JPH04118721A - ファジィ後向き推論装置 - Google Patents
ファジィ後向き推論装置Info
- Publication number
- JPH04118721A JPH04118721A JP2236965A JP23696590A JPH04118721A JP H04118721 A JPH04118721 A JP H04118721A JP 2236965 A JP2236965 A JP 2236965A JP 23696590 A JP23696590 A JP 23696590A JP H04118721 A JPH04118721 A JP H04118721A
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- fuzzy
- solution
- numerical
- value
- 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
- 238000000034 method Methods 0.000 title claims description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 230000001364 causal effect Effects 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 208000024891 symptom Diseases 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 3
- 230000003247 decreasing effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 27
- 230000000875 corresponding effect Effects 0.000 abstract 4
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 206010025482 malaise Diseases 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0295—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic and expert systems
-
- 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
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- 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
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、結果(症状)から原因を推論するファジィ後
向き推論方式に係り、特に、ファジィ対応の逆問題を解
く推論方法および装置に関する。
向き推論方式に係り、特に、ファジィ対応の逆問題を解
く推論方法および装置に関する。
医療診断や故障診断の場合のように、原因と症状(結果
)のあいまいな知識に基づき、症状から原因を推論する
ものに、ファジィ対応の逆問題を解くことによる後向き
推論方法がある。この方法には多くの提案があるが、実
際問題への適応性を考慮したものの一つとして、塚本・
田代らによるr Fuzzy逆問題の解法」 (計測自
動制御学会論文集、VoQ、15.NCII、pp21
−25.1979)がある。以下、本願発明で扱うファ
ジィ理論と、上記論文に示されているファジィ対応の逆
問題及びその解法を簡単に説明する。
)のあいまいな知識に基づき、症状から原因を推論する
ものに、ファジィ対応の逆問題を解くことによる後向き
推論方法がある。この方法には多くの提案があるが、実
際問題への適応性を考慮したものの一つとして、塚本・
田代らによるr Fuzzy逆問題の解法」 (計測自
動制御学会論文集、VoQ、15.NCII、pp21
−25.1979)がある。以下、本願発明で扱うファ
ジィ理論と、上記論文に示されているファジィ対応の逆
問題及びその解法を簡単に説明する。
(1)ファジィ理論
全体集合Xの要素Xが、その集合に属するか否かがあい
まいである集合をファジィ部分集合Aと呼ぶ。この集合
は、XがAに含まれる程度を与えることにより定義され
る。この程度を与える関数をメンバーシップ関数μ^(
X)と呼ぶ。μ^(X)には次のような性質がある。
まいである集合をファジィ部分集合Aと呼ぶ。この集合
は、XがAに含まれる程度を与えることにより定義され
る。この程度を与える関数をメンバーシップ関数μ^(
X)と呼ぶ。μ^(X)には次のような性質がある。
0≦μ^(X)≦1
全体集合X、ファジィ集合A、B、メンバーシップ関数
μ^(x)(xCX)とした時、次のような演算が定義
できる。
μ^(x)(xCX)とした時、次のような演算が定義
できる。
・全集合 μx(x )= I Vxe: X・空
集合 μφ(x)=0 ・補集合 A μΔ(x)=1−μ^(x)・和集合
μ^ue : max [μ^(x)、μa(x)
]積集合 μ^(−1a=min[μ^(xLμB(
X)]対等関係 A=Bφμ^(X)二μ5(x)包含
関係 ACBaμ^(x)=μa(x)2重否定の法則
A=A ド・モルガンの法則 AUB=AnB AnB=ALjB しかし、普通の集合で成立する排中律と矛盾環は成立し
ない。即ち、 AUA#X AnA#$ である。
集合 μφ(x)=0 ・補集合 A μΔ(x)=1−μ^(x)・和集合
μ^ue : max [μ^(x)、μa(x)
]積集合 μ^(−1a=min[μ^(xLμB(
X)]対等関係 A=Bφμ^(X)二μ5(x)包含
関係 ACBaμ^(x)=μa(x)2重否定の法則
A=A ド・モルガンの法則 AUB=AnB AnB=ALjB しかし、普通の集合で成立する排中律と矛盾環は成立し
ない。即ち、 AUA#X AnA#$ である。
ファジィ集合Aに於いて、
Aα= (x l l^cx)>a): (XE[0,
1)A a 〜(x I μx(x)≧α);αC(0
,11をそれぞれ、強α−カツト、弱α−カツトという
。
1)A a 〜(x I μx(x)≧α);αC(0
,11をそれぞれ、強α−カツト、弱α−カツトという
。
これらを第9図に示す。
古典論理や多値論理などのように真理値を区間[0,1
]の数値で表すのではなく、truevery tru
e 、などのように、言葉によってあいまいに表したも
のを言語的真理値(Lingustic TruthV
alue、略してLTV)と呼ぶ。これらは、真理値空
間[0,11のファジィ部分集合で表すことが出来る。
]の数値で表すのではなく、truevery tru
e 、などのように、言葉によってあいまいに表したも
のを言語的真理値(Lingustic TruthV
alue、略してLTV)と呼ぶ。これらは、真理値空
間[0,11のファジィ部分集合で表すことが出来る。
ここで、LTVに数的区間を与える方法について述べる
。今、trueというLTVに数的区間を与えたいとす
る。この時、このtrueに対するメンバーシップ関数
を与える。与え方は任意であるが、例えば第10図の直
線のようなものとする。このメンバーシップ関数をα−
カツトすることによりtrueに対する数的区間を求め
る。今、α=0.8とした時のα−カツトにより、 t
rueに対する数的区間[0,8,11が第10図のよ
うに求められる。
。今、trueというLTVに数的区間を与えたいとす
る。この時、このtrueに対するメンバーシップ関数
を与える。与え方は任意であるが、例えば第10図の直
線のようなものとする。このメンバーシップ関数をα−
カツトすることによりtrueに対する数的区間を求め
る。今、α=0.8とした時のα−カツトにより、 t
rueに対する数的区間[0,8,11が第10図のよ
うに求められる。
本発明で使用するLTVとそのメンバーシップ関数の定
義例を以下に示す。これらは−例であって、異なる形で
あっても良い。
義例を以下に示す。これらは−例であって、異なる形で
あっても良い。
Coll1pletely True (CT) =
f x6(o、go/ x + 1 / 1very
very True (VVT) =(true)3
very True (VT) =(true)
2True (T) ” / x’E
(o、11 X / XRaiher True (R
T) =5Possible True (PT
) =3$Completely False (
CF) = 1 / O+ / +C:(o、t)O/
xvery very False (VV F)=
(false)3very False (V F)
=(false)2False (F)
= f XE:[0,13(1−X)/ XR
aiher False (RF ) = 5Po
ssible False (P F) =”4五
丁=Unknotin (U K)
= f xC[o9、] 1 / X(2)フ
ァジィ対応の逆問題 異なる2種類の事象(例えば、原因の項目及び症状の項
目)からなる集合を X=(xt l i=1+ ・・・* m)Y =(y
、 l j= 1 +・・・、N)とする。このとき、
これらを全体集合とするファジィ集合A、Bは次のよう
に書ける。
f x6(o、go/ x + 1 / 1very
very True (VVT) =(true)3
very True (VT) =(true)
2True (T) ” / x’E
(o、11 X / XRaiher True (R
T) =5Possible True (PT
) =3$Completely False (
CF) = 1 / O+ / +C:(o、t)O/
xvery very False (VV F)=
(false)3very False (V F)
=(false)2False (F)
= f XE:[0,13(1−X)/ XR
aiher False (RF ) = 5Po
ssible False (P F) =”4五
丁=Unknotin (U K)
= f xC[o9、] 1 / X(2)フ
ァジィ対応の逆問題 異なる2種類の事象(例えば、原因の項目及び症状の項
目)からなる集合を X=(xt l i=1+ ・・・* m)Y =(y
、 l j= 1 +・・・、N)とする。このとき、
これらを全体集合とするファジィ集合A、Bは次のよう
に書ける。
j=ま
ただし、aえ、bJはそれぞれX11 yJがファジィ
集合A、Bに属する度合を表す。
集合A、Bに属する度合を表す。
ファジィ集合A、Bは次のようなメンバシップグレード
のベクトルで表現すると便利である。
のベクトルで表現すると便利である。
a=(ai、“°°、a■)
b= (b□、・・・、b、)
Xを前提条件(例えば、原因の項目)の全体集合、Yを
結論側(例えば、症状の項目)の全体空間とすれば前提
条件から結論側を導く診断型システムが考えられ、前提
条件の各項目X□と結論側の各項目’/aの間に因果関
係が生じる。
結論側(例えば、症状の項目)の全体空間とすれば前提
条件から結論側を導く診断型システムが考えられ、前提
条件の各項目X□と結論側の各項目’/aの間に因果関
係が生じる。
XxY上のファジィ集合Cは次のように書ける。
j=1.i=ま
ただし、riJは、(xt、ya)がファジィ集合Cに
属する度合を表している。このr皿−を第(xpj)要
素とするm X n行列を次のように書くことにする。
属する度合を表している。このr皿−を第(xpj)要
素とするm X n行列を次のように書くことにする。
R= (r s J )
A及びCとのファジィ合成がBになるとき。
AoC=B
と書くことができ、次のファジィ関係式と呼ばれる演算
規則に従う。
規則に従う。
aoR=b
ただし、ai、bJ、riJE[o、1コ、Oはwax
−sin合成である。即ち、AV(aiΔrtJ)=b
JここでVとへはそれぞれIaXとwinを表す。
−sin合成である。即ち、AV(aiΔrtJ)=b
JここでVとへはそれぞれIaXとwinを表す。
従って、ファジィ関係式の逆問題は、′Rとbの各要素
が区間[0,11の一つの数値として与えられたとき、
aoR=bを満足する全てのaを求める″という問題で
ある。
が区間[0,11の一つの数値として与えられたとき、
aoR=bを満足する全てのaを求める″という問題で
ある。
ところで、ファジィ関係はファジィ集合Aに対してファ
ジィ集合Bで決まる。すなわち、写像R:P(X)→p
(y) で表現される。これに対して、ファジィ対応はファジィ
集合Aに対してファジィ集合のファジィ集合Bで決まる
。すなわち、写像 r : P (X)−+ P (P (Y))で表現さ
れる。ただし、p (x)はX上の全てのファジィ集合
の族を表す。
ジィ集合Bで決まる。すなわち、写像R:P(X)→p
(y) で表現される。これに対して、ファジィ対応はファジィ
集合Aに対してファジィ集合のファジィ集合Bで決まる
。すなわち、写像 r : P (X)−+ P (P (Y))で表現さ
れる。ただし、p (x)はX上の全てのファジィ集合
の族を表す。
また、ファジィ集合Bは次のように書ける。
B=((ya、b、))
ただし、b、はy、がファジィ集合Bに属する度合であ
り、[0,l]上のファジィ集合で表される。このbj
を第j要素とするn次元ベクトルを次のように書くこと
にする。
り、[0,l]上のファジィ集合で表される。このbj
を第j要素とするn次元ベクトルを次のように書くこと
にする。
b= (bt、−bn)C[0,1コ0とこれで、X
xY上のファジィ集合Cが与えられるとファジィ対応r
が一つ決まる。
xY上のファジィ集合Cが与えられるとファジィ対応r
が一つ決まる。
ただし、ファジィ集合Cは次のように書ける。
C” ((x t t y JL FtJ)71Jは(
Xrt y’)がファジィ集合Cに属する度合であり、
[0,1]上のファジィ集合で表される。このへ、を第
(i、j)要素とするm×n行列を次のように書くこと
にする。
Xrt y’)がファジィ集合Cに属する度合であり、
[0,1]上のファジィ集合で表される。このへ、を第
(i、j)要素とするm×n行列を次のように書くこと
にする。
R=(ria)C[O+1コm″1
従って、ファジィ対応の逆問題とは、症状の程度、原因
と症状の間の因果関係として、”bc[0,1コn、R
C[0,11”” が与えられたとき、ファジィ対応
の逆写像r−L(b)を求める″という問題である。た
だし5bはファジィ集合Bのベクトル表現、市はファジ
ィ集合Cの行列表現である。
と症状の間の因果関係として、”bc[0,1コn、R
C[0,11”” が与えられたとき、ファジィ対応
の逆写像r−L(b)を求める″という問題である。た
だし5bはファジィ集合Bのベクトル表現、市はファジ
ィ集合Cの行列表現である。
ファジィ対応の逆問題に対する解法が、塚本らによって
提案されている。そこでは、ファジィ対応の逆写像のα
カット集合をaoR=bの逆問題を解くことによって求
めている。
提案されている。そこでは、ファジィ対応の逆写像のα
カット集合をaoR=bの逆問題を解くことによって求
めている。
ここで、
a=(alヨR,ヨb ; RER,bEb、aaR=
b)ただし、N= (r t J )及びも−=(丁1
.・・・2丁。)はそれぞれRC及びbc (R及びb
のαカット集合)に対応する[0.1]内の実数の区間
の集合を要素とする行列及びベクトルである。
b)ただし、N= (r t J )及びも−=(丁1
.・・・2丁。)はそれぞれRC及びbc (R及びb
のαカット集合)に対応する[0.1]内の実数の区間
の集合を要素とする行列及びベクトルである。
ココテ、RER,b6:bはそれぞれvJtbJE丁、
及ヒV i * V j 、r t J E r s
J tr、意味する。
及ヒV i * V j 、r t J E r s
J tr、意味する。
以上説明したファジィ関係式の逆問題とファジィ対応の
逆問題とを比較すると下表のようになる。
逆問題とを比較すると下表のようになる。
ファジィ対応を用いたモデルは、ファジィ関係式を用い
たモデルと比較して柔軟性に富んでいる6(3)ファジ
ィ対応の逆問題の解法 まずε−合成および7−合成を次のように定義する。
たモデルと比較して柔軟性に富んでいる6(3)ファジ
ィ対応の逆問題の解法 まずε−合成および7−合成を次のように定義する。
二つの区間値集合Ea、b] 、[c、dコC[0゜1
コに対して、 ただし、φは空集合を意味する。
コに対して、 ただし、φは空集合を意味する。
第11図は塚本らによるフアジイ対応逆間題の解法を示
すフロー線図である。
すフロー線図である。
以下に、この解法アルゴリズムを説明する。
ステップ1
m×n行列U = (u tJL V = (v IJ
)を求める。
)を求める。
ただし。
ここで、ヨJ+ Vl、 uIJl:φならば、1解
なし”で終了する。
なし”で終了する。
ステップ2
m X n行列w’=(w’1J)を求める。ただし、
Wk待行列各要素は各5列ごとに次のように与えられる
。
Wk待行列各要素は各5列ごとに次のように与えられる
。
ここで、ヨ11はuIJ≠φを満足するiの中からただ
ひとつだけ取り出すことを意味する。
ひとつだけ取り出すことを意味する。
すなわち、この行列はiの取り方によりその組合せの数
だけ存在する。kはこのあらゆる組み合わせを順に番号
付けしたときのインデックスを表している。
だけ存在する。kはこのあらゆる組み合わせを順に番号
付けしたときのインデックスを表している。
ステップ3
akを求める。ただし、
j=1
ステップ4
aを求める。ただし、
a=Uaゝ
CK
K”−(k l V i ; a ’+≠φ)ここで、
K=φならば、解なし”で終了する。
K=φならば、解なし”で終了する。
以上説明したファジィ対応の逆問題の従来の解法は、原
因数(m)及び症状数(n)が多くなると膨大な数のW
k待行列作るため、理論的計算量がm”” X n
に比例するものとなり、その実行に長時間を必要とした
。このため、従来の解法は実時間系エキスパートシステ
ムの推論エンジン等に適用し難いという問題点があった
。
因数(m)及び症状数(n)が多くなると膨大な数のW
k待行列作るため、理論的計算量がm”” X n
に比例するものとなり、その実行に長時間を必要とした
。このため、従来の解法は実時間系エキスパートシステ
ムの推論エンジン等に適用し難いという問題点があった
。
本発明は、このような事情を考慮してなされたものであ
り、高速に実行できるファジィ対応の逆問題の解を得る
推論方法及び装置を提供することにある。
り、高速に実行できるファジィ対応の逆問題の解を得る
推論方法及び装置を提供することにある。
本発明が提案する後向きファジィ推論方式において、フ
ァジィ対応の逆問題の解法は原因数をm症状数をnとす
るとき、上記従来のような解を求める組合せがm”’×
nとなるのW行列を用いる解法によらず5組合せm X
nのチエツク行列を用いて解の有無の判断や解を求め
る計算式を選択して解を求めるもので、理論的演算量が
O(mn)となるファジィ対応の逆問題の解法アルゴリ
ズムを核心とするものである。
ァジィ対応の逆問題の解法は原因数をm症状数をnとす
るとき、上記従来のような解を求める組合せがm”’×
nとなるのW行列を用いる解法によらず5組合せm X
nのチエツク行列を用いて解の有無の判断や解を求め
る計算式を選択して解を求めるもので、理論的演算量が
O(mn)となるファジィ対応の逆問題の解法アルゴリ
ズムを核心とするものである。
すなわち、本発明の推論方法は、原因を表わすmの要素
をもつファジィ集合a(a+li:=1.・・m)、症
状を表わすnの要素をもつファジィ集合b(b、+ l
j= 1 t ・・・p n)−上記aとbの因果関
係を表わすm×nの要素をもつファジィ集合R(rij
)とするとき、上記症状すの程度を表わす言語的真理値
及び上記因果関係Rの確からしさを表わす言語的真理値
をそれぞれ1〜0の数値的真理値区間に変換し、以下の
ステップによって原因aを上記すとRからフアジイ対応
逆間題として後向き推論するものである。
をもつファジィ集合a(a+li:=1.・・m)、症
状を表わすnの要素をもつファジィ集合b(b、+ l
j= 1 t ・・・p n)−上記aとbの因果関
係を表わすm×nの要素をもつファジィ集合R(rij
)とするとき、上記症状すの程度を表わす言語的真理値
及び上記因果関係Rの確からしさを表わす言語的真理値
をそれぞれ1〜0の数値的真理値区間に変換し、以下の
ステップによって原因aを上記すとRからフアジイ対応
逆間題として後向き推論するものである。
ステップ1
m X n行列U = (u IJ) T V = (
v sJ)を求める。
v sJ)を求める。
このとき、U行列の各行iの空集合以外の要素の上限値
の最小値を以下のように求める。
の最小値を以下のように求める。
U M I N s = 1ain u t J(、ま
ただし、i ’ (ulはLJの上限値を意味する。
ただし、i ’ (ulはLJの上限値を意味する。
ここで、ヨj、VilutJ=φならば、解なし″で終
了する。
了する。
ステップ2
Jn×n行列C=(etJ)を求める6ただし、これは
上記従来の解法において、TJvk行列を生成すること
に対応している。
上記従来の解法において、TJvk行列を生成すること
に対応している。
このとき、C行列の各列jごとの和を以下のように求め
る。
る。
CS UMa” ΣC□1
i=1
λj]仁り止
et4=1かっu taiu>UM I Ntであると
き、clの1を0に変更し、C8UMJ を1だけ減ら
す。
き、clの1を0に変更し、C8UMJ を1だけ減ら
す。
この修正によってCSUMj =Oとなったとき。
解なし″で終了する。これは、従来の解法の第1行に対
するa’+≠φを満足していない場合′解なし″で終了
することに対応している。
するa’+≠φを満足していない場合′解なし″で終了
することに対応している。
ただし、uta+11は2.の下限値を意味する。
ステップ4
ファジィ対応の逆問題の解aの第i要素a、を以下のよ
うに求める。
うに求める。
a、はC行列の第1行に対してCij=1.かつ、C3
UMJ =1を満足するj列が (I) 全くない場合 a 、=[O’ 、 UM I Ntl(If) 少
なくとも一つある場合 ai=[max ut、(+Il 、 UM I
Nt]t となる。但し、j、はC行列の第1行においてCtJ=
1からCSUMj =1を満足する列である。
UMJ =1を満足するj列が (I) 全くない場合 a 、=[O’ 、 UM I Ntl(If) 少
なくとも一つある場合 ai=[max ut、(+Il 、 UM I
Nt]t となる。但し、j、はC行列の第1行においてCtJ=
1からCSUMj =1を満足する列である。
以上によってファジィ対応の逆問題に対する解aの第i
要素a、が求まり、これより EFT =(a 1 y a 2 z・・・、a、)と
なる。
要素a、が求まり、これより EFT =(a 1 y a 2 z・・・、a、)と
なる。
以上の本発明によるファジィ対応の逆問題の解法のフロ
ーを第12図に示す。
ーを第12図に示す。
本発明によるファジィ対応の逆問題の解法は以上の手順
で構成されるから、次のように解答を求めることができ
る。
で構成されるから、次のように解答を求めることができ
る。
(1) C行列の第1行に対してc 、J = 1か
つ、C5UMi =1を満足するj列が全くない場合、
次の2つj (1−1)と(1−2)が考えられる。
つ、C5UMi =1を満足するj列が全くない場合、
次の2つj (1−1)と(1−2)が考えられる。
(1−1) C行列の第1行に1である要素C14が
全くない場合(第3図(a)) 従来の解法のステップ2で求められたWk行列の第1行
の全ての要素が7行列の要素である。
全くない場合(第3図(a)) 従来の解法のステップ2で求められたWk行列の第1行
の全ての要素が7行列の要素である。
従って、(I−1)の場合のファジィ対応の逆問題の解
の第i要素は、従来の解法のステップ3゜4より、以下
のように求める二とができる。
の第i要素は、従来の解法のステップ3゜4より、以下
のように求める二とができる。
a、=[O、UMINiコ
(I−2) C行列の第1行に1である要素Crrが
あるが、C8UM、=1を満足する列がない場合 このような列をjq(1≦q≦p)とする。
あるが、C8UM、=1を満足する列がない場合 このような列をjq(1≦q≦p)とする。
ここでは、従来の解法におけるWk行列に対応するCk
行列を考える。この場合、次の2つの(i)、(…)が
考えられる。
行列を考える。この場合、次の2つの(i)、(…)が
考えられる。
(i) Ck行列の第1行において、jq列のどれか
に少なくとも一つ1である要素がある場合(第3図(b
)) 従来の解法のステップ3から、akの第i要素ak+は
次のように求めることができる。
に少なくとも一つ1である要素がある場合(第3図(b
)) 従来の解法のステップ3から、akの第i要素ak+は
次のように求めることができる。
a’t=[max ut 、UM I Ntl
輸(露) jq (ii) Ck行列の第1行において、全てのj q
列に1である要素がない場合(第3図(C)) (i)と同様に、akの第i要素a kIは次のように
求めることができる。
輸(露) jq (ii) Ck行列の第1行において、全てのj q
列に1である要素がない場合(第3図(C)) (i)と同様に、akの第i要素a kIは次のように
求めることができる。
akt=[o y UM I Ntl従来の解法のス
テップ4から、ファジィ対応の逆問題の解は、従来の解
法のステップ3で求められたakの和をとることによっ
て求められる。
テップ4から、ファジィ対応の逆問題の解は、従来の解
法のステップ3で求められたakの和をとることによっ
て求められる。
従って、(i)、(…)より、(1−2)の場合のファ
ジィ対応の逆問題の解の第i要素は、次のように求めら
れる。
ジィ対応の逆問題の解の第i要素は、次のように求めら
れる。
a+==[utax utJ、n+ t UM
INiコU[O、UMINIIq =[O、UMINil 従って、(I −1)、 (I−2)より(1)の場合
のファジィ対応の逆問題に対する解の第i要素を次のよ
うに求められる。
INiコU[O、UMINIIq =[O、UMINil 従って、(I −1)、 (I−2)より(1)の場合
のファジィ対応の逆問題に対する解の第i要素を次のよ
うに求められる。
a +=[0、UM I Ntコ
(n) C行列の第1行に対して、ct−=1かつC
5UMi =1を満足する0列が少なくとも一つある場
合 このような列をj、(1≦t≦S)とする。
5UMi =1を満足する0列が少なくとも一つある場
合 このような列をj、(1≦t≦S)とする。
(1−2)と同様に、従来の解法におけるwk行列に対
応するCk行列を考える。この場合、次の2つ(II−
1)と(II−2)が考えられる。
応するCk行列を考える。この場合、次の2つ(II−
1)と(II−2)が考えられる。
(II−1) C’行列の第1行において、各jt列
に1である要素がある場合(第3図(d))(i)と同
様に〒にの第i要素ak+は次のように求めることがで
きる。
に1である要素がある場合(第3図(d))(i)と同
様に〒にの第i要素ak+は次のように求めることがで
きる。
a’+=[max unJ (、、r UM
I N+](II−2) C’行列の第1行におい
て、jt列列外外列にも1である要素がある場合(第3
図(e)) (i)と同様に〒にの第j要素ak+は次のように求め
ることができる。
I N+](II−2) C’行列の第1行におい
て、jt列列外外列にも1である要素がある場合(第3
図(e)) (i)と同様に〒にの第j要素ak+は次のように求め
ることができる。
a ’t = [max丁、Jilt 、 UM I
N1:1従来の解法のステップ4から、ファジィ対応
の逆問題の解は、従来の解法ステップ3で求められた〒
にの和をとることによって求められる。従って、(II
−1)、(II−2)より(II)の場合のファジィ対
応の逆問題の解の第i要素は、次のように求められる。
N1:1従来の解法のステップ4から、ファジィ対応
の逆問題の解は、従来の解法ステップ3で求められた〒
にの和をとることによって求められる。従って、(II
−1)、(II−2)より(II)の場合のファジィ対
応の逆問題の解の第i要素は、次のように求められる。
=[max ula、(t+ 、 UMINiコ
t 以上のように、本発明のファジィ対応の逆問題の解法に
よれば、ε′−合成とε−合成で得られた区間値の上限
値が等しいので、解は、U、V行列の要素である区間値
の積集合と和集合だけから計算される。すなわち、最大
値と最小値の計算だけで解が得られる。
t 以上のように、本発明のファジィ対応の逆問題の解法に
よれば、ε′−合成とε−合成で得られた区間値の上限
値が等しいので、解は、U、V行列の要素である区間値
の積集合と和集合だけから計算される。すなわち、最大
値と最小値の計算だけで解が得られる。
本発明のファジィ対応の逆問題の解法によれば、原因数
及び症状数をそれぞれm、nとすると、aの第i要素a
1を求める手間は症状数nに比例する。従って、ファジ
ィ対応の逆問題の解aを求める手間は、mnに比例し、
その理論的計算量はO(mn)となり、上記従来の解法
による論理的計算量0 (m・+In−)に比べて大幅
に低減される。
及び症状数をそれぞれm、nとすると、aの第i要素a
1を求める手間は症状数nに比例する。従って、ファジ
ィ対応の逆問題の解aを求める手間は、mnに比例し、
その理論的計算量はO(mn)となり、上記従来の解法
による論理的計算量0 (m・+In−)に比べて大幅
に低減される。
以下、本発明の一実施例を図面により説明する。
第1図は本発明によるファジィ後向き推論を行う推論装
置である。
置である。
同図に於いて本発明の推論装置はプログラムに基づくデ
ータの入出力や記憶あるいはそれらの間の制御演算を実
行する電子計算機1を本体とし、因果関係Rやメンバー
シップ関数を記憶する記憶手段2.言語的真理値(LT
V)を数的区間値に変換するLTV/数値変換手段3.
理論的演算量がO(mn)のファジィ対応の逆問題解法
、即ち、本発明のアルゴリズムによるファジィ後向き推
論を行うファジィ推論エンジン部4.数値区間をLTV
に逆変換する数値/LTV変換手段5を有している。
ータの入出力や記憶あるいはそれらの間の制御演算を実
行する電子計算機1を本体とし、因果関係Rやメンバー
シップ関数を記憶する記憶手段2.言語的真理値(LT
V)を数的区間値に変換するLTV/数値変換手段3.
理論的演算量がO(mn)のファジィ対応の逆問題解法
、即ち、本発明のアルゴリズムによるファジィ後向き推
論を行うファジィ推論エンジン部4.数値区間をLTV
に逆変換する数値/LTV変換手段5を有している。
本推論装置はこのように構成されているので以下のよう
に動作する。LTVで表わされ入力された症状(結果)
データb (bz、 ・、bn)と、記憶手段2から
読みだされ上記すと対応関係にある因果関係データR(
r、jli=1〜m、j=1〜n)をLTV/数値変換
手段3で数値区間に変換する。
に動作する。LTVで表わされ入力された症状(結果)
データb (bz、 ・、bn)と、記憶手段2から
読みだされ上記すと対応関係にある因果関係データR(
r、jli=1〜m、j=1〜n)をLTV/数値変換
手段3で数値区間に変換する。
LTV/数値変換手段3は各LTV毎に予め定められて
いるメンバーシップ関数と設定されたαカット値によっ
て、データbおよびRの各LTVを上限値(u)と下限
値(Q)からなる数値区間に変換する。LTVがツルー
(true)系の場合、その数値真理値の上限値の最大
は1、フォールス(false)系の場合、その数的真
理値の下限値の最小は0である。
いるメンバーシップ関数と設定されたαカット値によっ
て、データbおよびRの各LTVを上限値(u)と下限
値(Q)からなる数値区間に変換する。LTVがツルー
(true)系の場合、その数値真理値の上限値の最大
は1、フォールス(false)系の場合、その数的真
理値の下限値の最小は0である。
次に、αカット値に応じて数値区間で表わされたRとb
が推論エンジン4に与えられて、原因を表わすデータa
(ai、・・・、a、)がファジィ対応の逆問題として
推論される。第2図はこの推論手順を示すフローチャー
トである。
が推論エンジン4に与えられて、原因を表わすデータa
(ai、・・・、a、)がファジィ対応の逆問題として
推論される。第2図はこの推論手順を示すフローチャー
トである。
まず、ステップ100において、Rとbの二つの区間値
集合即ち+ [rIJ(幻 rtJ(u)コシ[bJ+
t+ baiu+ ] C[011に対して、ε合成
によるm×n行列■とε合成によるm X n行列Vが
作られる。■行列は各要素の下限値(12)を全てb
Jiltとし、上限値(u)を[rLJ(11r IJ
(u、1n[tzm ba+u+]≠φのときは1
とし、rlJ+11> b J lulのときはbJ(
u+とする。但し、症状すの下限値が因果関係Rの上限
値より大きい関数(r l Jilt1 < b Jl
Jは成立し得ないから、該当要素はφ(空集合)とする
。そして、j列の全ての要素がφとなる場合は解なし”
で終了する。
集合即ち+ [rIJ(幻 rtJ(u)コシ[bJ+
t+ baiu+ ] C[011に対して、ε合成
によるm×n行列■とε合成によるm X n行列Vが
作られる。■行列は各要素の下限値(12)を全てb
Jiltとし、上限値(u)を[rLJ(11r IJ
(u、1n[tzm ba+u+]≠φのときは1
とし、rlJ+11> b J lulのときはbJ(
u+とする。但し、症状すの下限値が因果関係Rの上限
値より大きい関数(r l Jilt1 < b Jl
Jは成立し得ないから、該当要素はφ(空集合)とする
。そして、j列の全ての要素がφとなる場合は解なし”
で終了する。
方、7行列は各要素の下限値CQ)を全てOとし、r
1J(11< b a lulのときはbJ(u)とし
て、他は全て1とする。さらに、C行列の行毎に各上限
値r+J+ulの最小値ベクトルUM I Nl を
求める。
1J(11< b a lulのときはbJ(u)とし
て、他は全て1とする。さらに、C行列の行毎に各上限
値r+J+ulの最小値ベクトルUM I Nl を
求める。
次にステップ200において、解aの有無の判定と、解
が有る場合の計算式を決定するためのチエツク基準を作
成する。このチエツク基準は上記C行列と7行列に基づ
いて作られるm×n行列Cと、このC行列の列毎に各要
素の和を求めたベクトルCS U M J からなる。
が有る場合の計算式を決定するためのチエツク基準を作
成する。このチエツク基準は上記C行列と7行列に基づ
いて作られるm×n行列Cと、このC行列の列毎に各要
素の和を求めたベクトルCS U M J からなる。
この手順を第8(b)図に示す。C行列の各要素CL
Jの値は、Uijが空集合でなく、かつ、V t Jと
等しくないときは1とし、他は全て0とする。また、C
行列の各列jごとの和を 蔵 CS U MJ = ΣC1、 i=1 として求める。さらに、このように求められたC行列に
おいて要素が1になっているものを探し、その要素に対
応する上記C行列の要素の下限値が同行のU M I
N iよりも大きい(UtJ(愛)>UMINI)とき
は、C行列の1を0に変更し、C8UMJ を1だけ減
らすチエツク基準の修正を行う。
Jの値は、Uijが空集合でなく、かつ、V t Jと
等しくないときは1とし、他は全て0とする。また、C
行列の各列jごとの和を 蔵 CS U MJ = ΣC1、 i=1 として求める。さらに、このように求められたC行列に
おいて要素が1になっているものを探し、その要素に対
応する上記C行列の要素の下限値が同行のU M I
N iよりも大きい(UtJ(愛)>UMINI)とき
は、C行列の1を0に変更し、C8UMJ を1だけ減
らすチエツク基準の修正を行う。
最後にステップ300で解a(al)を求める。
上記CS U M J が全て0となるときは“′解無
し″で終了する。上記6列のj行目の要素がC,、=1
で、かつ、そのj列に対応するC5UMJ =1となる
列が ある場合;上記を満足するCijがその行に複数あると
き、対応するU t Jの下限値の中の最大値を選び a t=[ll1axU+J UM I N
tコ無い場合;上記を満足するCijが一つも無いとき a i” [OU M I N tコとしてalが求
められる。
し″で終了する。上記6列のj行目の要素がC,、=1
で、かつ、そのj列に対応するC5UMJ =1となる
列が ある場合;上記を満足するCijがその行に複数あると
き、対応するU t Jの下限値の中の最大値を選び a t=[ll1axU+J UM I N
tコ無い場合;上記を満足するCijが一つも無いとき a i” [OU M I N tコとしてalが求
められる。
上記推論エンジンで得られた原因aの集合は数値/LT
V変換手段5によってLTVに変換され、入力された症
状に対する原因al、・・・、allの確からしさの程
度を表わす言語を出力する。
V変換手段5によってLTVに変換され、入力された症
状に対する原因al、・・・、allの確からしさの程
度を表わす言語を出力する。
以上のように本実施例の推論方法は、従来のm”nの組
合せをもつW行列に変えてmnの組合せですむC行列を
採用することによって実現しているので、推論速度が飛
躍的に高められる効果がある。
合せをもつW行列に変えてmnの組合せですむC行列を
採用することによって実現しているので、推論速度が飛
躍的に高められる効果がある。
つぎに、本発明の第二の実施例を説明する。第4図はフ
ァジィ・エキスパート・システム(以下、本システムと
略す)の構成を示している。ここでは、医療診断エキス
パート・システムを例にして説明を行うが、故障診断な
ど他のエキスパート・システムにても同様な構成が可能
である。
ァジィ・エキスパート・システム(以下、本システムと
略す)の構成を示している。ここでは、医療診断エキス
パート・システムを例にして説明を行うが、故障診断な
ど他のエキスパート・システムにても同様な構成が可能
である。
第4図に於いて、データの入出力や記憶あるいはそれら
の制御演算を行う電子計算機10は、本システムの核心
部である理論的演算量がO(nun)になるアルゴリズ
ムによる後向きファジィ推論を行うファジィ推論エンジ
ン手段11.因果関係知識データベース12.因果関係
知識処理手段13゜症状データ前処理手段14.メンバ
ーシップ関数データベース15.メンバーシップ関数処
理手段16、知識獲得処理制御手段179診断処理制御
手段18を有し、マンマシン・インタフェース19と接
続されてエキスパートシステムを構成している。
の制御演算を行う電子計算機10は、本システムの核心
部である理論的演算量がO(nun)になるアルゴリズ
ムによる後向きファジィ推論を行うファジィ推論エンジ
ン手段11.因果関係知識データベース12.因果関係
知識処理手段13゜症状データ前処理手段14.メンバ
ーシップ関数データベース15.メンバーシップ関数処
理手段16、知識獲得処理制御手段179診断処理制御
手段18を有し、マンマシン・インタフェース19と接
続されてエキスパートシステムを構成している。
本システムを使用する場合は、まず、医者がマンマシン
・インタフェース19を通じて知識獲得処理制御手段1
7を起動し、第5図に示すような疾患と症状の因果関係
表に従って、因果関係知識データベース12に診断に必
要な症状データなどの知識をLTVで用意する。
・インタフェース19を通じて知識獲得処理制御手段1
7を起動し、第5図に示すような疾患と症状の因果関係
表に従って、因果関係知識データベース12に診断に必
要な症状データなどの知識をLTVで用意する。
各LTVのメンバーシップ関数はデータとしてあらかじ
め第6図(a)のように設定され、メンバーシップ関数
データベース15に記憶されている。LTVから数値区
間データへの変換は、メンバーシップ関数処理手段16
がこのメンバーシップ関数と設定されたα−カツト値(
例えばα=0.8)によって第6図(b)のように行う
。いま、 trueというLTVに数的区間を与えると
する。
め第6図(a)のように設定され、メンバーシップ関数
データベース15に記憶されている。LTVから数値区
間データへの変換は、メンバーシップ関数処理手段16
がこのメンバーシップ関数と設定されたα−カツト値(
例えばα=0.8)によって第6図(b)のように行う
。いま、 trueというLTVに数的区間を与えると
する。
この時、このtrueに対するメンバーシップ関数TR
UEを手段16に入力し、このメンバーシップ関数をα
=0.8 でα−カツトすることにより、trueに対
する数的区間[0,8,1]があたえられる。なお、α
−カツト値はメンバーシップ関数処理手段16により調
整される。
UEを手段16に入力し、このメンバーシップ関数をα
=0.8 でα−カツトすることにより、trueに対
する数的区間[0,8,1]があたえられる。なお、α
−カツト値はメンバーシップ関数処理手段16により調
整される。
次に、第7図に示すフローチャートにより本システムの
診断動作を説明する、まず、患者自身あるいは患者から
聞き出した。症状データを本システムに入力する(ステ
ップ100)。この症状データの入力は診断処理制御手
段18により制御され、例えば医者の問診などの形式で
実行される。
診断動作を説明する、まず、患者自身あるいは患者から
聞き出した。症状データを本システムに入力する(ステ
ップ100)。この症状データの入力は診断処理制御手
段18により制御され、例えば医者の問診などの形式で
実行される。
症状データが体温のような数値データである場合は、症
状データ前処理手段14によりメンバーシップ関数デー
タベース15より入力したメンバーシップ関数データに
より、LTVに変換される(ステップ200)。また、
症状自身がもともと同じ種類のLTV (例:非常に体
温が高い、かなり体温が高い、少し体温が高い等)によ
り表現されている場合は、そのまま入力されるし、別の
種類のLTV (例:非常に気分が悪い、かなり気分悪
い、少し気分が悪い等)にて表現されている場合は、L
TVの変換を行う。こうして、診断に必要な症状データ
の入力が終了すると(ステップ300)、ファジィ推論
エンジン11による推論が実行され、その結果がマンマ
シンインターフェース19によって表示される(ステッ
プ400゜500)。
状データ前処理手段14によりメンバーシップ関数デー
タベース15より入力したメンバーシップ関数データに
より、LTVに変換される(ステップ200)。また、
症状自身がもともと同じ種類のLTV (例:非常に体
温が高い、かなり体温が高い、少し体温が高い等)によ
り表現されている場合は、そのまま入力されるし、別の
種類のLTV (例:非常に気分が悪い、かなり気分悪
い、少し気分が悪い等)にて表現されている場合は、L
TVの変換を行う。こうして、診断に必要な症状データ
の入力が終了すると(ステップ300)、ファジィ推論
エンジン11による推論が実行され、その結果がマンマ
シンインターフェース19によって表示される(ステッ
プ400゜500)。
ここで入力された症状から、原因を推論する簡単な例(
原因数3.症状数4)を示す。はじめに、原因と症状の
因果関数R及び症状人力すが次のように与えられている
とする。
原因数3.症状数4)を示す。はじめに、原因と症状の
因果関数R及び症状人力すが次のように与えられている
とする。
b=(PT UK RF RTIα=0.8とし
て、LTVを第6図のメンバーシップ関数から数的真理
値に変換すると次のようになる。
て、LTVを第6図のメンバーシップ関数から数的真理
値に変換すると次のようになる。
b=([0,5121][01コ[00,36コ[0,
641コ 〕次に、上記本発明のアルゴリズムにしたが
って、U行列と7行列を求める。
641コ 〕次に、上記本発明のアルゴリズムにしたが
って、U行列と7行列を求める。
同時に、
U M I N u+を求める。
UM I N +++ =
(1゜
0.36゜
これらにより、
C行列とCS U M Ia +を求める。
CS UM (J)=(
そして、
行列の変更に行うとC行列とCS U B4.+ 。
は次のようになる。
CS UM (J、=(
以上により、
解aは次のように求められる。
a=([01][00,36][0,6411)さらに
各要素の数的区間をLTVに変換して、次の結果を得る
。
各要素の数的区間をLTVに変換して、次の結果を得る
。
a=(UK RF RT)
この結果より、入力された上記症状の原因(疾患)はa
3でその確からしさはRT (Raiher True
= JdT)と診断される。もし、aiあるいはa2も
P T (Possible True)以上を示して
いれば、複数の疾患が同時発生している、可能性がある
と診断される。
3でその確からしさはRT (Raiher True
= JdT)と診断される。もし、aiあるいはa2も
P T (Possible True)以上を示して
いれば、複数の疾患が同時発生している、可能性がある
と診断される。
以上説明した本発明の推論方法と上記従来方法について
、数値実験(原因数ニア、症状数=7)による有効性の
比較を実施した。原因と症状の間の因果関係及び症状の
程度に対して、第13図で示すメンバーシップ関数で定
義されたファジィ集合を10例題ランダムに設定し、後
向きファジィ推論を行った。その推論時間を第8図に示
す。従来の解法を用いた場合は例題によって異なる推論
時間となっているが、本発明による推論方法を用いた場
合はほぼ一定の推論時間で後向き推論を実行している。
、数値実験(原因数ニア、症状数=7)による有効性の
比較を実施した。原因と症状の間の因果関係及び症状の
程度に対して、第13図で示すメンバーシップ関数で定
義されたファジィ集合を10例題ランダムに設定し、後
向きファジィ推論を行った。その推論時間を第8図に示
す。従来の解法を用いた場合は例題によって異なる推論
時間となっているが、本発明による推論方法を用いた場
合はほぼ一定の推論時間で後向き推論を実行している。
また、本発明の推論方法による平均推論時間は従来の方
法の約1/44000(最高約1/100000)で、
飛躍的な高速度で後向き推論を実行しており、その有効
性が確かめられたう 〔発明の効果〕 以上説明した本発明の推論方式によると、ファジィ対応
の逆問題に対して、理論的計算量がmnの解法を提供で
き、従来の解法に比べ数万倍以上の高速化を達成する効
果がある。さらに、本発明のファジィ論理(Fuzzy
Modus Ponens、 FuzzyModus
Tollens)とファジィ対応の逆問題の解法の併
用によるエキスパートシステムによれば、原因及び症状
の数が非常に多い場合についても特別のハードウェアを
使用することなく実用的な時間で推論を実行し、かつ、
複数個の故障(疾患)が同時に発生している場合にも診
断結果を得ることができるという効果がある。
法の約1/44000(最高約1/100000)で、
飛躍的な高速度で後向き推論を実行しており、その有効
性が確かめられたう 〔発明の効果〕 以上説明した本発明の推論方式によると、ファジィ対応
の逆問題に対して、理論的計算量がmnの解法を提供で
き、従来の解法に比べ数万倍以上の高速化を達成する効
果がある。さらに、本発明のファジィ論理(Fuzzy
Modus Ponens、 FuzzyModus
Tollens)とファジィ対応の逆問題の解法の併
用によるエキスパートシステムによれば、原因及び症状
の数が非常に多い場合についても特別のハードウェアを
使用することなく実用的な時間で推論を実行し、かつ、
複数個の故障(疾患)が同時に発生している場合にも診
断結果を得ることができるという効果がある。
第1図からと第3図は本発明の第1の実施例を説明する
もので、第1図は推論装置のソフトウェア構成図、第2
図はその推論動作を示すフローチャート、第3図は各ケ
ースにおけるC行列の状態を示す説明図である。 第4図から第9図は本発明の第2の実施例を説明するも
ので、第4図はファジィエキスパートシステムの構成図
、第5図は疾患(原因)と症状の因果関係の例を示す図
、第6図は言語的真理値に対するメンバーシップ関数の
例とα−カツトによる数値区間への変換を示す図、第7
図は第4図のエキスパートシステムの診断動作を示すフ
ローチャート、第8図は本発明と従来技術の推論時間を
比較する図である。 第9図と第1o図は本発明の背景技術を説明するもので
。第9図はα−カツトの概念図、第1○図はメンバーシ
ップ関数のα−カツト例を示した図、第11図は従来技
術による解法アルゴリズムを示すフローチャート、第1
2図は、本発明による解法アルゴリズムを示すフローチ
ャート、第13図は本発明による効果の実験に用いたメ
ンバーシップ関数を示す図である。 1・・・推論装置、 2・・・記憶装置。 3・・ LAV/数値 第 図 (b) 第 図 (If−1)の場合 (d) (II−2)の場合 第 図 第 図 第 図 第 図 強a−カツト (a) 弱a−カツト (b) 第1o図 trueのa−カツト 第11図 第12図 第13図 μ(X) メンバシップ関数の例
もので、第1図は推論装置のソフトウェア構成図、第2
図はその推論動作を示すフローチャート、第3図は各ケ
ースにおけるC行列の状態を示す説明図である。 第4図から第9図は本発明の第2の実施例を説明するも
ので、第4図はファジィエキスパートシステムの構成図
、第5図は疾患(原因)と症状の因果関係の例を示す図
、第6図は言語的真理値に対するメンバーシップ関数の
例とα−カツトによる数値区間への変換を示す図、第7
図は第4図のエキスパートシステムの診断動作を示すフ
ローチャート、第8図は本発明と従来技術の推論時間を
比較する図である。 第9図と第1o図は本発明の背景技術を説明するもので
。第9図はα−カツトの概念図、第1○図はメンバーシ
ップ関数のα−カツト例を示した図、第11図は従来技
術による解法アルゴリズムを示すフローチャート、第1
2図は、本発明による解法アルゴリズムを示すフローチ
ャート、第13図は本発明による効果の実験に用いたメ
ンバーシップ関数を示す図である。 1・・・推論装置、 2・・・記憶装置。 3・・ LAV/数値 第 図 (b) 第 図 (If−1)の場合 (d) (II−2)の場合 第 図 第 図 第 図 第 図 強a−カツト (a) 弱a−カツト (b) 第1o図 trueのa−カツト 第11図 第12図 第13図 μ(X) メンバシップ関数の例
Claims (11)
- 1.結果を示すデータの入力に基づく後向きフアジイ推
論を行つて該結果の原因を推論する電子計算機を具備す
るフアジイ後向き推論装置において、上記電子計算機は
、 m個の原因とn個の症状の因果関係を予め言語的真理値
で定められたm×n個の因果関係データと、言語的真理
値のレベルをパラメータとして確信度(メンバーシツプ
グレード)と数値の関係を予め定めたメンバーシツプ関
数を記憶する記憶手段と、 上記入力された結果を示すデータの言語的真理値と該結
果データに対応する上記因果関係データの言語的真理値
の各々を上記メンバーシツプ関数に基づいて数値区間デ
ータにそれぞれ変換する変換手段と、 該数値区間で示された上記n個の結果データ及び上記m
×n個の因果関係データから原因を推論するための理論
的演算量がO(mn)となるフアジイ対応逆間題の解法
アルゴリズムを有する推論エンジンと、 を備えて結果から原因を推論することを特徴とするフア
ジイ後向き推論装置。 - 2.特許請求の範囲第1項において上記変換手段は、上
記入力された結果データの言語的真理値と該結果データ
に対応する上記因果関係データの言語的真理値の各々を
、上記メンバーシツプ関数上で設定される所定のαカツ
ト値を基準として数値区間データにそれぞれ変換するこ
とを特徴とするフアジイ後向き推論装置。 - 3.特許請求の範囲第1項及び第2項において上記アル
ゴリズムは、数値区間で示されたm×n行列の上記因果
関係データとnベクトルの上記結果データとのε合成と
■合成をそれぞれ表わすU行列とV行列、及び、該U行
列の各要素の数値区間の上限値について行毎の最小値U
MIN_iを求めるステツプ、 上記U行列の要素U_i_jと上記V行列の要素V_i
_jによつて1または0の要素でなるチエツク行列Cを
求め、該C行列の要素C_i_jが1で、かつ、該要素
C_i_j=1のあるj列についてその全要素の和をと
つたベクトルCSUM_jが1であるとき、上記C_i
_jに対応する上記U行列の要素の下限値U_i_j_
(_2_)を用いて a_1=[maxU_i_j_(_2_)UMIN_i
]但し、maxU_i_j_(_2_):C_i_jに
対応するU_i_jが同行に複数あるときその最大値ま
たは a_i=[0UMIN_i] のいずれかを選択して上記原因を表わすaを求めるステ
ツプ、 を有することを特徴とするフアジイ後向き推論装置。 - 4.原因を表わすmの要素をもつフアジイ集合をa(a
_1|i=1,・・・,m)、結果を表わすnの要素を
もつフアジイ集合をb(b_j|i=1,・・・,n)
、上記aとbの因果関係を表わすm×nの要素をもつフ
アジイ集合をR(r_i_j)とするとき、原因aを上
記bとRからフアジイ対応逆間題として後向き推論する
推論方法において、入力された上記結果bの程度を表わ
す言語的真理値及び上記因果関係Rの確からしさを表わ
す言語的真理値をそれぞれ1〜0の数値的真理値区間に
変換するステツプ、 上記数値区間で示されたr_i_jとb_jのε合成と
■合成をそれぞれ表わす行列Uと行列V、及び該U行列
の各行要素(U_i_j)の数値的区間の上限値の最小
値UMIN_i(積集合)を求めるステツプ、 上記U_i_jとV_i_jによつて1または0の要素
からなるチエツク行列Cを求め、該C行列のC_i_j
=1である要素と対応する上記U行列の要素の下限値U
_i_j_(_2_)を用いて a_i=[U_i_j_(_2_)UMIN_i]また
は a_i=[0UMIN_i] のいずれかを選択して上記原因を表わすaを求めるステ
ツプ、 を有することを特徴とするフアジイ後向き推論装置。 - 5.特許請求の範囲第4項において上記数値的真理値区
間に変換するステツプは、入力された上記結果bの程度
を表わす言語的真理値及び上記因果関係Rの確からしさ
を表わす言語的真理値を、予め定められている各言語的
真理値のメンバーシツプ関数のα−カツトにより1〜0
の数値的真理値区間に変換するステツプを有することを
特徴とするフアジイ後向き推論方法。 - 6.特許請求の範囲第4項において上記チエツク行列C
は.上記U_i_jが空集合でなくかつV_i_jと等
しくないときを1とし、そうでないときを0とするm×
nの行列であることを特徴とするフアジイ後向き推論方
法。 - 7.特許請求の範囲第4項において上記解aを求める計
算式の上記選択は、上記C行列の要素がC_i_j=1
で、かつ、該1である要素のj列について全要素の和を
とつたベクトルがCSUM_j=1のときa_i=[U
_i_j_(_2_)UMIN_i]を選択し、そうで
ないときはa_i=[0UMIN_(_i_)]を選択
することを特徴とするフアジイ後向き推論方法。 - 8.特許請求の範囲第4項及び第7項において上記解a
を求める計算式の上記U_i_j_(_2_)は、上記
C行列の同じ行にC_i_j=1で、かつ、CSUM_
j=1となる要素が複数あるとき、1となる該C_i_
jに対応する全てのU_i_j_(_2_)の最大値(
和集合)とすることを特徴とするフアジイ後向き推論方
法。 - 9.特許請求の範囲第6項及び第7項において上記C行
列は、該C行列の要素が1である要素に対応する上記U
行列の要素について、その数値区間の下限値が同行の上
記UMIN_iより大きいときは、上記C行列の上記要
素を0に変更することを特徴とするフアジイ後向き推論
方法。 - 10.特許請求の範囲第7項及び第8項において、上記
ベクトルUSUM_jが全て0となるときは、上記aの
解は無しとして推論を終了することを特徴とするフアジ
イ後向き推論方法。 - 11.原因を表わすmの要素をもつフアジイ集合a(a
_i|i=1,・・・,m)、症状を表わすnの要素を
もつフアジイ集合b(b_j|j=1,・・・,n)、
上記aとbの因果関係を表わすm×nの要素をもつフア
ジイ集合R(r_i_j)とするとき、以下のステツプ
によつて原因aを上記bとRからフアジイ対応逆間題と
して後向き推論するフアジイ後向き推論方法。 (ステツプ1)入力された上記症状bの程度を表わす言
語的真理値及び予め記憶されている上記因果関係Rの確
からしさを表わす言語的真理値を各要素ごとに予め定め
られているメンバーシツプ関数のα−カツトにより1〜
0の数値的真理値区間に変換する (ステツプ2)行列Uおよび行列Vを求めるU={u_
i_j}={u_i_jεb_j}V={v_i_j}
={r_i_j■b_j}ただし、 ε合成:[ab]ε[cd]= [c1],if[ab]∩[cd]≠φ [cd],ifa>d φ,ifb<c ▲数式、化学式、表等があります▼ (ステツプ3)UMIN_iを求める。 UMIN_i=min(u_i_jの上限値)(ステツ
プ4)C行列とCSM_j行列を求める。 ▲数式、化学式、表等があります▼ CSUM_j=ΣC_i_j i=1 (ステツプ5)C行列の変更 C行列の要素が1である全てについて、そ の要素に対応するU行列の要素の数値区間の下限値が同
行のUMIN_iより大きいときは、C行列の上記要素
を0とし、CSUM_jを1だけ減らす。 (ステツプ6)解aを求める ▲数式、化学式、表等があります▼
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2236965A JP2809497B2 (ja) | 1990-09-10 | 1990-09-10 | ファジィ後向き推論装置 |
US07/666,923 US5263123A (en) | 1990-09-10 | 1991-03-11 | Fuzzy backward reasoning system and expert system utilizing the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2236965A JP2809497B2 (ja) | 1990-09-10 | 1990-09-10 | ファジィ後向き推論装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04118721A true JPH04118721A (ja) | 1992-04-20 |
JP2809497B2 JP2809497B2 (ja) | 1998-10-08 |
Family
ID=17008392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2236965A Expired - Fee Related JP2809497B2 (ja) | 1990-09-10 | 1990-09-10 | ファジィ後向き推論装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US5263123A (ja) |
JP (1) | JP2809497B2 (ja) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5309485A (en) * | 1992-07-06 | 1994-05-03 | General Electric Company | Core automated monitoring 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 |
US6206829B1 (en) | 1996-07-12 | 2001-03-27 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
US5660176A (en) | 1993-12-29 | 1997-08-26 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system |
USRE43433E1 (en) | 1993-12-29 | 2012-05-29 | Clinical Decision Support, Llc | Computerized medical diagnostic and treatment advice system |
US5935060A (en) | 1996-07-12 | 1999-08-10 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including list based processing |
US6725209B1 (en) * | 1993-12-29 | 2004-04-20 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system and method including mental status examination |
US5471382A (en) * | 1994-01-10 | 1995-11-28 | Informed Access Systems, Inc. | Medical network management system and process |
US5528516A (en) * | 1994-05-25 | 1996-06-18 | System Management Arts, Inc. | Apparatus and method for event correlation and problem reporting |
US5758028A (en) * | 1995-09-01 | 1998-05-26 | Lockheed Martin Aerospace Corporation | Fuzzy logic control for computer image generator load management |
US5815717A (en) * | 1995-10-27 | 1998-09-29 | Authorgenics, Inc. | Application program and documentation generator system and method |
JPH10222493A (ja) * | 1997-02-06 | 1998-08-21 | Kokusai Denshin Denwa Co Ltd <Kdd> | 相互因果関係解析システム |
AU762361B2 (en) | 1997-03-13 | 2003-06-26 | First Opinion Corporation | Disease management system |
IL133065A0 (en) * | 1999-11-21 | 2001-03-19 | Living Software Applic Ltd | An interactive system for providing psychological stimulation tuned to personal issues and to a user personal profile and a method for use thereof |
RU2286711C2 (ru) | 2000-02-14 | 2006-11-10 | Фёрст Опинион Корпорэйшн | Система и способ автоматической диагностики |
DE10023159A1 (de) * | 2000-05-12 | 2001-12-06 | Pe Diagnostik Gmbh | Verfahren zum Erfassen und Bewerten der Daten bei der Aufnahme eines OP-Patienten |
US20030037063A1 (en) * | 2001-08-10 | 2003-02-20 | Qlinx | Method and system for dynamic risk assessment, risk monitoring, and caseload management |
US7780595B2 (en) | 2003-05-15 | 2010-08-24 | Clinical Decision Support, Llc | Panel diagnostic method and system |
US7219087B2 (en) * | 2003-07-25 | 2007-05-15 | Yamaha Hatsudoki Kabushiki Kaisha | Soft computing optimizer of intelligent control system structures |
US7251638B2 (en) * | 2004-03-03 | 2007-07-31 | Yamaha Hatsudoki Kabushiki Kaisha | Intelligent robust control system for motorcycle using soft computing optimizer |
US9081879B2 (en) | 2004-10-22 | 2015-07-14 | Clinical Decision Support, Llc | Matrix interface for medical diagnostic and treatment advice system and method |
US20060224547A1 (en) * | 2005-03-24 | 2006-10-05 | Ulyanov Sergey V | Efficient simulation system of quantum algorithm gates on classical computer based on fast algorithm |
US20060218108A1 (en) * | 2005-03-24 | 2006-09-28 | Sergey Panfilov | System for soft computing simulation |
US20060293817A1 (en) * | 2005-06-23 | 2006-12-28 | Takahide Hagiwara | Intelligent electronically-controlled suspension system based on soft computing optimizer |
US7430495B1 (en) * | 2006-12-13 | 2008-09-30 | Emc Corporation | Method and apparatus for representing, managing, analyzing and problem reporting in home networks |
CN110322018A (zh) * | 2019-06-19 | 2019-10-11 | 上海电力学院 | 一种基于模糊推理的电厂风机故障预警系统 |
CN111308269A (zh) * | 2020-02-27 | 2020-06-19 | 厦门盈盛捷电力科技有限公司 | 电力系统故障诊断的动态反演方法及系统 |
CN113162498B (zh) * | 2021-04-27 | 2021-12-21 | 谷芯(广州)技术有限公司 | 一种基于模糊pi控制的永磁同步电机矢量控制方法及系统 |
-
1990
- 1990-09-10 JP JP2236965A patent/JP2809497B2/ja not_active Expired - Fee Related
-
1991
- 1991-03-11 US US07/666,923 patent/US5263123A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US5263123A (en) | 1993-11-16 |
JP2809497B2 (ja) | 1998-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH04118721A (ja) | ファジィ後向き推論装置 | |
Parthiban et al. | Intelligent heart disease prediction system using CANFIS and genetic algorithm | |
Kirişci et al. | Decision making method related to Pythagorean Fuzzy Soft Sets with infectious diseases application | |
JPH10275084A (ja) | 制約充足問題の解決装置及び解決方法、システム構築装置及び構築方法 | |
Brule | Fuzzy systems-a tutorial | |
Bourgani et al. | A study on fuzzy cognitive map structures for medical decision support systems | |
Buldakova et al. | Multi-agent architecture for medical diagnostic systems | |
Yager | Aggregating evidence using quantified statements | |
Zhang et al. | A two-stage EDM method based on KU-CBR with the incomplete linguistic intuitionistic fuzzy preference relations | |
Alrashoud | Hierarchical fuzzy inference system for diagnosing dengue disease | |
Zahan et al. | Fuzzy expert system for myocardial ischemia diagnosis | |
Baaj | Learning rule parameters of possibilistic rule-based system | |
Xu et al. | A hybrid system applied to epidemic screening | |
Riaz et al. | Cubic m-polar fuzzy topology with multi-criteria group decision-making | |
Ren et al. | Fuzzy multi-state fault tree analysis based on fuzzy expert system | |
Rödder et al. | Entropy-driven inference and inconsistency. | |
Belohlavek | Optimal decompositions of matrices with grades | |
Apostolopoulos et al. | State Space Advanced Fuzzy Cognitive Map Approach for Automatic and Non Invasive Diagnosis of Coronary Artery Disease | |
MXPA04001393A (es) | Aparato de diagnostico. | |
Zahan | Fuzzy diagnosis by score-based tests—implementation issues | |
Tzouvaras et al. | Knowledge refinement using fuzzy compositional neural networks | |
Averkin | Fuzzy logics simulation technology in general strategy of intelligent systems designing | |
Noe | Design of the Medical Knowledge-Based System using Fuzzy Relational Method | |
Kacprzyk et al. | Consensus degrees under fuzziness via ordered weighted average (OWA) operators | |
Karaduman et al. | Intelligent “Health Restoration System “: Reinforcement Learning Feedback to Diagnosis and Treatment Planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |