JPH0465718A - 近似推論装置 - 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】 発明の要約 事象と結論との関係を表わす専門家の知識をあらかじめ
記憶しておき、入力データをこの知識にあてはめること
により推論を行ない、結論の可能性を算出するとともに
、得られる結論の可能性に関する明瞭性を演算する近似
推論装置において。

実際には可能性のないまたは可能性が極めて小さい結論
を不要な結論として入力する。この不要な結論の入力に
応答して、その結論に関する専門家の知識が削除される
。そして、削除されずに残った知識を用いて結論の可能
性と明瞭性とが再び演算される。

発明の背景 技術分野 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。

従来技術 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、　ＺｈａｎｇＨｏｎｇｍｉｎ　
　”ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＷＩＴＨＴＨ
ＩＮＫＩＮＧ　ＩＮＩＭＡＧＥＳ”　、　Ｐｒｅｐｒｉ
ｎｔｓ　ｏｆ’　５ｅｃｏｎｄ　ｒＦｓＡ　Ｃｏｎｇｒ
ｅｓｓ。

Ｔｏｋｙｏ、　ＪｕＩｙ　２０−２５．１９８７．　Ｐ
、７６５　）。

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。

しかしながら、このような従来の装置においては、近似
推論のための知識の中に不要な結論が存在している場合
、そのことを反映した近似推論を行なうことができない
ために、推論結果が不要な結論の影響を受けてしまうと
いう問題点があった。

発明の概要 この発明は、知識の中に不要な結論が存在している場合
、そのことを考慮して推論を行なうことができる近似推
論装置を提供することを目的とする。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、入力データを上記記憶手段に記憶されている知識にあ
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、専門家の知識の中の不要な結論を入力するための入
力手段、上記入力手段によって入力された不要な結論に
関する知識を上記記憶手段に記憶されている知識から除
去する手段、および上記除去手段により除去されずに残
った専門家の知識を用いて結論の可能性を演算するよう
上記近似推論手段を制御する手段を備えている。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、上記記憶手段に記憶されている知識を用いて結論の明
瞭性に関する情報を作成する明瞭性演算手段、専門家の
知識の中の不要な結論を入力するための入力手段、上記
入力手段によって入力された不要な結論に関する知識を
上記記憶手段に記憶されている知識から除去する手段、
および上記除去手段により除去されずに残った専門家の
知識を用いて結論の明瞭性に関する情報を作成するよう
上記明瞭性演算手段を制御する手段を備えている。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、入力データを上記記憶手段に記憶されている知識にあ
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、上記記憶手段に記憶されている知識を用いて結論の
明瞭性に関する情報を作成する明瞭性演算手段、専門家
の知識の中の不要な結論を入力するための入力手段、上
記入力手段によって入力された不要な結論に関する知識
を上記記憶手段に記憶されている知識から除去する手段
、および上記除去手段により除去されずに残った専門家
の知識を用いて結論の可能性を演算するよう上記近似推
論手段を制御するとともに、結論の明瞭性を作成するよ
う上記明瞭性演算手段を制御する制御手段を備えている
。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、専門家の知識の中の不要な結論を入力するための入力
手段、上記入力手段によって入力された不要な結論に関
する知識を上記記憶手段に記憶されている知識から除去
する手段、および上記除去手段により除去されずに残っ
た専門家の知識に入力データをあてはめることにより９
結論の可能性を演算する近似推論手段を備えている。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、専門家の知識の中の不要な結論を入力するための入力
手段、上記入力手段によって入力された不要な結論に関
する知識を上記記憶手段に記憶されている知識から除去
する手段、および上記除去手段により除去されずに残っ
た専門家の知識を用いて結論の明瞭性に関する情報を演
算する明瞭性演算手段を備えている。

この発明による近似推論装置は、事象と結論との関係を
表わす専門家の知識をあらかじめ記憶しておく記憶手段
、専門家の知識の中の不要な結論を入力するための入力
手段、上記入力手段によって入力された不要な結論に関
する知識を上記記憶手段に記憶されている知識から除去
する手段、上記除去手段により除去されずに残った専門
家の知識に入力データを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、および上記除去手段に
より除去されずに残った専門家の知識を用いて明瞭性に
関する情報を演算する明瞭性演算手段を備えている。

上記において入力データは確定値データのみならず、言
語値またはメンバーシップ関数を表わすデータを含む。

この発明によると、専門家の知識の中に、実際には結論
の可能性が無いまたは極めて低い知識が含まれていた場
合には、その結論に関する知識を削除することができる
。そして、削除したのちに残った知識を用いて近似推論
を行ない、結論の可能性と明瞭性を得ることができる。

したがって。

専門家の知識の中に不要な結論が存在していたとしても
、そのことを反映した近似推論を行なうことができる。

また、明瞭性によって推論結果の信頼性の程度を知るこ
とができる。

実施例の説明 （１）近似推論装置の全体構成 第１図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１
２２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１Ｂ、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
１９．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、結論削除装置３
１およびメンバーシップ関数調整装置３２から構成され
ている。

以下に、これらの装置について詳述する。

（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。

知識記憶装置１１に記憶されている２名の専門家ｅｘｌ
　、　ｅｘ２の知識の例を規則の形式で以下に示す。

専門家ｅｘｔ　： １ｆ２０≦ｆｌ≦ＢＯ１０≦ｆ２≦４０゜−、ａ　　≦
ｆｌ≦ｂ　　、−ｔｈｅｎ・・・（１） ｉｆ’　　４０≦ｆｌ≦８０．　８０≦ｆ２≦１００゜
−、ａ　　≦ｆｉ≦ｂ１２゜ ｔｈｅｎ　　　ｃ２ ・・・（２） ｒ °°゛・ａ　≦ｒｔ≦ｂ１ｊ・ ｊ ｔｈｅｎ　　　ｃｊ ・・・（３） 専門家ｅｘ２　： １ｆ３０≦ｆ１≦５０．１０≦ｆ２≦３０゜””ａ１１
≦ｆ１≦ｂ１１”” ｔｈｅｎ　　　ｃｌ ・・・（４） １ｆ　５０≦ｆ１≦７０．　７０≦ｆ２≦９０゜””　
　ａ　１２　≦　ｆ１≦　ｂ　１２　　’ｔｈｅｎ　　
　ｃ２ ・・・（５） １ｆ−、ａ　　　≦ｆｉ≦ｂ　　　、−ｔｈｅｎ　　ｃ
ｊｌｊ　　　　　　　１ｊ 第　　１ 表 ・・・（６） 専門家ｅｘｌ ｆｌ、　ｆ’２．　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。ｃｌ、　ｃ２．　ｅｊ
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。

また、ａ　Ｉ　Ｊ　’　ｆ　ｉ≦ｂ１ｊのように表わさ
れたａｌｊ。

ｂｌｊをそれぞれ最小値、最大値と呼ぶ。

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。

（以下余白） 専門家ｅｘ２ 第　　２ 表 （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。

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。

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。

上述の規則（第（１）式、第（４）式）から、事象１　
（ｆｌ）から結論１　（ｃｌ）を求める規則を抽出する
と次のように表わされる。

専門家ｅｘｔ　：　１ｆ　　２０≦ｆ１≦６０　　ｔｈ
ｅｎ　　ｃｌ＝（７）専門家ｅｘ２　：　ｉｆ　　３０
≦ｆ１≦５０　　ｔｈｅｎ　　ｃｌ−（８）最小値の平
均値ｍ　　および最大値の平均値ｉｎ ｍ　　が算出される。

ａＸ 最小値の標準偏差σ　、および。

１ｎ 偏差σ　　が算出される。

ａｘ 最大値の標準 このような専門家の知識の合成演算を、上述した規則（
第（１）式〜第（６）式）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
１次のような表（テーブル）が得られる。

（以下余白） 第　　３ 表 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、−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。

最小値の平均値ｍ　　、最大値の平均値ｍＩａＸ’ｉｎ 最小値の標準偏差σ　　、最大値の標準偏差ｉｎ ・σｌａＸを用いて、メンバーシップ関数は次式により
表わされる。

・・・（１３） ただし。

Ｘ　　：事象への入力データの値 Φ（Ｘ）二人力データＸが事象に適合する程度（適合度
） Ｇａｕｓｓ（ｘ）　：入力Ｘにおけるガウス分布の値で
ある。

第２図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ｍ　　
またはｍ　　によって決定さ■１ｎ　　　　　　　　　
■ａＸ れ、傾きはσ　、またはσ　　によって決定され１１ｎ
　　　　　　　　　　　■ａＸ る。

一例として、事象ｆｌから結論Ｃ１を求めるためのメン
バーシップ関数は、第（９）式から第（１２）式により
算出した値を用いて第３ａ図から第３Ｃ図のようにして
作成される。この場合、第（１３）式は次のようになる
。

・・・（１４） 第３ａ図は第（１３）式または第（１４）式の右辺第１
項を、第３ｂ図は第（１３）式または第（１４）式の右
辺第２項を、第３Ｃ図は上記第１項から第２項を減算し
た結果、すなわち第（１３）式または第（１４）式で表
わされるメンバーシップ関数を表わしている。

第３表に示す合成された知識に基づいて作成された各事
象ｆ’ｌ、　ｆ２．　ｆｉについて、結論ｃ１．　ｃ２
．　ｃｊを求めるためのメンバーシップ関数の例を、第
４ａ図、第４ｂ図および第４Ｃ図に示す。

（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、第３表のような形式
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。

（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。

（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第（１３）式の右辺の
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、たとえば旧Ｎ−ＭＡＸを用いて適
合度が算出されよう。

（７）動的情報量演算装置と静的情報量演算装置事象ｆ
１の事象値（入力データ）をｘｌ、事象ｆ２の事象値を
ｘ２．事象ｆ１の事象値をｘｌ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。

第５ａ図および第５ｂ図に示すように各適合度１１　　
１２’　　ｌｊ　　　２１　　２２・ｍ２ｊを次０よう
に定める。

”１１’入力データｘｉ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 ｍｌｊ：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ｃｌ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 ｍ　２　ｊ：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 一般に、第５ｃ図に示すように、適合度ｍ０．をＩＪ 入力データ（事象値）ｘｌの結論ｃｊのメンバーシップ
関数に対する適合度とする。

これらの適合度は入力データｘｉ、　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。

ここでファジィ・エントロピという概念を考える。

入力ｘ１が与えられたときのファジィ・エントロピＥｆ
ｔを次のように定義する。

Ｅｆｉ−−主（（ｍｉｊ／　Ｍ、　）　ｌｏｇ　（ｍ１
ｊ／Ｍｉ）　１・・・（１５） ここで Ｍ、　−Σ　　ｍ　、。

Ｉ　　　　　Ｈ−１ＩＪ ・・・（１６） 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。

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。

０≦Ｅｆ≦ｌｏｇ（ｎ） ｎ：事象上の結論数 次に、このファジィ・エントロピＥｆｔを使用して、入
力データｘ１が与えられたときの動的情報量１ｆｉｏ（
ｘｉ）を求める。ここで、動的情報量１ｆｉｐ（ｘｔ）
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。

そこで、事象ｆ１についての動的情報量１ｆ’１ｐ（ｘ
ｌ）を、最大ファジィ・エントロピから、入力データｘ
ｉ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。

Ｉｆ’ｉｐ（ｘｉ）−１ａｇ（ｎ）十周（（ｍｔｊ／Ｍ
１）　ｌ　ｏｇ　Ｃｍ１ｊ／　Ｍｔ　）　）・・・（１
７） 入力データｘｉが与えられなかった事象ｆ１の動的情報
量は零となる。

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、第（１７）式にしたがって事象ご
とに動的情報量を算出する。

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％式％ ｍ　ｉＪ　（ｘ　ｉ　ｋ）　’事象ｆｉについての入力
データｘｉｋの結論ｃｊのメンバーシップ 関数に対する適合度 静的情報量を求めるときには、第４ｃ図に示すように、
事象ｆ１のレンジ幅ｘ　ｉ　ｌ　−ｘ　ｉ　ｐをδ間隔
で（ｐ−１）個に分割している。第（１８）式のトロピ
を計算してそれらの平均を求める演算を表わしている。

第（１８）式および第（■９）式から分るように、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。

静的情報量演算袋［１９は１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、上述した第（１８）式お
よび第（１９）式にしたがって、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。

（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。

たとえば上述した動的情報量を用いると事象ｒｔごとの
重みｗｉは次のようになる。

ｗｉ　−Ｉｆｆ　（ｘｉ）／圧、ＪｆＩＤ（Ｘｉ）　　
　　　−（２０）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
Ｐｒ、とじて算出する。

たとえば上記の例では Ｐｒ、−Σ　（ｗｉｘ　ｍ　１ｊ）　　　　　　　−（
２１）一−１ 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。

（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１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。

（ｌＯ）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時の各事象の
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が）が
分る。

結論ごとの各事象の明瞭性は次式により求められる。

ただし。

Ａ１ｊ″″、壬１ すなわち。

ｍ、ｊ（ｘｉｋ） ・・・（２３） 事象ｆ１に結論ｃｊのメンバーシップ関数が存在すれば
ＡＩｊ＞Ｑ 事象ｒｉに結論ｃｊのメンバーシップ関数が存在しなけ
ればＡ　１ｊ−０ 結論ごとの各事象の明瞭性を表わす第（２２）式の分母
は、結論ｅｊのメンバーシップ関数が存在する事象ｆ１
についてのみその静的情報量ＬＮｓの総和をとるもので
ある。

明瞭性は静的情報量を第（２２）式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。

このようにして、明瞭性演算装置２ｏにおいて。

各結論ごとに各事象の明瞭性が算出される。

（１１）明瞭性記憶装置 明瞭性記憶装置２１は、明瞭性演算装置２ｏ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２Ｉ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。

（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。

推論結果に対する（すなわち、結論ごとの）明瞭性は次
式にしたがって算出される。

Ｃ１，−Σ　Ｃ１１ｊ　　　　　　　　　　・・・（２
４）コｌ−ま ただし、第（２４）式において入力データｘ１が与えら
れなかった事象ｆｉの明瞭性ＣＮ１ｊは０として取扱う
。すなわち、入力データｘ１が与えられた事象の明瞭性
ＣＤ、、についてのみ第（２４）式の加算が行ｌコ なわれる。

推論結果の明瞭性Ｃ１，のとり得る範囲は。

０．０　≦Ｃｇ、≦１，０ コ である。つまり、推論を行なう前に与えられた知詭の中
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、
その結論の明瞭性はｌ、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
。

（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（−例として上述した可能性）に対する明瞭性
を表示する装置である。明瞭性は推論結果と共に表示し
てもよいし、また明瞭性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。

この明瞭性の表示は、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が表示される。

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。

（１４）結論削除装置 結論削除装置は、専門家の知識の中で不要と考えられる
結論を一時的に削除するために、その削除すべき結論を
入力、設定するためのものである。削除すべき結論の入
力はキーボード等を通して１通信による伝送により、ま
たはファイルもしくはメモリを通して行なわれる。削除
された結論を除く残りの知識に基づいて、後述するよう
に。

可能性演算、明瞭性演算等が再度行なわれる。

削除すべき不要な結論の例としては次のようなものがあ
る。

１）可能性表示装置１８に表示された複数の結論（推論
結果）の可能性がいずれも高い場合に、これらの推論結
果のうちで実際には可能性が低いと判断されたもの。

次に示すような結論が可能性表示装置１８に表示された
とする。

結論１　（ｃｌ）の可能性＝０．８ 結論２　（ｃ２）の可能性＝０．７ 結論３　（ｃ３）の可能性二０．６ 結論１〜３はどれも可能性が比較的高く、結論１〜３の
うちどれが本当の結論であるかを確定しにくい。

そこで、まず可能性が一番高い結論１が本当の結論であ
ると仮定して１人間が、または機械によりこの結論１が
正しいかどうかを確かめる。この結論１が正しいと判断
されれば、推論結果として結論１を選択して、近似推論
を終了する。しかし、この結論１が正しくないと判断さ
れた場合には、推論結果として結論１を棄却して（結論
１を推論の対象から外して）、再び近似推論装置により
近似推論を行なうべきである。この棄却すべき結論１が
不要な結論に当る。

２）推論結果の中で２明瞭性が非常に高くがっ可能性が
極めて低い結論（可能性が低いということが確実に分っ
た結論）。

上記の場合と同様に、このような結論を棄却して、再び
近似推論装置により近似推論を行なうべきである。

３）知識の中に設定されている結論の中で、あらかじめ
起こり得ないことが分っている結論。

このような結論については近似推論を行なう前に、この
結論を棄却すべき結論として排除すべきである。このよ
うな操作を行なわないと、実際には起こり得ない結論の
影響を受けた近似推論が行なわれ、推論結果の誤差が増
大する原因となる。

結論削除装置３１に設定された削除すべき不要な結論を
表わす情報はメンバーシップ関数調整装置３２に与えら
れる。

（１５）メンバーシップ関数調整装置 メンバーシップ関数調整装置３２は、結論削除装置３１
から送られてきた削除すべき結論（実際には可能性の無
い、または極めて低い結論）についての情報を受取り、
削除すべき結論のメンバーシップ関数を合成後知識記憶
装置１３に記憶されている合成後の知識の中から一時的
に削除する。削除すべき結論のメンバーシップ関数の削
除処理の前に２合成後知識記憶装置１３の元の知識を別
の記憶領域に退避しておく。これは、別の機会に再び。

近似推論装置で近似推論を行なう場合、必要であれば元
の知識を合成後知識記憶装置１３に戻すことができるよ
うにするためである。

同じようにメンバーシップ関数調整装置３１は削除すべ
き結論のメンバーシップ関数を、静的情報量の演算に際
して使用しないよう静的情報量演算装置１９に指令する
。

（１６）適合度、動的情報量および可能性の演算または
再演算 合成後知識記憶装置１３内に記憶されている知識の中か
ら不要な結論のメンバーシップ関数が削除され、残った
知識に基づいて、適合度演算装置１５、動的情報量演算
装置１６および可能性演算装置１７において、入力デー
タｘｉが与えられたときに適合度、動的情報量および可
能性が演算（上記３）に述べた不要な結論が削除された
場合）または再演算（上記１）および２）に述べた不要
な結論が削除された場合）され、最終的に結論の可能性
が得られる。

これらの装置１５．１６．１７における演算または再演
算の処理手順が第６図に示されている。

まず、削除すべき不要な結論ｃｊｏがセットされる（ス
テップ４１）。続いて１合成後知識記憶装置１３に記憶
されている元の合成後知識が所定のエリアに退避される
（ステップ４２）。

事象を表わす添字ｉが１にセットされ、不要な結論ｃｊ
　　に関係するメンバーシップ関数が合成後知識から削
除される。この処理は、添字ｉを１ずウインクレメント
しながら、ｉがｍに達するまで繰返して行なわれる（ス
テップ４３．４４．４５）。

さらに、添字ｉが１にセットされかつ結論を表わす添字
ｊが１にセットされ、与えられた入力データｘｉの適合
度ｍ３．が求められる。この処理はｌコ 添字ｊを１ずつインクレメントしながら続けられ、かつ
加算および対数演算が実行されることにより、第（１７
）式にしたがう動的情報量が求められる。さらに添字ｉ
を１ずつインクレメントしなから上記の処理が繰返され
、加算２割算、掛算が実行され、第（２０）式および第
（２１）式にしたがう可能性Ｐｒｊが求められる（ステ
ップ４８．４７．４Ｂ、　４９゜５０）。上記の演算で
は削除したメンバーシップ関数は用いられないのはいう
までもない。可能性Ｐｒ、は不要な結論ｃｊｏを除くす
べてについて求められ、そのうちのいくつが、または全
部が可能性表示装置１８に表示される。

最後に、必要ならば、先に退避した元の合成後知識を復
帰させる（ステップ５１）。

以上のようにして、不要な結論を削除した近似推論が可
能となる。

可能性表示装置１８に表示された各結論の可能性の値を
みて、不要な結論がまだあるがどぅがを判断し、もしあ
ればその結論を結論削除装置３１により削除し、再々度
可能性演算を行なうようにしてもよいのはいうまでもな
い。

（１７）静的情報量、明瞭性、明瞭性加算の演算または
再演算 メンバーシップ関数調整装置３２がら不要な結論のメン
バーシップ関数の削除指令が与えられたときに、静的情
報量演算装置１９および明瞭性演算装置２０において、
これらのメンバーシップ関数を除いて、静的情報量およ
び明瞭性（結論ごとの各事象の明瞭性）が、明瞭性加算
装置２２において与えられた入力データｘ１に関する結
論ごとの明瞭性（明瞭性加算）がそれぞれ演算（上記３
）の不要な結論が削除された場合）または再演算（上記
１）および２）の結論が削除された場合）が行なわれ、
最終的に結論ごとの明瞭性が得られる。

第７図はこれらの装置１９．２０．２２における静的情
報量および明瞭性の演算処理手順を示している。

まず削除すべき結論ｃｊｏがセットされる（ステップ６
１）。続いて、添字ｉ、ｊを変えながら。

すべてのメンバーシップ関数に関する適合度ｍ１ｊ（ｘ
ｉｋ）がｋを変えながら演算される（ステップ６２〜６
６）、そして、算出されたｍ　（、ｊ（Ｘｌｋ）の中か
ら削除すべき結論ｅｒａに関係するものがクリア（零に
セット）される（ステップ６７〜８９）。

第６図に示したように、削除すべき結論ｅＪｏのメンバ
ーシップ関数を削除してからｒｎｔｊ（ｘｔｋ）を演算
するようにしてもよい。

算出されたｍ　１ｊ（ｘｌ　ｋ）を用いて、第（１８）
式にしたがってｊを変えながら静的情報量ｒｆｉｓが算
出される（ステップ７０〜７２）。すべてのｉについて
静的情報量が算出されるのはいうまでもない。

さらに、以前に求めた明瞭性を別の記憶エリアに一旦退
避したのち（ステップ７３）、ｉおよびｊを変えながら
、第（２２）式および第（２３）式にしたがって明瞭性
Ｃ１）、、が算出され、また与えられたｌコ 入力データｘ１について明瞭性Ｃ１１ｊの結論ごとの総
和Ｃｐ、が第（２４）式にしたがって算出される（スチ
ップ７４〜７８）。

最後に、−旦退避した明瞭性を元に戻す（ステップ７９
）。

このようにして求めた明瞭性Ｃ１１ｊ（および必ならば
ＣＬ）は削除した結論とともに記憶エリアに記憶してお
くとよい。そうすれば同じ結論が削除されたときには再
度演算を繰返す必要がなくなる。

算出された明瞭性ｃｇ、、　、　ｃＩｌ、は明瞭性表示
ＩＪ　　　　　　　Ｊ 装置２３に表示される。

このようにして、明瞭性に関しても不要な結論を削除し
て演算することが可能となる。

上述した各装置１１〜２３．３１．３２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１５．１Ｂ、　１７．１９．２０．２２．３１．３２
ハブ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】

第１図は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。 第２図はガウス分布を示すグラフである。 第３ａ図から第３ｃ図は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。 第４ａ図、第４ｂ図および第４ｃ図は、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。 第５ａ図、第５ｂ図および第５ｃ図は適合度を求める様
子を示すグラフである。 第６図は結論の可能性の再演算処理を示すフロー・チャ
ートである。 第７図は明瞭性の再演算処理を示すフロー・チャートで
ある。 １１・・・知識記憶装置。 １２・・・知識合成装置。 １３・・・合成後知識記憶装置。 Ｉ４・・・事象値入力装置。 １５・・・適合度演算装置。 １Ｂ・・・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。 ３１・・・結論削除装置。 ３２・・・メンバーシップ関数調整装置。 以

Claims (1)

1. 【特許請求の範囲】 （１）事象と結論との関係を表わす専門家の知識をあら
   かじめ記憶しておく記憶手段、 入力データを上記記憶手段に記憶されている知識にあて
   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
   、 専門家の知識の中の不要な結論を入力するための入力手
   段、 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、および 上記除去手段により除去されずに残った専門家の知識を
   用いて結論の可能性を演算するよう上記近似推論手段を
   制御する手段。 を備えた近似推論装置。 （２）上記近似推論手段が、 入力されたデータを上記知識によって表わされるメンバ
   ーシップ関数を用いて適合度に変換する適合度演算手段
   。 この適合度を用いて事象ごとの動的情報量を求める動的
   情報量演算手段、および 上記適合度と動的情報量とを用いて結論の可能性を求め
   る可能性演算手段、 から構成される請求項（１）に記載の近似推論装置。 （３）上記結論の可能性を表示する表示装置をさらに備
   えている請求項（１）に記載の近似推論装置、（４）事
   象と結論との関係を表わす専門家の知識をあらかじめ記
   憶しておく記憶手段。 上記記憶手段に記憶されている知識を用いて結論の明瞭
   性に関する情報を作成する明瞭性演算手段、 専門家の知識の中の不要な結論を入力するための入力手
   段。 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、および 上記除去手段により除去されずに残った専門家の知識を
   用いて結論の明瞭性に関する情報を作成するよう上記明
   瞭性演算手段を制御する手段、を備えた近似推論装置。 （５）上記明瞭性演算手段が、 各事象の静的情報量を演算する静的情報量演算手段、 算出された静的情報量を用いて結論ごとに各事象の明瞭
   性を演算する演算手段、および 上記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
   性を演算する加算手段、 から構成される請求項（４）に記載の近似推論装置。 （６）明瞭性加算手段から得られる推論結果に対する明
   瞭性を表示する明瞭性表示手段、 をさらに備えた請求項（５）に記載の近似推論装置。 （７）事象と結論との関係を表わす専門家の知識をあら
   かじめ記憶しておく記憶手段、 入力データを上記記憶手段に記憶されている知識にあて
   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
   、 上記記憶手段に記憶されている知識を用いて結論の明瞭
   性に関する情報を作成する明瞭性演算手段、 専門家の知識の中の不要な結論を入力するための入力手
   段、 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、および 上記除去手段により除去されずに残った専門家の知識を
   用いて結論の可能性を演算するよう上記近似推論手段を
   制御するとともに、結論の明瞭性を作成するよう上記明
   瞭性演算手段を制御する制御手段、 を備えた近似推論装置。 （８）事象と結論との関係を表わす専門家の知識をあら
   かじめ記憶しておく記憶手段、 専門家の知識の中の不要な結論を入力するための入力手
   段、 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、および 上記除去手段により除去されずに残った専門家の知識に
   入力データを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、 を備えた近似推論装置。 （９）事象と結論との関係を表わす専門家の知識をあら
   かじめ記憶しておく記憶手段、 専門家の知識の中の不要な結論を入力するための入力手
   段、 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、および 上記除去手段により除去されずに残った専門家の知識を
   用いて結論の明瞭性に関する情報を演算する明瞭性演算
   手段、 を備えた近似推論装置。 （１０）事象と結論との関係を表わす専門家の知識をあ
   らかじめ記憶しておく記憶手段、 専門家の知識の中の不要な結論を入力するための入力手
   段、 上記入力手段によって入力された不要な結論に関する知
   識を上記記憶手段に記憶されている知識から除去する手
   段、 上記除去手段により除去されずに残った専門家の知識に
   入力データを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、および上記除去手段により除去さ
   れずに残った専門家の知識を用いて明瞭性に関する情報
   を演算する明瞭性演算手段、 を備えた近似推論装置。