JPH04329438A - 近似推論装置およびその動作方法 - Google Patents

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。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は，事象と結論との関係
を表わす専門家の知識を用いて推論を行なう近似推論装
置に関する。

【０００２】

【従来の技術】推論結果を，その推論結果を導くために
使用した事象の情報量によって修正または変更する方式
の近似推論が知られている（たとえば，Ｚｈａｎｇ　Ｈ
ｏｎｇｍｉｎ　“ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　
ＷＩＴＨ　ＴＨＩＮＫＩＮＧ　ＩＮ　ＩＭＡＧＥＳ”，
　Ｐｒｅｐｒｉｎｔｓ　ｏｆ　Ｓｅｃｏｎｄ　ＩＦＳＡ
　Ｃｏｎｇｒｅｓｓ，　Ｔｏｋｙｏ，　Ｊｕｌｙ　２０
−２５，１９８７，Ｐ．７６５　）。

【０００３】この近似推論方式は，事象に対して結論ご
とに与えられたメンバーシップ関数を用いて，事象ごと
の情報量（すなわち事象の情報識別能力）を算出し，推
論結果（すなわち結論が成り立つ可能性）を，その結論
を導くために使用した事象の情報量によって修正または
変更する（可能性と情報量の積をとる）ことによって，
推論結果の識別能力を高めようとするものである。

【０００４】

【発明が解決しようとする課題】しかしながら従来の近
似推論装置においては，すべての事象についてのデータ
を入力しないと，高い可能性をもつ結論およびその結論
についての高い明瞭性を得ることはできず，正しい結論
を判断しにくい場合があるという問題があった。

【０００５】人間が経験に基づいて事象データを入力す
る場合には，入力する事象データをある程度しぼること
が可能である。しかしオンラインで通信インターフェイ
スを介して事象データが入力される場合には，人間が介
在しないからどの事象データが重要であるかを判断する
ことが不可能である。このため従来の方法では，いきお
い短時間で結論を得ることができなかった。

【０００６】この発明は，効率的でかつ明瞭性の高い結
論を導くことができる近似推論装置およびその動作方法
を提供するものである。

【０００７】

【課題を解決するための手段】この発明による近似推論
装置は，入力データを，あらかじめ設定されている事象
と結論との関係を表わす知識にあてはめることにより結
論の可能性を演算する近似推論手段，上記知識を用いて
，結論ごとに各事象の明瞭性を演算する明瞭性演算手段
，上記明瞭性演算手段から得られる明瞭性を用いて，実
際にデータが入力された事象の明瞭性を加算して結論ご
との明瞭性加算値を演算する加算手段，および上記近似
推論手段による近似推論の結果得られた可能性の高い結
論について，その結論に関係する事象であってまだデー
タが入力されていないもののうち明瞭性の高いものを選
択する事象選択手段を備えているものである。

【０００８】この発明の一実施態様では，上記事象選択
手段によって選択された事象を表示する表示手段がさら
に設けられている。

【０００９】この発明の他の実施態様では，上記事象選
択手段によって選択された事象を表わす情報を送信する
通信手段がさらに設けられている。

【００１０】この発明の一実施態様では，上記事象選択
手段は，一つの結論について明瞭性の高い事象から順番
に選択する。また，上記選択手段は可能性の高い結論か
ら順番にその結論に関係する事象を選択する。

【００１１】この発明による近似推論装置の動作方法は
，入力データを，あらかじめ設定されている事象と結論
との関係を表わす知識にあてはめることにより結論の可
能性を演算する近似推論手段，および上記知識を用いて
，結論ごとに各事象の明瞭性を演算する明瞭性演算手段
を備えた近似推論装置において，事象についてのデータ
が一旦入力されたときに，上記近似推論手段によって結
論の可能性を演算するとともに，上記明瞭性演算手段か
ら得られる明瞭性を用いて，実際にデータが入力された
事象の明瞭性を加算して結論ごとの明瞭性加算値を演算
し，その後，上記近似推論手段による近似推論の結果得
られた可能性の高い結論について，その結論に関係する
事象であってまだデータが入力されていないもののうち
明瞭性の高いものを選択する。

【００１２】選択された事象は表示装置に表示される，
または選択された事象についてのデータの入力を要求す
るために，選択された事象を表わす情報が送信される。 これに応答して，選択された事象についての入力データ
が入力される。

【００１３】データが入力されたのち，上記近似推論手
段に再度近似推論を実行させる。

【００１４】好ましくは，一つの結論について明瞭性の
高い事象から順番に選択し，選択された事象についてデ
ータが入力されるたびにその結論について明瞭性加算値
にデータが入力された事象の明瞭性を加算することによ
り加算値を更新し，更新された明瞭性加算値が所定値に
達したときにその結論についての事象の選択を止める。

【００１５】

【作用】この発明によると，入力データを，あらかじめ
設定されている事象と結論との関係を表わす知識にあて
はめることにより結論の可能性を演算する近似推論手段
，および上記知識を用いて，結論ごとに各事象の明瞭性
を演算する明瞭性演算手段を備えた近似推論装置におい
て，事象についてのデータが一旦入力されたときに，上
記近似推論手段によって結論の可能性が演算されるとと
もに，上記明瞭性演算手段から得られる明瞭性を用いて
，実際にデータが入力された事象の明瞭性を加算して結
論ごとの明瞭性加算値が演算される。推論の終了後，上
記近似推論手段による近似推論の結果得られた可能性の
高い結論について，その結論に関係する事象であってま
だデータが入力されていないもののうち明瞭性の高いも
のが選択される。

【００１６】選択された事象は表示装置に表示されるか
，または選択された事象を表わす情報が外部装置に送信
され，その事象についてのデータの入力が要求される。

【００１７】人間によって，または通信装置によって，
選択された事象についての入力データが入力される。

【００１８】一つの結論について明瞭性の高い事象から
順番に選択され，選択された事象についてデータが入力
されるたびにその結論について明瞭性加算値にデータが
入力された事象の明瞭性を加算することにより加算値が
更新され，更新された明瞭性加算値が所定値に達したと
きにその結論についての事象の選択が終る。

【００１９】可能性の高い結論から順番にその結論に関
係する事象が選択される。

【００２０】データが入力されたのち，上記近似推論手
段によって再度近似推論が実行される。

【００２１】

【発明の効果】この発明によると，不充分な入力データ
に基づく１回目の近似推論が終了したのち，相対的に高
い可能性をもつ結論について，明瞭性が相対的に高い事
象が選択され，この選択された事象についてのみデータ
が入力される。すべての事象データを入力しなくてもよ
いため効率がよく，短時間で結論を得ることができる。 これは，特に人間を介在させることなく通信インターフ
ェイス等を介して事象データが入力されるシステムに有
効である。

【００２２】推論の結果，同じような可能性の結論が複
数ある場合において，これらの結論を識別することがで
きるような事象を選択し，その選択した事象についての
データを入力するように指示することにより，効率よく
明瞭性の高い結論を導き出せる。

【００２３】専門家が，キーボード等で入力したのと同
等の明瞭性の結論を得ることができる。

【００２４】さらに今までの通信インターフェイスから
の事象データ入力は，データの取込みのみの片側通信で
しかなかったが，この発明では選択事象についてのデー
タ入力要求という相互通信を行なうことにより，短時間
でデータを得ることができる。

【００２５】

【実施例】（１）　近似推論装置の全体構成図１に近似
推論装置の全体構成の一例が示されている。 近似推論装置は，知識記憶装置１１，知識合成装置１２
，合成後知識記憶装置１３，事象値入力装置１４，適合
度演算装置１５，動的情報量演算装置１６，可能性演算
装置１７，可能性表示装置１８，静的情報量演算装置１
９，明瞭性演算装置２０，明瞭性記憶装置２１，明瞭性
加算装置２２，明瞭性表示装置２３，事象選択装置２４
，最適事象表示装置２５および通信インターフェイス装
置２６から構成されている。

【００２６】以下に，これらの装置について詳述する。

【００２７】（２）　知識記憶装置 知識記憶装置１１は，専門家等が入力した知識を，事象
と結論との関係を示す形式で記憶する装置である。この
装置は複数の専門家の知識を記憶することができる。

【００２８】知識記憶装置１１に記憶されている２名の
専門家ｅｘ１　，ｅｘ２　の知識の例を規則の形式で以
下に示す。

【００２９】専門家ｅｘ１　：

【数１】

【００３０】専門家ｅｘ２　：

【数２】

【００３１】ｆ１，ｆ２，ｆｉは事象であり，これらを
それぞれ事象１，事象２，事象ｉと呼ぶことがある。事
象の添字ｉは１〜ｍの範囲の値をとる。ｃ１，ｃ２，ｃ
ｊは結論であり，これらをそれぞれ結論１，結論２，結
論ｊと呼ぶことがある。結論の添字ｊは１〜ｎの範囲の
値をとる。

【００３２】また，ａｉｊ≦ｆｉ≦ｂｉｊのように表わ
されたａｉｊ，ｂｉｊをそれぞれ最小値，最大値と呼ぶ
。

【００３３】上述の規則を，専門家ごとに表（テーブル
）の形式で表現すると次のようになる。

【００３４】

【表１】

【００３５】

【表２】

【００３６】（３）　知識合成装置 知識合成装置１２は，知識記憶装置１１に記憶された複
数の専門家の知識を合成して，１つの知識にまとめる装
置である。

【００３７】知識の合成方法は種々あるが，ここでは，
各結論に関与している各事象の最大値と最小値について
，複数の専門家の平均値と標準偏差を計算する。

【００３８】上述した２名の専門家の事象ｆ１から結論
ｃ１を導く知識を例にとって知識合成処理について以下
に説明する。

【００３９】上述の規則（式１，式４）から，事象１（
ｆ１）から結論１（ｃ１）を求める規則を抽出すると次
のように表わされる。

【００４０】

【数３】専門家ｅｘ１　：ｉｆ　　２０≦ｆ１≦６０　
　ｔｈｅｎ　　ｃ１　　…式７ 専門家ｅｘ２　：ｉｆ　　３０≦ｆ１≦５０　　ｔｈｅ
ｎｃ１　　…式８

【００４１】最小値の平均値ｍｍｉｎ
　および最大値の平均値ｍｍａｘ　が算出される。

【００４２】

【数４】

【００４３】最小値の標準偏差σｍｉｎ　および，最大
値の標準偏差σｍａｘ　が算出される。

【００４４】

【数５】

【００４５】このような専門家の知識の合成演算を，上
述した規則（式１〜式６）について，各結論に関与して
いる各事象の最小値と最大値のすべてについて行なうと
，次のような表（テーブル）が得られる。

【００４６】

【表３】

【００４７】一般に，近似推論においては，事象に対し
てメンバーシップ関数が与えられる。ここでは，一例と
して，上述のようにして合成された専門家の知識を用い
てガウス分布によりメンバーシップ関数を求める方法に
ついて説明する。

【００４８】最小値の平均値ｍｍｉｎ　，最大値の平均
値ｍｍａｘ，最小値の標準偏差σｍｉｎ　，最大値の標
準偏差σｍａｘ　を用いて，メンバーシップ関数は次式
により表わされる。

【００４９】

【数６】

【００５０】ただし， である。

【００５１】図２にガウス分布の一例を示す。このガウ
ス分布においてメンバーシップ関数の作成のために左半
分のみが使用される。Φ（ｘ）　＝０．５におけるｘの
位置はｍｍｉｎ　またはｍｍａｘ　によって決定され，
傾きはσｍｉｎ　またはσｍａｘ　によって決定される
。

【００５２】一例として，事象ｆ１から結論ｃ１を求め
るためのメンバーシップ関数は，式９から式１２により
算出した値を用いて図３（Ａ）から図３（Ｃ）のように
して作成される。この場合，式１３は次のようになる。

【００５３】

【数７】

【００５４】図３（Ａ）は式１３または式１４の右辺第
１項を，図３（Ｂ）は式１３または式１４の右辺第２項
を，第３（Ｃ）図は上記第１項から第２項を減算した結
果，すなわち式１３または式１４で表わされるメンバー
シップ関数を表わしている。

【００５５】表３に示す合成された知識に基づいて作成
された各事象ｆ１，ｆ２，ｆｉについて，結論ｃ１，ｃ
２，ｃｊを求めるためのメンバーシップ関数の例を，図
４（Ａ），図４（Ｂ）および図４（Ｃ）に示す。

【００５６】（４）　合成後知識記憶装置合成後知識記
憶装置１３には，知識合成装置１２によって算出された
平均値と標準偏差が，表３のような形式で記憶される。 知識の合成は推論の都度行なう必要はないため，このよ
うにあらかじめ計算した結果を記憶しておく。そして推
論の都度この記憶装置１３内の値を読み出して使用する
ことによって推論処理の高速化を図ることができる。

【００５７】（５）　事象値入力装置 事象値入力装置１４はキーボード，通信インターフェイ
ス装置，メモリ，ファイルなどから，事象ごとに入力さ
れる入力データを読み込む装置である。入力されたデー
タは適合度演算装置１５に与えられるとともに，各事象
のデータが入力されたかどうかの情報が明瞭性加算装置
２２に与えられる。事象値は確定値のみならず言語値や
メンバーシップ関数で与えてもよい。

【００５８】（６）　適合度演算装置 適合度演算装置１５は，事象値入力装置１４から入力さ
れたデータの各メンバーシップ関数（または結論）に対
する適合度を算出するものである。具体的には適合度は
，入力データが確定値の場合には式１３の右辺の変数ｘ
として入力データを代入することによりΦ（ｘ）　とし
て求められる。もちろんこのような演算式を必ずしも用
いなくてもよい。入力データが言語値やメンバーシップ
関数の場合には，たとえばＭＩＮ−ＭＡＸ　を用いて適
合度が算出されよう。

【００５９】（７）　動的情報量演算装置と静的情報量
演算装置 事象ｆ１の事象値（入力データ）をｘ１，事象ｆ２の事
象値をｘ２，事象ｆｉの事象値をｘｉとする。これらの
データは事象値入力装置１４から入力される。

【００６０】図５（Ａ）および図５（Ｂ）に示すように
各適合度ｍ１１，ｍ１２，　ｍ１ｊ，　ｍ２１，ｍ２２
，　ｍ２ｊを次のように定める。

【００６１】 　　ｍ１１：入力データｘ１の結論ｃ１のメンバーシッ
プ関数に対する適合度　　ｍ１２：入力データｘ１の結
論ｃ２のメンバーシップ関数に対する適合度　　ｍ１ｊ
：入力データｘ１の結論ｃｊのメンバーシップ関数に対
する適合度　　ｍ２１：入力データｘ２の結論ｃ１のメ
ンバーシップ関数に対する適合度　　ｍ２２：入力デー
タｘ２の結論ｃ２のメンバーシップ関数に対する適合度
　　ｍ２ｊ：入力データｘ２の結論ｃｊのメンバーシッ
プ関数に対する適合度

【００６２】一般に，図５（Ｃ）
に示すように，適合度ｍｉｊを入力データ（事象値）ｘ
ｉの結論ｃｊのメンバーシップ関数に対する適合度とす
る。

【００６３】これらの適合度は入力データｘ１，ｘ２，
ｘｉが与えられたときに適合度演算装置１５によって算
出される。

【００６４】ここでファジィ・エントロピという概念を
考える。

【００６５】入力ｘｉが与えられたときのファジィ・エ
ントロピＥｆｉを次のように定義する。

【００６６】

【数８】

【００６７】ここで

【数９】

【００６８】このファジィ・エントロピは，情報識別能
力の指標の一種で，入力データｘｉを与えたときに，結
論が明確に識別できるほど小さい値となり，結論があい
まいにしか識別できないほど大きい値となる。

【００６９】ファジィ・エントロピＥｆ　の取り得る値
の範囲は以下に示すものとなる。

【００７０】

【数１０】０≦Ｅｆ　≦ｌｏｇ（ｎ） ｎ：事象上の結論数

【００７１】次に，このファジィ・エントロピＥｆｉを
使用して，入力データｘｉが与えられたときの動的情報
量ＩｆｉＤ　（ｘｉ）を求める。ここで，動的情報量Ｉ
ｆｉＤ　（ｘｉ）とは，推論を行なうときにおける結論
を確定するための事象の識別能力である。

【００７２】そこで，事象ｆｉについての動的情報量Ｉ
ｆｉＤ　（ｘｉ）を，最大ファジィ・エントロピから，
入力データｘｉが与えられたときのファジィ・エントロ
ピＥｆｉを引いたものと定義する。

【００７３】

【数１１】

【００７４】入力データｘｉが与えられなかった事象ｆ
ｉの動的情報量は零となる。

【００７５】動的情報量演算装置１６は，適合度演算装
置１５で得られた適合度を用いて，式１７にしたがって
事象ごとに動的情報量を算出する。

【００７６】動的情報量は上述のように入力データｘｉ
に依存する。これに対して，静的情報量は入力データに
依存しないものであって，最大ファジィ・エントロピか
ら，事象のレンジ幅の中のファジィ・エントロピの平均
を引いたものを，事象全体の静的情報量とする。事象ｉ
についての静的情報量は次式で与えられる。

【００７７】

【数１２】

【００７８】ここで，

【数１３】 ｍｉｊ（ｘｉｋ　）：事象ｆｉについての入力データｘ
ｉｋ　の結論ｃｊのメンバーシップ関数に対する適合度

【００７９】静的情報量を求めるときには，図４（Ｃ）
に示すように，事象ｆｉのレンジ幅ｘｉ１　〜ｘｉｐ　
をδ間隔で（ｐ−１）個に分割している。式１８のｋ＝
１〜ｐについての加算は各ｘｉｋ　についてファジィ・
エントロピを計算してそれらの平均を求める演算を表わ
している。

【００８０】式１８および式１９から分るように，事象
のメンバーシップ関数間の重なりが大きいほど，事象の
静的情報量は小さく，事象のメンバーシップ関数間の重
なりが小さいほど，事象の静的情報量は大きい。つまり
，静的情報量は，事象のメンバーシップ関数が結論を識
別する能力を示している。

【００８１】静的情報量演算装置１９は，合成された知
識により得られるメンバーシップ関数から，上述した式
１８および式１９にしたがって，事象ごとに，静的情報
量を演算して記憶する。静的情報量は入力データには依
存しないので，１回のみ算出されればよい。

【００８２】（８）　可能性演算装置 各結論ごとに，その結論に関与する事象の情報量の総和
が１になり，かつそれらの事象の情報量の相対強度は変
化しないような事象の情報量を算出する。この算出した
情報量を重みという。

【００８３】たとえば上述した動的情報量を用いると事
象ｆｉごとの重みｗｉは次のようになる。

【００８４】

【数１４】

【００８５】次に，これらの重みと適合度との積を計算
し，それを結論ごとに合計したものを，各結論ｃｊの可
能性Ｐｒｊ　として算出する。

【００８６】たとえば上記の例では

【数１５】

【００８７】可能性演算装置１７は上述した演算を行な
い結論ごとの可能性を算出する。

【００８８】（９）　可能性表示装置 この可能性表示装置１８は，可能性演算装置１７で算出
された可能性を結論ごとに表示するものである。この可
能性の表示は，すべての結論について表示するようにし
てもよいし，可能性が高い結論を１個または複数個表示
するものでもよい。また，通信によって可能性を他の装
置に伝送したり，可能性をメモリやファイルに記憶して
もよい。

【００８９】（１０）明瞭性演算装置 明瞭性演算装置２０は，各結論ごとに，各事象の明瞭性
を演算する装置である。ここで，各結論ごとの各事象の
明瞭性とは，ある結論の可能性を評価するときの各事象
の相対的な識別能力を示すものである。したがって，こ
の明瞭性により，ある結論を確定するための，複数の事
象の識別能力を比較することができ，どの事象が高い識
別能力を持っているか（多くの情報量を持っているか）
が分る。

【００９０】結論ごとの各事象の明瞭性は次式により求
められる。

【００９１】

【数１６】

【００９２】ただし，

【数１７】

【００９３】すなわち， 　　事象ｆｉに結論ｃｊのメンバーシップ関数が存在す
ればＡｉｊ＞０　　事象ｆｉに結論ｃｊのメンバーシッ
プ関数が存在しなければＡｉｊ＝０

【００９４】結論ご
との各事象の明瞭性を表わす式２２の分母は，結論ｃｊ
のメンバーシップ関数が存在する事象ｆｉについてのみ
その静的情報量ＩｆｉＳ　の総和をとるものである。

【００９５】明瞭性は静的情報量を式２２によって正規
化したものであるので，相対的な識別能力が直観的に分
りやすくなっている。

【００９６】このようにして，明瞭性演算装置２０にお
いて，各結論ごとに各事象の明瞭性が算出される。

【００９７】（１１）明瞭性記憶装置 明瞭性記憶装置２１は，明瞭性演算装置２０で算出され
た各結論ごとの各事象の明瞭性を記憶する装置である。 明瞭性の演算は，推論のたびに行なう必要はない。そこ
で，知識を合成したときに算出した明瞭性を明瞭性記憶
装置２１に記憶しておき，推論を行なうたびに明瞭性記
憶装置２１に記憶している値を読み出すようにする。こ
れにより，推論処理の高速化が図れる。

【００９８】（１２）明瞭性加算装置 明瞭性加算装置２２は，データが実際に入力された事象
の明瞭性（明瞭性加算値）を結論ごとに演算する装置で
ある。ここでは，実際に行なわれる推論のために，デー
タが入力された事象の明瞭性の結論ごとの総和をとる。 この明瞭性の総和は，推論結果の明瞭性を示す。この明
瞭性加算値が高いほど，推論結果（結論）を導くための
情報量が多いといえる。したがって明瞭性加算値は推論
結果自体の信頼性を判断する指標に使用することができ
る。

【００９９】推論結果に対する（すなわち，結論ごとの
）明瞭性加算値は次式にしたがって算出される。

【０１００】

【数１８】

【０１０１】ただし，式２４において入力データｘｉが
与えられなかった事象ｆｉの明瞭性Ｃｌｉｊは０として
取扱う。 すなわち，入力データｘｉが与えられた事象の明瞭性Ｃ
ｌｉｊについてのみ式２４の加算が行なわれる。

【０１０２】推論結果の明瞭性加算値Ｃｌｊ　のとり得
る範囲は，

【数１９】０．０　≦Ｃｌｊ　≦１．０である。つまり
，推論を行なう前に与えられた知識の中で，ある結論を
導くために使用することができる事象のすべてについて
データを入力して推論を行なった場合，その結論の明瞭
性加算値は１．０　になる。また，ある結論を導くため
に使用することができる事象の中で，一部の事象のみに
ついて，データを入力した場合，明瞭性加算値は０．０
　から１．０　の間の値となる。このとき，使用するこ
とができる事象の中で，明瞭性の高い事象を多く使用す
れば，結論の明瞭性も高くなり，信頼性が高い推論結果
が得られると言える。

【０１０３】（１３）明瞭性表示装置 明瞭性表示装置２３は，明瞭性加算装置２２で算出した
推論結果（一例として上述した可能性）に対する明瞭性
加算値を表示する装置である。明瞭性加算値は推論結果
と共に表示してもよいし，また明瞭性加算値を他の装置
に伝送したり，メモリやファイルへ記憶するようにして
もよい。

【０１０４】この明瞭性加算値の表示は，推論結果の全
ての結論について表示する。したがって結論が複数存在
する場合には，それぞれの結論に対応する明瞭性加算値
が表示される。

【０１０５】このようにして，データが入力されるたび
に，入力されたデータが属する事象の情報量を演算し，
推論結果に対する明瞭性加算値を表示することにより，
推論結果に対する信頼性をユーザが判断できるようにな
る。

【０１０６】（１４）事象選択装置，最適事象表示装置
および通信インターフェイス装置 いくつかの事象についてデータが入力され，これらのデ
ータを用いて近似推論が行なわれる。得られた結論ごと
の可能性，結論ごとの明瞭性加算値がそれぞれ表示装置
１８，２３に表示される。

【０１０７】入力データの数が少なければ得られる結論
の可能性も明瞭性加算値も，一般にはそれほど高くない
。低い値の可能性および明瞭性加算値では正しい結論が
どれであるかを判断することができない。

【０１０８】このような場合には事象データをさらに追
加して入力する必要があるが，任意の事象データを入力
しても高い値の結論の可能性，明瞭性加算値が得られる
とは限らない。

【０１０９】事象選択装置２４はより高い値の可能性，
明瞭性加算値が得られる事象を選択するものである。こ
の事象選択装置２４には，可能性演算装置１７で得られ
ている結論ごとの可能性Ｐｒｊ　，明瞭性記憶装置２１
に記憶されている明瞭性Ｃｌｉｊならびに明瞭性加算装
置２２で加算された明瞭性加算値Ｃｌｊ　および入力デ
ータが与えられた（または与えられない）事象に関する
情報が与えられる（図７ステップ３１）。

【０１１０】事象選択装置２４は与えられた結論の可能
性Ｐｒｊ　について，その値の相対的に高いものを所定
数個（たとえば１０個）抽出し，それらを値の高いもの
から順に配列する（ステップ３２）。図６において結論
ｃ３についての可能性Ｐｒ３　が最も高く，Ｐｒ５　，
Ｐｒ２　の順に高いものとする。これらの可能性に対応
して明瞭性加算値Ｃｌ３　，Ｃｌ５　，Ｃｌ２　を配列
する。

【０１１１】次に事象選択装置２４は，結論ごとに，入
力データが入力されていない事象の明瞭性Ｃｌｉｊの中
から明瞭性の値の相対的に高いものを所定数個（たとえ
ば１０個）抽出し，それらを値の高いものから順に配列
する（ステップ３３）。たとえば，図６において結論ｃ
３についてはＣｌ２３，Ｃｌ６３の順になっている。

【０１１２】そして，まず最も可能性の高い結論につい
て，最も高い明瞭性をもつ事象が選択され，出力される
（ステップ３４）。この選択された事象は最適事象表示
装置３５に表示される，および／または通信インターフ
ェイス２６から外部のコントローラ，コンピュータ，電
話機等に送信される。表示装置２５に表示された事象を
みて人間はその事象についての入力データを事象値入力
装置１４から入力する。または通信インターフェイス２
６を介して送られる事象を表わす情報とデータ入力コマ
ンドに応答して外部機器からその事象のデータが送信さ
れ，インターフェイス２６を介して入力装置１４に入力
される（ステップ３５）。

【０１１３】データが入力されると，当該結論について
，明瞭性加算装置２２において，その入力されたデータ
の事象の明瞭性が明瞭性加算値に加算されて明瞭性加算
値が更新される（ステップ３６）。この明瞭性加算値が
所定値に達するまで，明瞭性の高い順に事象が選択され
，選択された事象データの入力と明瞭性加算とが繰返さ
れる（ステップ３７）。

【０１１４】明瞭性加算値が所定値に達するとその結論
についてのデータ入力は終る。表示装置２５には当該結
論についてデータ入力がもはや不要である旨が表示され
，通信インターフェイス２６を介してデータ入力を終了
するよう外部機器に通知される。

【０１１５】続いて，その次に可能性の高い結論が選択
され（ステップ３８），同じようにしてデータ入力が行
なわれる。

【０１１６】あらかじめ抽出された個数の結論について
上記の処理が終了すると（ステップ３９），事象選択装
置２４による処理は終る。

【０１１７】この後，入力されたデータを用いて再び近
似推論が行なわれ，各結論についての可能性が演算され
る。

【０１１８】再度の近似推論処理によってもまだ充分に
高い可能性をもつ結論が得られない場合には，事象選択
装置２４による処理およびデータ入力が再び行なわれ，
その後３度目の近似推論が行なわれる。充分に高い可能
性をもつ結論が得られるまで上記処理を繰返してもよい
。

【０１１９】以上のようにして，可能性が相対的に高い
結論に関係する事象の明瞭性の高いもの（データがまた
入力されていないもの）を選択し，ユーザまたは通信イ
ンターフェイスにより，明瞭性の高い事象のデータから
順番に入力するように指導することにより事象データ入
力数が少なくても効率よく明瞭性の高い結論を得ること
ができる。また，同じような可能性が複数ある場合には
，可能性が同じようなかつ相対的に高い結論の中から，
結論を識別できる事象を選択することができる。

【０１２０】表示装置２５には結論ごとに入力すべき事
象の一覧を表示してもよいし，図６に示すような一覧を
表示してもよい。

【０１２１】上述した各装置１１〜２６はメモリおよび
表示装置を含むコンピュータによって実現できるのはい
うまでもない。たとえば知識合成装置１２，各種演算装
置１５，１６，１７，１９，２０，２２，２４，２６は
プログラムにしたがって動作するＣＰＵによって好適に
実現される。

【図面の簡単な説明】

【図１】近似推論装置の全体構成の一例を示すブロック
図である。

【図２】ガウス分布を示すグラフである。

【図３】メンバーシップ関数が形成される様子を示すグ
ラフである。

【図４】各事象ごとに得られたメンバーシップ関数を示
すグラフである。

【図５】適合度を求める様子を示すグラフである。

【図６】事象選択装置が作成するテーブルを示す。

【図７】事象選択装置の動作を示すフロー・チャートで
ある。

【符号の説明】

１１　　知識記憶装置 １２　　知識合成装置 １３　　合成後知識記憶装置 １４　　事象値入力装置 １５　　適合度演算装置 １６　　動的情報量演算装置 １７　　可能性演算装置 １８　　可能性表示装置 １９　　静的情報量演算装置 ２０　　明瞭性演算装置 ２１　　明瞭性記憶装置 ２２　　明瞭性加算装置 ２３　　明瞭性表示装置 ２４　　事象選択装置 ２５　　最適事象表示装置 ２６　　通信インターフェイス装置

Claims (15)

【特許請求の範囲】
1. 【請求項１】　　入力データを，あらかじめ設定されて
   いる事象と結論との関係を表わす知識にあてはめること
   により結論の可能性を演算する近似推論手段，上記知識
   を用いて，結論ごとに各事象の明瞭性を演算する明瞭性
   演算手段，上記明瞭性演算手段から得られる明瞭性を用
   いて，実際にデータが入力された事象の明瞭性を加算し
   て結論ごとの明瞭性加算値を演算する加算手段，および
   上記近似推論手段による近似推論の結果得られた可能性
   の高い結論について，その結論に関係する事象であって
   まだデータが入力されていないもののうち明瞭性の高い
   ものを選択する事象選択手段，を備えた近似推論装置。
2. 【請求項２】　　上記事象選択手段によって選択された
   事象を表示する表示手段をさらに備えている請求項１に
   記載の近似推論装置。
3. 【請求項３】　　上記事象選択手段によって選択された
   事象を表わす情報を送信する通信手段をさらに備えてい
   る請求項１に記載の近似推論装置。
4. 【請求項４】　　上記事象選択手段によって選択された
   事象についての入力データを入力する入力手段をさらに
   備えている請求項１に記載の近似推論装置。
5. 【請求項５】　　上記事象選択手段は，一つの結論につ
   いて明瞭性の高い事象から順番に選択する，請求項１に
   記載の近似推論装置。
6. 【請求項６】　　上記事象選択手段は，一つの結論につ
   いて明瞭性の高い事象から順番に選択し，上記加算手段
   は選択された事象についてデータが入力されるたびにそ
   の結論について明瞭性加算値にデータが入力された事象
   の明瞭性を加算することにより加算値を更新する，請求
   項１に記載の近似推論装置。
7. 【請求項７】　　上記選択手段は上記更新された明瞭性
   加算値が所定値に達したときにその結論についての事象
   の選択を止める，請求項６に記載の近似推論装置。
8. 【請求項８】　　上記選択手段は可能性の高い結論から
   順番にその結論に関係する事象を選択する，請求項１に
   記載の近似推論装置。
9. 【請求項９】　　入力データを，あらかじめ設定されて
   いる事象と結論との関係を表わす知識にあてはめること
   により結論の可能性を演算する近似推論手段，および上
   記知識を用いて，結論ごとに各事象の明瞭性を演算する
   明瞭性演算手段を備えた近似推論装置において，事象に
   ついてのデータが一旦入力されたときに，上記近似推論
   手段によって結論の可能性を演算するとともに，上記明
   瞭性演算手段から得られる明瞭性を用いて，実際にデー
   タが入力された事象の明瞭性を加算して結論ごとの明瞭
   性加算値を演算し，その後，上記近似推論手段による近
   似推論の結果得られた可能性の高い結論について，その
   結論に関係する事象であってまだデータが入力されてい
   ないもののうち明瞭性の高いものを選択する，近似推論
   装置の動作方法。
10. 【請求項１０】　　選択された事象を表示装置に表示す
    る請求項９に記載の近似推論装置の動作方法。
11. 【請求項１１】　　選択された事象を表わす情報を送信
    し，その事象についてのデータの入力を要求する請求項
    ９に記載の近似推論装置の動作方法。
12. 【請求項１２】　　選択された事象についての入力デー
    タを入力する請求項９に記載の近似推論装置の動作方法
    。
13. 【請求項１３】　　データが入力されたのち，上記近似
    推論手段に再度近似推論を実行させる，請求項９に記載
    の近似推論装置の動作方法。
14. 【請求項１４】　　一つの結論について明瞭性の高い事
    象から順番に選択し，選択された事象についてデータが
    入力されるたびにその結論について明瞭性加算値にデー
    タが入力された事象の明瞭性を加算することにより加算
    値を更新し，更新された明瞭性加算値が所定値に達した
    ときにその結論についての事象の選択を止める，請求項
    ９に記載の近似推論装置の動作方法。
15. 【請求項１５】　　可能性の高い結論から順番にその結
    論に関係する事象を選択する，請求項９に記載の近似推
    論装置の動作方法。