MAX
回路50は単にMAX出力手段44の最大値を通過させるに過
ぎない。

一方、禁止ファジィシナプス20bも前記通過ファジィ
シナプス20aとほぼ同様の構成からなるが、最大値出力
が反転（補数をとる）されるという特徴を有する。

前記特定領域内で少なくとも１個の禁止メンバシップ
関数、この関数は前述した第７図Ｅで示される如く特徴
切り出し線に沿って多峰関数として形成することが可能
であり、実施例において禁止メンバシップ関数手段60と
して禁止メンバシップ関数μ_ＩをMIN回路62へ出力す
る。

MIN回路62へは通過ファジィシナプス20aと同様に、分
布信号ａが供給されており、禁止メンバシップ関数μ_Ｉ
に対して分布信号ａで指定された位置のメンバシップ値
が出力され、これをMAX出力手段64へ供給する。

MAX出力手段64はホールド回路66によって常にその最
大値がホールドされており、更にこのホールド回路66は
REパルスにて各走査毎にリセットされる。

前記最大値は禁止ファジィシナプス20bにおいては反
転手段70にて反転（補数をとる）され、この反転出力が
端子68から供給されるNA信号とMAX回路72によって比較
され、禁止ファジィシナプス20bにおいて禁止メンバシ
ップ関数が定義されていない場合にNAとして「１」が入
力され、この照合を禁止する。

前記MAX回路72の出力も同様に最小値出力手段20zのMI
N回路52へ供給され、このMIN回路52もホールド回路74に
よって常に１ライン毎に最小値が求められ、サンプルホ
ールド回路76から該当する数字との照合の確からしさが
グレードμとして出力される。

タイミング回路以上のようにして、通過ファジィシナプス20aと禁止
ファジィシナプス20bとは所定の特徴切り出し線に沿っ
て１ライン毎に分布信号ａとメンバシップ関数μ_E,μ_Ｉ
との比較を行い、このための各部のタイミングは第13図
のタイミング回路によって制御されている。

第13図において、クロックパルス発生器76からの原ク
ロックパルスはアンドゲート78に供給され、一方、制御
信号であるスタート及びストップ信号にて制御されるJK
FF80からの信号によってゲート78が開かれ、このときの
原クロックパルスがゲート78から検出手段のシフトレジ
スタへのCLK信号として出力される。

また、このCLKパルスはカウンタ82によってカウント
され、その初期出力はリッセット信号REとして各ホール
ド回路のリセットに用いられる。

カウンタ82はそのカウンタアップ周期が予め指定され
ており、カウンタアップ時にサンプルパルスSMPを出力
し、前述した最小値出力手段20zのサンプルホールド回
路76のホールド信号として用いられ、１ラインの走査完
了時にMIN回路52の出力をグレードμとして出力する。

一方、カウンタ82の順次増加する出力はD/A変換器84
によってアナログ信号に変換され、その出力Ｓが第１図
の各メンバシップ関数手段40,60の読出し端子に図示の
如き段階波形として供給され、前記分布信号ａのシリア
ル信号と同期した信号としてメンバシップ関数μ_E,μ_Ｉ
を各MIN回路42,62へ出力する。

第14図には第13図に示した回路のタイミングチャート
が示されており、スタート信号から順次クロック信号を
出力し、その一発目のクロックにて検出手段のセンサ30
からシフトレジスタ32への画像情報のロードが行われ、
また同時にこのときに各リセット作用が行われ、このた
めにシフトレジスタの初段がダミー段として利用されて
いる。

各メンバシップ関数手段の読出し信号Ｓはアナログ出
力とし図示の階段状の波形となり、また１ライン走査の
最後にサンプルパルスSMPが出力され、照合された結果
がグレードμとして出力される。

以上の説明から明らかな如く第１図の実施例によれ
ば、特定領域内の分布信号ａは一峰性通過メンバシップ
関数との照合によって通過メンバシップ関数μ_Ｅに対し
て分布信号ａで指定された位置のメンバシップ値が求め
られ、同時に分布信号ａは禁止メンバシップ関数μ_Ｉと
の照合によって該禁止メンバシップ関数μ_Ｉに対して分
布信号ａで指定された位置のメンバシップ値が求めら
れ、特徴切り出し線に沿った１ライン内での各メンバシ
ップ値の最大値がそれぞれ出力される。そして、禁止フ
ァジィシナプス20bでは、禁止メンバシップ関数μ_Ｉか
ら得られたメンバシップ最大値が反転（補数をとる）さ
れ、この反転出力と通過メンバシップ関数μ_Ｅから得ら
れた最大値出力との全体の最小値がグレードμとして求
められることとなる。

もちろん、同一の特徴切り出し線の上に複数の通過域
を設定する場合は、通過ファジィシナプス20aを必要と
する通過域の数だけ並列に接ぎ、それらの出力は全て、
MIN回路52へ供給すればよい。

従って、特定領域100内の分布信号ａと前記予め与え
られたメンバシップ関数μ_E,μ_Ｉとの照合によって分布
信号のパターン認識を行うことが可能となる。

第２実施例第15図には本発明に係るファジィニューロンの第２実
施例が示されており、この第２実施例では、各数字毎に
メンバシップ関数手段200を１個設け、信号検出手段の
シフトレジスタも符号202で示されるように１個設け、
これらのメンバシップ関数μ_E/μ_Ｉと分布信号ａとが１
個のMIN回路204にて比較されている。

そして、第２実施例では、前記単一のメンバシップ関
数手段200に対してラベルデータメモリ206から順次所定
のメンバシップ関数を得るためのラベルデータを供給し
てメンバシップ関数μ_E/μ_Ｉをその都度変更可能として
いる。

一方、前記シフトレジスタ202に対しては、画素デー
タメモリ208から所定の特徴切り出し線のデータが順次
選択されて供給され、これにより、両メモリ206,208の
内容を順次切替えることによって単一の照合装置により
順次照合を行うことが可能となる。

前記両メモリ206,208の内容を切替えるために、アド
レスデコーダ210が設けられており、プログラムカウン
タ212によって予め設定されている順序で各ラベルデー
タ及び画素データがメモリ206,208から読出される。

そして、前記MIN回路204の出力はMAX出力手段214にて
各ライン走査毎の最大値が求められ、このMAX出力手段2
14にはホールド回路216が接続され、各周期Ｔで示され
る１ライン走査毎の最大値がホールドされる。

実施例において、ラベルデータメモリ206からは非定
義の特徴切り出し線に対するNA信号がMAX信号手段214に
供給されており、このような非定義の特徴切り出し線に
対しては「NA＝Ｈ」又は「NA＝１」となり、分布信号ａ
を無意味としている。

MAX出力手段214の出力は切替器218を介してMIN出力手
段220に供給され、その切替器218はメンバシップ関数手
段200が通過メンバシップ関数μ_Ｅを出力しているとき
には、前記MAX出力手段214の出力をそのままMIN出力手
段220へ供給し、一方メンバシップ関数手段200が禁止メ
ンバシップ関数μ_Ｉを出力しているときには、MAX出力
手段214の出力を反転手段222を通してMIN出力手段220へ
供給する。

第１実施例と同様に、MIN出力手段220にはホールド回
路224が接続され、更にMIN出力手段220の出力はサンプ
ルホールド回路226を介してグレードμを出力する。

従って、第２実施例によれば、回路構成を簡単にしな
がらデータメモリに記憶されたメンバシップ作成用のラ
ベルデータと画素データを順次所定の手順で切替えなが
ら必要な照合を順次繰返して行うことが可能となる。

第３実施例前述した実施例において、禁止メンバシップ関数と分
布信号との比較照合が行われた後、この照合結果は反転
手段によって反転（補数をとる）されているが、本発明
においては、禁止メンバシップ関数そのものを反転手段
によって反転（補数をとる）し、この反転（補数をと
る）された禁止メンバシップ関数によって前記分布信号
で指定された位置のメンバシップ値を求め、前記特定領
域内における最小値を出力し、一方、通過メンバシップ
関数から得られた最大値出力は前述した実施例と同様に
して求め、この禁止ファジィシナプスと通過ファジィシ
ナプスの両者から得られる最小値及び最大値とから全体
の総最小値を求めることも可能である。

第４実施例前記の実施例はいずれも、具体的な通過メンバシップ
関数手段及び禁止メンバシップ関数手段としては、一入
力一出力のメンバシップ関数の回路（本発明者の発明に
係る特願昭63−206008号を参照）を用い、入力に階段波
のスイープ信号を利用し、特徴切り出し線から得た分布
信号もシフトレジスタ32を通して、逐次、MIN回路42へ
送り込まれる。

この実施例は、タイムスイープモードタイプのシステ
ムであり、システムが簡単であるが、処理時間がかかる
難点がある。

そこで、並列処理を可能とするファジィニューロンが
効果的である。

第16図はその実施例を示す。センサ300から取り込ま
れた特徴切り出し線上の分布信号はMINアレイもしくは
スイッチアレイ310（通過用）,312（禁止用）に供給さ
れ、各メンバシップ関数発生回路320の出力ライン上に
分布した所定の一峰性通過メンバシップ関数あるいは禁
止メンバシップ関数をON/OFFしMAX回路330（通過用）,3
32（禁止用）へ送る。通過メンバシップ関数に対応する
MAX回路330の出力はそのままMIN回路340へ供給され、一
方、禁止メンバシップ関数に対応するMAX回路332の出力
は反転手段350を経てMIN回路340へ供給される。

第16図には、単一の特徴切り出し線にかかるブロック
のみが描かれているが、実際には、同様のブロックを特
徴切り出し線の数だけ並列に用意し、それらの出力（MA
X回路330の出力と、反転手段350の出力）をMIN回路340
に供給すれば、このMIN回路340の出力は、所定の数字や
文字等のパターンのグレードを与えることとなる。

なお、メンバシップ関数発生回路については、本発明
者の発明にかかる特願昭61−268568号、特願昭61−2685
69号に詳細に示されているので、ここでの詳述は省略す
る。

［発明の効果］以上説明したように、本発明によれば、画像あるいは
音声等の分布情報をパターン認識する際に、メンバシッ
プ関数と前記分布信号との比較により通過領域及び禁止
領域の確からしさを求めながらパターン認識が可能な
り、曖昧なパターン認識に対しても確実に認識結果を得
ることができるという利点がある。

【図面の簡単な説明】

第１図は本発明に係るファジィニューロンを数字のパタ
ーン認識に用いた場合の、一対の通過ファジィシナプス
及び禁止ファジィシナプスを用いた実施例を示すブロッ
ク回路図、第２図は数字認識を行うための本発明に係るファジィー
ニューロンの全体的な構成図、第３図は第２図によって得られたグレードから最も確か
らしい数字を識別するためのグレード出力結果を示すシ
ングルトンの説明図、第４図は数字パターン認識におけるメンバシップ関数を
作成するデータ採集過程を示す説明図、第５図は数字パターン認識における特徴切り出し線と通
過及び禁止領域を示す説明図、第６図は特徴切り出し線の他の例を示す説明図、第７図は特定の特徴切り出し線に対する通過メンバシッ
プ関数と禁止メンバシップ関数を示す説明図、第８図はメンバシップ関数と分布信号とのMIN比較を示
す説明図、第９図は画像認識を行うためのセンサの一例を示す説明
図、第10図は特徴切り出し線におけるセンサの信号をシリア
ル信号である分布信号に変換するためのセンサとシフト
レジスタとの組合せを示す説明図、第11図は第10図の検出手段の簡略化した構成図、第12図はメンバシップ関数の原理的な波形図、第13図は第１図におけるファジィ推論のタイミング回路
図、第14図はファジィ推論のタイミングチャート図、第15図は本発明に係るファジィニューロンの他の実施例
を示すブロック回路図、第16図は本発明に係る並列型のファジィニューロンの更
に他の実施例を示すブロック図である。 20……ファジィニューロン 20a……通過ファジィシナプス 20b……禁止ファジィシナプス 20z……最小値出力手段 30……センサ 32……シフトレジスタ 40……通過メンバシップ関数手段 44……最大値出力手段 60……禁止メンバシップ関数手段 64……最大値出力手段 70……反転手段 100……特定領域 101〜107……特徴切り出し線ａ……分布信号 μ……グレード μ_Ｅ……通過メンバシップ関数 μ_Ｉ……禁止メンバシップ関数

フロントページの続き (51)Int.Cl.⁶ 識別記号ＦＩＧ０６Ｔ 7/00 Ｇ０６Ｆ 15/31 Ｚ

Claims

(57)【特許請求の範囲】

【請求項１】特定領域内の分布信号を認識するファジィ
ニューロンであって、前記特定領域内で少なくとも１個の一峰性通過メンバシ
ップ関数を設定する通過メンバシップ関数手段と、前記特定領域内で少なくとも１個の禁止メンバシップ関
数を設定する禁止メンバシップ関数手段と、前記各メンバシップ関数に対して前記分布信号で指定さ
れた位置のメンバシップ値を求め、前記特定領域内にお
ける最大値を出力する最大値出力手段と、前記禁止メンバシップ関数から得られたメンバシップ最
大値の補数をとる反転手段と、前記通過メンバシップ関数から得られた最大値出力と前
記禁止メンバシップ関数の最大値の補数をとった出力と
から全体の最小値を物める最小値出力手段と、を含み、特定領域内の分布信号と前記予め与えられたメ
ンバシップ関数との照合によって分布信号の認識を行う
ことを特徴とするファジィニューロン。
【請求項２】特定領域内の分布信号を認識するファジィ
ニューロンであって、前記特定領域内で少なくとも１個の一峰性通過メンバシ
ップ関数を設定する通過メンバシップ関数手段と、前記通過メンバシップ関数に対して前記分布信号で指定
された位置のメンバシップ値を求め、前記特定領域内に
おける最大値を出力する最大値出力手段と、前記特定領域内で１個の禁止メンバシップ関数を設定す
る禁止メンバシップ関数手段、前記禁止メンバシップ関数の補数をとる反転手段と、前記禁止メンバシップ関数に対して前記分布信号で指定
された位置のメンバシップ値を求め、前記特定領域内に
おける最小値を出力する最小値出力手段と、前記通過メンバシップ関数から得られた最大値出力と前
記禁止メンバシップ関数から得られた最小値出力とから
全体の総最小値を求める総最小値出力手段と、を含み、特定領域内の分布信号と前記予め与えられたメ
ンバシップ関数との照合によって分布信号の認識を行う
ことを特徴とするファジィニューロン。