JPH02101537A - 仮説推論方式 - Google Patents
仮説推論方式Info
- Publication number
- JPH02101537A JPH02101537A JP63256182A JP25618288A JPH02101537A JP H02101537 A JPH02101537 A JP H02101537A JP 63256182 A JP63256182 A JP 63256182A JP 25618288 A JP25618288 A JP 25618288A JP H02101537 A JPH02101537 A JP H02101537A
- Authority
- JP
- Japan
- Prior art keywords
- slot
- hypothesis
- value
- section
- work area
- 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
- 238000000034 method Methods 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 2
- XMBWDFGMSWQBCA-UHFFFAOYSA-N hydrogen iodide Chemical compound I XMBWDFGMSWQBCA-UHFFFAOYSA-N 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 101001090484 Homo sapiens LanC-like protein 2 Proteins 0.000 description 1
- 102100034723 LanC-like protein 2 Human genes 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、知識を利用して問題解決をおこなう情報処理
方式における仮説推論方式に関するものである。
方式における仮説推論方式に関するものである。
ヨハン・デクレア（Ｊｏｈａｎ ｄｅｋ！ｅｅｒ ）は
論文「仮説に基づいた真理値管理システム」（（ＡｎＡ
ｓｓｕｍｐｔｉｏｎ−ｂａｓｅｄ ＴＭＳ） 、アーテ
ィフィシャル・インテリジェンス（Ａｒｔｉｆｉｃｉａ
ｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ）２８巻、１９８６年
）の中で、知識を利用して問題解決をおこなう情報処理
方式において、不完全な知識を仮説として表現すること
により、問題解決に利用可能とするための、仮説管理方
式を提案している。この方式の概要を第３図と第４図を
用いて、「オブジェクト３４のスロット１の値とオブジ
ェクト３５のスロット１の値の和をオブジェクト３６の
スロット１とする問題Ｊを例にとって説明する。
論文「仮説に基づいた真理値管理システム」（（ＡｎＡ
ｓｓｕｍｐｔｉｏｎ−ｂａｓｅｄ ＴＭＳ） 、アーテ
ィフィシャル・インテリジェンス（Ａｒｔｉｆｉｃｉａ
ｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ）２８巻、１９８６年
）の中で、知識を利用して問題解決をおこなう情報処理
方式において、不完全な知識を仮説として表現すること
により、問題解決に利用可能とするための、仮説管理方
式を提案している。この方式の概要を第３図と第４図を
用いて、「オブジェクト３４のスロット１の値とオブジ
ェクト３５のスロット１の値の和をオブジェクト３６の
スロット１とする問題Ｊを例にとって説明する。
第４図を参照すると、従来の仮説管理方式４１は、仮説
導入部４２と、スロット値設定部４３と、スロット値参
照部４４と、作業領域４５とから構成されている。
導入部４２と、スロット値設定部４３と、スロット値参
照部４４と、作業領域４５とから構成されている。
一方、ここでは従来技術の説明用例題として使用する第
３図を参照すると、オブジェクト３０を最も沃化なＲＯ
ＯＴオブジェクトとし、沃化階層で接続された７つのオ
ブジェクトのうち、オブジェクト３１と、オブジェクト
３４とオブジェクト３５のスロット１が値を持っている
。
３図を参照すると、オブジェクト３０を最も沃化なＲＯ
ＯＴオブジェクトとし、沃化階層で接続された７つのオ
ブジェクトのうち、オブジェクト３１と、オブジェクト
３４とオブジェクト３５のスロット１が値を持っている
。
オブジェクト３１のスロット１の値、（（１０゜ｎｔｌ
））は、このスロットの値が無条件に１０であることを
示している。オブジェクト３４およびオブジェクト３５
のスロット１の値、（（５゜仮説１））、（（７，仮説
２））は、それぞれ、仮説１を信じた場合に値が５であ
ること、仮説２を信じた場合に値が７であることを示し
ている。
））は、このスロットの値が無条件に１０であることを
示している。オブジェクト３４およびオブジェクト３５
のスロット１の値、（（５゜仮説１））、（（７，仮説
２））は、それぞれ、仮説１を信じた場合に値が５であ
ること、仮説２を信じた場合に値が７であることを示し
ている。
以後、スロットの値の各要素において、、″の前の部分
を値部、゛、”の後ろの部分をラベル部と呼ぶ。
を値部、゛、”の後ろの部分をラベル部と呼ぶ。
ここで、オブジェクト３５のスロット１の値がたった全
設定された場合を考える。前述したように、「オブジェ
クト３４のスロット１の値とオブジェクト３５のスロッ
ト１の値の和がオブジェクト３６のスロット１の値であ
る」から、オブジェクト３６のスロット１の値は、仮説
１と仮説２の両方を信じた場合は１２となることがわか
る。
設定された場合を考える。前述したように、「オブジェ
クト３４のスロット１の値とオブジェクト３５のスロッ
ト１の値の和がオブジェクト３６のスロット１の値であ
る」から、オブジェクト３６のスロット１の値は、仮説
１と仮説２の両方を信じた場合は１２となることがわか
る。
実際には、問題解決部４６がスロット値参照部４４を介
して、作業領域部４５内のオブジェクト３４のスロット
１の値が（（５，仮説１））、オブジェクト３５のスロ
ット１の値が（（７，仮説２））であることを通知され
る。問題解決部４６は、これを受け、問題解決の結果と
して、スロット値設定部４３を介して、作業領域部４５
内のオブジェクト３６のスロット１に、値（（１２゜（
仮説１ 仮説２）））を設定する。
して、作業領域部４５内のオブジェクト３４のスロット
１の値が（（５，仮説１））、オブジェクト３５のスロ
ット１の値が（（７，仮説２））であることを通知され
る。問題解決部４６は、これを受け、問題解決の結果と
して、スロット値設定部４３を介して、作業領域部４５
内のオブジェクト３６のスロット１に、値（（１２゜（
仮説１ 仮説２）））を設定する。
上述した従来の仮説推定方式では、オブジェクト３６の
スロット１の値が、仮説１と仮説２の両方を信じた場合
は１２となる結果だけが得られる。これは、オブジェク
ト３４のスロット１の値は、仮説１を信じた場合は５で
あるが、仮説１を信じなかった場合は、値は不明として
扱ったためである。しかし、実際には、仮説１を信じな
い場合、オブジェクト３４の沃化オブジェクトであるオ
ブジェクト３１のスロット１の値を継承すべきであり、
この場合、無条件で１０となるべきである。従って、オ
ブジェクト３６のスロット１の値も、仮説１と仮説２の
両方を信じた場合は１２で、仮説２を信じ、仮説１を信
じなかった場合には１７が得られるべきである。
スロット１の値が、仮説１と仮説２の両方を信じた場合
は１２となる結果だけが得られる。これは、オブジェク
ト３４のスロット１の値は、仮説１を信じた場合は５で
あるが、仮説１を信じなかった場合は、値は不明として
扱ったためである。しかし、実際には、仮説１を信じな
い場合、オブジェクト３４の沃化オブジェクトであるオ
ブジェクト３１のスロット１の値を継承すべきであり、
この場合、無条件で１０となるべきである。従って、オ
ブジェクト３６のスロット１の値も、仮説１と仮説２の
両方を信じた場合は１２で、仮説２を信じ、仮説１を信
じなかった場合には１７が得られるべきである。
従来の仮説推論方式は、オブジェクトの沃化階層に沿っ
た値の継承機能と統合化されていなかったため、求め得
る結果の一部だけしか得られないという問題点があった
。
た値の継承機能と統合化されていなかったため、求め得
る結果の一部だけしか得られないという問題点があった
。
本発明の仮説推論方式は、不完全な知識を仮説として表
現することを可能とする仮説導入部と、導入された仮説
および仮説に依存するデータをオブジェクトのスロット
に保持する作業領域部と、作業領域部のオブジェクトの
スロットの値を設定するスロット値設定部と、作業領域
部のオブジェクトのスロットの値を参照するスロット値
参照部と、スロット値参照部から呼び出され、指定され
たオブジェクトの沃化オブジェクトを作業領域内で探索
し、各オブジェクトの同一スロットの値を求め、組み合
わせてスロットの値としてスロット参照部に渡す沃化階
層探索部を有している。
現することを可能とする仮説導入部と、導入された仮説
および仮説に依存するデータをオブジェクトのスロット
に保持する作業領域部と、作業領域部のオブジェクトの
スロットの値を設定するスロット値設定部と、作業領域
部のオブジェクトのスロットの値を参照するスロット値
参照部と、スロット値参照部から呼び出され、指定され
たオブジェクトの沃化オブジェクトを作業領域内で探索
し、各オブジェクトの同一スロットの値を求め、組み合
わせてスロットの値としてスロット参照部に渡す沃化階
層探索部を有している。
次に本発明の実施例について図面を参照して説明する。
第１図を参照すると、本発明の仮説推論方式１は、仮説
導入部２と、スロット値設定部３と、スロット値参照部
４と、沃化階層探索部５と、作業領域部６とを有してい
る。
導入部２と、スロット値設定部３と、スロット値参照部
４と、沃化階層探索部５と、作業領域部６とを有してい
る。
仮説導入部２は、問題解決部７から１つの仮説を受取り
、ある定まった方法で仮説名を付し、スロット値設定部
３を介して作業領域部６に渡す。
、ある定まった方法で仮説名を付し、スロット値設定部
３を介して作業領域部６に渡す。
スロット値設定部３は、問題解決部７から、仮説導入部
２を介すか、または直接に値を受は取リ、作業領域部６
に渡し、指定されたオブジェクトのスロットに値を設定
する。
２を介すか、または直接に値を受は取リ、作業領域部６
に渡し、指定されたオブジェクトのスロットに値を設定
する。
スロット値参照部４は、作業領域部６内の指定されたス
ロットの値を参照し、沃化階層探索部５を呼び出して、
値を受は取り、問題解決部７に渡す。
ロットの値を参照し、沃化階層探索部５を呼び出して、
値を受は取り、問題解決部７に渡す。
沃化階層探索部５は、スロット値参照部４から呼び出さ
れ、指定されたオブジェクトの沃化オブジェクトを作業
領域部６内で探索し、各オブジェクトの沃化オブジェク
トを作業領域部６内で探索し、各オブジェクトの同一ス
ロットの値を求め、組み合わせてスロットの値としてス
ロット値参照部４に渡す。
れ、指定されたオブジェクトの沃化オブジェクトを作業
領域部６内で探索し、各オブジェクトの沃化オブジェク
トを作業領域部６内で探索し、各オブジェクトの同一ス
ロットの値を求め、組み合わせてスロットの値としてス
ロット値参照部４に渡す。
作業領域部６は、スロット値設定部３から受は取った値
を作業領域に記録する。また、スロット値参照部４、沃
化階層探索部５に対し、作業領域の内容を常に提示する
。
を作業領域に記録する。また、スロット値参照部４、沃
化階層探索部５に対し、作業領域の内容を常に提示する
。
次に、沃化階層探索部５の動作を第３図の例に基づき、
かつ第２図のフローチャートに従って、詳細に説明する
。
かつ第２図のフローチャートに従って、詳細に説明する
。
再び第３図を参照すると、従来の技術の説明でも述べた
ように、オブジェクト３０を最も沃化なＲＯＯＴオブジ
ェクトとし、汎化階層で接続された７つのオブジェクト
のうち、オブジェクト３１と、オブジェクト３４とオブ
ジェクト３５のスロット１が値を持っている。オブジェ
クト３１のスロット１の値、（（１０，ｎｔｌ））は、
このスロットの値が無条件に１０であることを示してい
る。オブジェクト３４およびオブジェクト３５のスロッ
ト１の値、（（５，仮説］））、（（７，仮説２））は
、それぞれ、仮説１を信じた場合に値が５であること、
仮説２を信じた場合に値が７であることを示している。
ように、オブジェクト３０を最も沃化なＲＯＯＴオブジ
ェクトとし、汎化階層で接続された７つのオブジェクト
のうち、オブジェクト３１と、オブジェクト３４とオブ
ジェクト３５のスロット１が値を持っている。オブジェ
クト３１のスロット１の値、（（１０，ｎｔｌ））は、
このスロットの値が無条件に１０であることを示してい
る。オブジェクト３４およびオブジェクト３５のスロッ
ト１の値、（（５，仮説］））、（（７，仮説２））は
、それぞれ、仮説１を信じた場合に値が５であること、
仮説２を信じた場合に値が７であることを示している。
以後、スロットの値のうち、”、Ｈの前の部分を値部、
′、”の後ろの部分をラベル部と呼ぶ。
′、”の後ろの部分をラベル部と呼ぶ。
ここで、従来の技術の説明同様、オブジェクト３５のス
ロット１の値がたった今設定された場合を考える。まず
問題解決部７は、スロット値参照部４に対し、オブジェ
クト３４のスロット１の値を求めるよう要求する。スロ
ット値参照部４は、値（（５，仮説１））を作業領域部
６から得た後、沃化階層探索部５を呼び出す、沃化階層
探索部５は、第２図に従って動作する。
ロット１の値がたった今設定された場合を考える。まず
問題解決部７は、スロット値参照部４に対し、オブジェ
クト３４のスロット１の値を求めるよう要求する。スロ
ット値参照部４は、値（（５，仮説１））を作業領域部
６から得た後、沃化階層探索部５を呼び出す、沃化階層
探索部５は、第２図に従って動作する。
まず、ステップ２１で、変数０ＢＪＥＣＴにオブジェク
ト３４をセットし、ステップ２２で値（（５，仮説１）
）を変数ＶＡＬＵＥとＴ−ＶＡＬＵＥとにセットする。
ト３４をセットし、ステップ２２で値（（５，仮説１）
）を変数ＶＡＬＵＥとＴ−ＶＡＬＵＥとにセットする。
Ｔ−ＶＡＬＵＥの唯一の要素（５，仮説１）のラベル部
は仮説１であり、ｎｉｌではないので、ステップ４３の
分岐ではステップ２４へ進む。
は仮説１であり、ｎｉｌではないので、ステップ４３の
分岐ではステップ２４へ進む。
ステップ２４では、変数０ＢＪＥＣＴの値であるオブジ
ェクト３４がＲＯＯＴオブジェクトではないので、ステ
ップ２５へ進む、ステップ２５では、変数ＡＳＰに仮説
１の否定、ＮＯＴ仮説１をセットし、ステップ２６では
、変数０ＢＪＥＣＴにオブジェクト３４の沃化オブジェ
クトであるオブジェクト３１をセットし、ステップ２７
では変数Ｔ−ＶＡＬＵＥにオブジェクト３１のスロット
１の値（（１０，ｎ１ｌ））をセットする。
ェクト３４がＲＯＯＴオブジェクトではないので、ステ
ップ２５へ進む、ステップ２５では、変数ＡＳＰに仮説
１の否定、ＮＯＴ仮説１をセットし、ステップ２６では
、変数０ＢＪＥＣＴにオブジェクト３４の沃化オブジェ
クトであるオブジェクト３１をセットし、ステップ２７
では変数Ｔ−ＶＡＬＵＥにオブジェクト３１のスロット
１の値（（１０，ｎ１ｌ））をセットする。
ステップ２８．２９は、Ｔ−ＶＡＬＵＥの各要素につい
て繰り返されるが、この場合には、１つの要素（１０，
ｎｉ １）について処理が行われる。ステップ２８で、
変数Ｔ−Ａ Ｓ Ｐに、ＮＯＴ仮説１とｎｉｌの論理積
、ＮＯＴ仮説１をセットし、ステップ２９で変数ＶＡＬ
ＵＥに（１０，ＮＯＴ仮説１））とする、再びステップ
２３に戻ると、Ｔ−ＶＡＬＵＥの唯一の要素（１０，ｎ
ｉ １）のラベル部がｎｉｌなので、ステップ２Ａに進
み、変数ＶＡＬＵＥの値、（（５、仮説１．）（１０，
ＮＯＴ仮説１））をスロット値参照部４に渡し、沃化階
層探索部５の処理を終了する。
て繰り返されるが、この場合には、１つの要素（１０，
ｎｉ １）について処理が行われる。ステップ２８で、
変数Ｔ−Ａ Ｓ Ｐに、ＮＯＴ仮説１とｎｉｌの論理積
、ＮＯＴ仮説１をセットし、ステップ２９で変数ＶＡＬ
ＵＥに（１０，ＮＯＴ仮説１））とする、再びステップ
２３に戻ると、Ｔ−ＶＡＬＵＥの唯一の要素（１０，ｎ
ｉ １）のラベル部がｎｉｌなので、ステップ２Ａに進
み、変数ＶＡＬＵＥの値、（（５、仮説１．）（１０，
ＮＯＴ仮説１））をスロット値参照部４に渡し、沃化階
層探索部５の処理を終了する。
以上の手順で、問題解決部７は、オブジェクト３４のス
ロット１の値として、（（５，仮説１）（１０，ＮＯＴ
仮説１））を得る。同様な手順で、オブジェクト、３５
のスロット１の値（（７，仮説２））を得、問題解決の
結果、オブジェクト３６のスロット１の値として（（１
２゜（仮説１ 仮説２））（１７，（ＮＯＴ仮説１仮説
２）））をスロット値設定部３を介して、作業領域部に
設定する。
ロット１の値として、（（５，仮説１）（１０，ＮＯＴ
仮説１））を得る。同様な手順で、オブジェクト、３５
のスロット１の値（（７，仮説２））を得、問題解決の
結果、オブジェクト３６のスロット１の値として（（１
２゜（仮説１ 仮説２））（１７，（ＮＯＴ仮説１仮説
２）））をスロット値設定部３を介して、作業領域部に
設定する。
本発明による仮説推論方式では、従来の仮説推論方式と
、オブジェクトの沃化階層に沿った値の継承とが統合化
されている。したがって、あるオブジェクトのスロット
の値に対して導入された仮説が正しくなかった場合、そ
の流化階層上位のオブジェクトから継承して得られる値
に基づく問題解決も同時に進めることができ、仮説を信
じた場合と仮説の否定を信じた場合のどちらに基づく問
題解決の結果も得られるという効果がある。
、オブジェクトの沃化階層に沿った値の継承とが統合化
されている。したがって、あるオブジェクトのスロット
の値に対して導入された仮説が正しくなかった場合、そ
の流化階層上位のオブジェクトから継承して得られる値
に基づく問題解決も同時に進めることができ、仮説を信
じた場合と仮説の否定を信じた場合のどちらに基づく問
題解決の結果も得られるという効果がある。
ロット値設定部、４・・・スロット値参照部、５・・・
流化階層探索部、６・・・作業領域部、７・・・問題解
決部。
流化階層探索部、６・・・作業領域部、７・・・問題解
決部。
Claims (1)
- 不完全な知識を仮説として表現することを可能とする仮
説導入部と、導入された仮説および仮説に依存するデー
タをオブジェクトのスロットに保持する作業領域部と、
作業領域部のオブジェクトのスロットの値を設定するス
ロット値設定部と、作業領域部のオブジェクトのスロッ
トの値を参照するスロット値参照部と、スロット値参照
部から呼び出され、指定されたオブジェクトの汎化オブ
ジェクトを作業領域内で探索し、各オブジェクトの同一
スロットの値を求め、組み合わせてスロットの値として
スロット参照部に渡す汎化階層探索部を有して構成され
ることを特徴とする仮説推論方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63256182A JPH02101537A (ja) | 1988-10-11 | 1988-10-11 | 仮説推論方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63256182A JPH02101537A (ja) | 1988-10-11 | 1988-10-11 | 仮説推論方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02101537A true JPH02101537A (ja) | 1990-04-13 |
Family
ID=17289048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63256182A Pending JPH02101537A (ja) | 1988-10-11 | 1988-10-11 | 仮説推論方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02101537A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6328301B1 (en) * | 1995-07-10 | 2001-12-11 | Canon Kabushiki Kaisha | Sheet supplying apparatus |
-
1988
- 1988-10-11 JP JP63256182A patent/JPH02101537A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6328301B1 (en) * | 1995-07-10 | 2001-12-11 | Canon Kabushiki Kaisha | Sheet supplying apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rosenberg | Hazard function estimation using B-splines | |
| Hert et al. | Polygon area decomposition for multiple-robot workspace division | |
| US20020029154A1 (en) | Mechanism and method for dynamic question handling through an electronic interface | |
| Jordan | A statistical approach to decision tree modeling | |
| Lin et al. | Canonical piecewise-linear networks | |
| Rahman et al. | Hospital patients’ length of stay prediction: A federated learning approach | |
| Dey et al. | Asc-net: Adversarial-based selective network for unsupervised anomaly segmentation | |
| CN111387936A (zh) | 一种睡眠阶段识别方法、装置及设备 | |
| JPH02101537A (ja) | 仮説推論方式 | |
| Strobl | Causal discovery with a mixture of dags | |
| Fujimoto et al. | Massively parallel architectures for large scale neural network simulations | |
| Singh et al. | Petri net modeling of clinical diagnosis path in tuberculosis | |
| Economou et al. | FPGA implementation of artificial neural networks: an application on medical expert systems | |
| Bouziane | Metadata modeling and management. | |
| Singh et al. | A distributed artificial intelligence: The future of AI | |
| Wess | On the optimal code generation for signal flow graph computation | |
| Gaweda et al. | Fuzzy rule-based approach to automatic drug dosing in renal failure | |
| Ananda et al. | Knowledge representation using an augmented planning network: application to an expert system for planning HPLC separations | |
| Russ | A system for using time dependent data in patient management | |
| Khan et al. | Unification of some generalized aggregation operators in neutrosophic cubic environment and its applications in multi expert decision-making analysis | |
| Lee | Applied Computing and Information Technology | |
| Chakravarthy et al. | Convolutional neural network (CNN) for image detection and recognition in medical diagnosis | |
| Hughes et al. | Overcoming deficiencies of the rule-based medical expert system | |
| Higgins et al. | Distributed system for processing 3D medical images | |
| Davis et al. | An intelligent visual task system for lateral skull X-ray images. |