JPH0484220A - 近似推論装置 - Google Patents
近似推論装置Info
- Publication number
- JPH0484220A JPH0484220A JP2198648A JP19864890A JPH0484220A JP H0484220 A JPH0484220 A JP H0484220A JP 2198648 A JP2198648 A JP 2198648A JP 19864890 A JP19864890 A JP 19864890A JP H0484220 A JPH0484220 A JP H0484220A
- Authority
- JP
- Japan
- Prior art keywords
- conclusion
- inference
- event
- input
- possibility
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000003068 static effect Effects 0.000 description 12
- 238000003786 synthesis reaction Methods 0.000 description 12
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000000034 method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 101710156159 50S ribosomal protein L21, chloroplastic Proteins 0.000 description 1
- 101710087140 50S ribosomal protein L22, chloroplastic Proteins 0.000 description 1
- LUNQZVCDZKODKF-PFVVTREHSA-L copper acetic acid (2S)-6-amino-2-[[(2S)-2-[(2-aminoacetyl)amino]-3-(1H-imidazol-5-yl)propanoyl]amino]hexanoate (2S)-6-amino-2-[[(2S)-2-[(2-amino-1-oxidoethylidene)amino]-3-(1H-imidazol-5-yl)propanoyl]amino]hexanoate hydron Chemical compound [Cu+2].CC(O)=O.CC(O)=O.NCCCC[C@@H](C([O-])=O)NC(=O)[C@@H](NC(=O)CN)CC1=CN=CN1.NCCCC[C@@H](C([O-])=O)NC(=O)[C@@H](NC(=O)CN)CC1=CN=CN1 LUNQZVCDZKODKF-PFVVTREHSA-L 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 108010038983 glycyl-histidyl-lysine Proteins 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Devices For Executing Special Programs (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、近似推論装置に関し、特に事象に対して各結
論毎に与えられた特性関数を用いて近似推論を行う近似
推論装置に関するものである。
論毎に与えられた特性関数を用いて近似推論を行う近似
推論装置に関するものである。
（従来の技術）
専門家の知識等に基き、事象に対して各結論毎に与えら
れたメンバーシップ関数の如き特性関数を用いて結論が
成立する可能性を見い出して近似推論を行う近似推論装
置は、ファジィ推論装置等にて既によく知られている。
れたメンバーシップ関数の如き特性関数を用いて結論が
成立する可能性を見い出して近似推論を行う近似推論装
置は、ファジィ推論装置等にて既によく知られている。
上述の如き近似推論装置に於て、事象に対して各結論毎
に与えられたメンバーシップ関数を用いて各事象毎の情
報量、即ち事象の情報識別能力を演算し、また推論結果
、即ち結論が成立する可能性を、推論結果を導くために
使用した事象の情報量に基いて修正、変更することによ
り推論結果の識別能力を高めることが考えられている。
に与えられたメンバーシップ関数を用いて各事象毎の情
報量、即ち事象の情報識別能力を演算し、また推論結果
、即ち結論が成立する可能性を、推論結果を導くために
使用した事象の情報量に基いて修正、変更することによ
り推論結果の識別能力を高めることが考えられている。
（発明が解決しようとする課題）
従来の近似推論装置に於ては、事象値入力が一点入力で
あれば、結論の可能性の評価が行われ得るが、しかし、
事象値入力が区間入力でしか得られない場合、区間入力
に対する結論の可能性を評価することかできない。
あれば、結論の可能性の評価が行われ得るが、しかし、
事象値入力が区間入力でしか得られない場合、区間入力
に対する結論の可能性を評価することかできない。
このため、従来の近似推論装置に於ては、事象値入力デ
ータが予め誤差を含んでいる場合や、成るサンプリンク
時間幅の入力データを近似推論のための事象値入力デー
タとして用いる場合等に於ては、近似推論の結論の可能
性を評価することができないと云う問題点がある。
ータが予め誤差を含んでいる場合や、成るサンプリンク
時間幅の入力データを近似推論のための事象値入力デー
タとして用いる場合等に於ては、近似推論の結論の可能
性を評価することができないと云う問題点がある。
本発明は、従来の近似推論装置に於ける１−述の如き問
題点に着目してなされたものであり、事象値入力が区間
入力でしか得られない場合に於ても区間入力に対する結
論の可能性を評価することができる近似推論装置を提供
することを目的としている。
題点に着目してなされたものであり、事象値入力が区間
入力でしか得られない場合に於ても区間入力に対する結
論の可能性を評価することができる近似推論装置を提供
することを目的としている。
（課題を解決するための手段）
上述の如き目的は、本発明によれば、事象に対して各結
論毎に与えられた特性関数を用いて近似推論を行う近似
推論装置に於て、区間入力を取り込み、該区間入力に応
じた複数個の事象値入力を出力する区間入力手段と、前
記区間入力装置が出力する複数個の事象値入力の各々に
応じて近似推論を行い、各近似推論毎に可能性について
の推論結果を生じる推論手段と、前記推論手段より前記
区間入力に応じた複数個の推論結果を与えられ、該複数
個の推論結果から結論の可能性の範囲を検出し、これを
出力する区間出力手段とを有していることを特徴とする
近似推論装置によって達成される。
論毎に与えられた特性関数を用いて近似推論を行う近似
推論装置に於て、区間入力を取り込み、該区間入力に応
じた複数個の事象値入力を出力する区間入力手段と、前
記区間入力装置が出力する複数個の事象値入力の各々に
応じて近似推論を行い、各近似推論毎に可能性について
の推論結果を生じる推論手段と、前記推論手段より前記
区間入力に応じた複数個の推論結果を与えられ、該複数
個の推論結果から結論の可能性の範囲を検出し、これを
出力する区間出力手段とを有していることを特徴とする
近似推論装置によって達成される。
また本発明による近似推論装置は、」二連の如き区間入
力手段と推論手段と区間出力手段に加えて、前記区間出
力手段が出力する結論の可能性の範囲を基にして結論の
評価を行う結論評価手段を有していてよい。
力手段と推論手段と区間出力手段に加えて、前記区間出
力手段が出力する結論の可能性の範囲を基にして結論の
評価を行う結論評価手段を有していてよい。
（作用）
上述の如き構成によれば、区間入力手段により区間入力
が該区間入力に応じた複数個の事象値入力とされ、この
複数個の事象値入力の各々に応じて近似推論が行われて
各近似推論毎の可能性についての推論結果から結論の可
能性の範囲が区間出力手段により検出され、これの出力
が行われる。
が該区間入力に応じた複数個の事象値入力とされ、この
複数個の事象値入力の各々に応じて近似推論が行われて
各近似推論毎の可能性についての推論結果から結論の可
能性の範囲が区間出力手段により検出され、これの出力
が行われる。
また区間出力手段が出力する結論の可能性の範囲を基に
して結論評価手段により結論の評価が行われる。
して結論評価手段により結論の評価が行われる。
（実施例）
以下に添付の図を参照して本発明を実施例について詳細
に説明する。
に説明する。
第１図は本発明による近似推論装置の一実施例を示して
いる。本発明による近似推論装置は、知識記憶装置１０
と、知識合成装置１２と、合成後知識記憶装置１４と、
事象値区間入力装置１６と、適合度演算装置１８と、動
的情報量演算装置２０と、可能性演算装置２２と、区間
出力装置２４と、結論評価装置２６と、可能性表示装置
２８と、静的情報量演算装置３０と、明瞭性演算装置３
２と、明瞭性記憶装置３４と、明瞭性加算装置３６と、
明瞭性表示装置３８とを有している。
いる。本発明による近似推論装置は、知識記憶装置１０
と、知識合成装置１２と、合成後知識記憶装置１４と、
事象値区間入力装置１６と、適合度演算装置１８と、動
的情報量演算装置２０と、可能性演算装置２２と、区間
出力装置２４と、結論評価装置２６と、可能性表示装置
２８と、静的情報量演算装置３０と、明瞭性演算装置３
２と、明瞭性記憶装置３４と、明瞭性加算装置３６と、
明瞭性表示装置３８とを有している。
知識記憶装置１０は、複数の専門家の知識を、規則、事
象と結論との関係を示す表の形式にて記憶している。知
識記憶装置１０は、複数の専門家の知識を上述の如き表
の形式にて個別に記憶しており、例えば二人の専門家の
知識を用いる場合は、専門家ＥＸ と専門家ＥＸ２の
知識の規則を以下■ に示す如き形態にて記憶している。
象と結論との関係を示す表の形式にて記憶している。知
識記憶装置１０は、複数の専門家の知識を上述の如き表
の形式にて個別に記憶しており、例えば二人の専門家の
知識を用いる場合は、専門家ＥＸ と専門家ＥＸ２の
知識の規則を以下■ に示す如き形態にて記憶している。
専門家ＥＸｉ ：
Ｉｆ２０≦Ｆ ≦６０，０≦Ｆ２≦４０ ｔｈｅｎ
Ｃ１１ｆ４０≦Ｆ１≦８０． Ｇｏ≦Ｆ２≦１００
ｔｈｅｎ Ｃ２専門家ＥＸ２ ： Ｉｆ３０≦Ｆ１≦５０．１０≦Ｆ２≦３０ ｔｈｅｎ
ＣＬＩｆ５０≦Ｆ１≦７０．７０≦Ｆ２≦９０ ｔｈ
ｅｎ Ｃ２尚、これ以降に於ては、Ｆｌを事象１、Ｆ２
を事象２、Ｃ１を結論１、Ｃ２を結論２と呼ぶことがあ
る。
Ｃ１１ｆ４０≦Ｆ１≦８０． Ｇｏ≦Ｆ２≦１００
ｔｈｅｎ Ｃ２専門家ＥＸ２ ： Ｉｆ３０≦Ｆ１≦５０．１０≦Ｆ２≦３０ ｔｈｅｎ
ＣＬＩｆ５０≦Ｆ１≦７０．７０≦Ｆ２≦９０ ｔｈ
ｅｎ Ｃ２尚、これ以降に於ては、Ｆｌを事象１、Ｆ２
を事象２、Ｃ１を結論１、Ｃ２を結論２と呼ぶことがあ
る。
上述の如き規則の場合、知識記憶装置１ｏに記憶される
事象と結論の関係は、各専門家毎に設けられ、これは第
１表、第２表に示されている如きものになる。尚、第１
表は専門家ＥＸ、のちのであり、第２表は専門家ＥＸ２
のものである。
事象と結論の関係は、各専門家毎に設けられ、これは第
１表、第２表に示されている如きものになる。尚、第１
表は専門家ＥＸ、のちのであり、第２表は専門家ＥＸ２
のものである。
第１表
第２表
知識合成装置１２は、知識記憶装置１０より」−連の如
き複数の専門家の知識を与えられてこれを合成し、近似
推論のために合成された一つの知識を作成するようにな
っている。知識合成装置１２に於ける複数の専門家の知
識の合成方法は、例えば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、複数の専門家の相互の平均値
と標準偏差を算出し、この最大値の平均値と最小値の平
均値及び最大値の標準偏差と最小値の標準偏差とを用い
てガウス分布（正規化分布）により各結論毎のメンバー
シップ関数を作成するようになっている。
き複数の専門家の知識を与えられてこれを合成し、近似
推論のために合成された一つの知識を作成するようにな
っている。知識合成装置１２に於ける複数の専門家の知
識の合成方法は、例えば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、複数の専門家の相互の平均値
と標準偏差を算出し、この最大値の平均値と最小値の平
均値及び最大値の標準偏差と最小値の標準偏差とを用い
てガウス分布（正規化分布）により各結論毎のメンバー
シップ関数を作成するようになっている。
次にこの知識の合成の具体例を事象１（Ｆ、）より結論
１（Ｃ１）を求める規則の例を取上げて説明する。
１（Ｃ１）を求める規則の例を取上げて説明する。
合成前の各専門家の知識は以下に示す如き関係式にて示
される。
される。
専門家ＥＸ ： ｒｆ２（Ｊ≦Ｆ１≦６０ ｔｈｅ
ｎ ’Ｃ。
ｎ ’Ｃ。
専門家ＥＸ ： Ｉｆ’３０≦Ｆ１≦５０ ｔｈｅ
ｎ Ｃ１上述の如き二人の専門家の知識に於ける各事象
の最大値の平均値Ａ ｍａｘと最小値の平均ｉＡｍｉｎ
は下式に従って算出される。
ｎ Ｃ１上述の如き二人の専門家の知識に於ける各事象
の最大値の平均値Ａ ｍａｘと最小値の平均ｉＡｍｉｎ
は下式に従って算出される。
Ａｍａｘ ＝ （６０＋５０） ／２ ＝５５Ａｍｉｎ
＝ （２０＋３０） ／２ ＝２５また各事象の最大
値の標準偏差Ｓ（χ） ｍａｘと最小値の標準偏差Ｓ（
χ） ｍｉｎとは各々下式に従って算出される。
＝ （２０＋３０） ／２ ＝２５また各事象の最大
値の標準偏差Ｓ（χ） ｍａｘと最小値の標準偏差Ｓ（
χ） ｍｉｎとは各々下式に従って算出される。
Ｓ（χ） ｍａｙ
Ｓ （χ） ｗｉｎ
上述の如き専門家の知識の合成の演算を、各結論に関与
している各事象の最大値と最小値の全てについて行うと
第３表に示されている如き表が得られる。
している各事象の最大値と最小値の全てについて行うと
第３表に示されている如き表が得られる。
一般に、近似推論に於ては、事象に対してメンバーシッ
プ関数が与えられ、ここでは、−例としてガウス分布に
よりメンバーシップ関数を作成する方法を示す。カラス
分布によりメンバーシップ関数を作成する場合は、先ず
第３表に示されている如き知識の合成結果を使用して下
式に従い入力データχが事象に適合する程度、即ち適合
度を算出することが行われる。
プ関数が与えられ、ここでは、−例としてガウス分布に
よりメンバーシップ関数を作成する方法を示す。カラス
分布によりメンバーシップ関数を作成する場合は、先ず
第３表に示されている如き知識の合成結果を使用して下
式に従い入力データχが事象に適合する程度、即ち適合
度を算出することが行われる。
Φ（χ）
ただし、
χ：事象１（Ｆｌ）への入力データの値Φ（χ）二入力
データχが事象に適合する程度（適合度） Ｇａｕｓｓ （ｙ） ：入力ｙに於けるガウス分布の
値これにより第２図に示されている如きガウス分布が得
られる。
データχが事象に適合する程度（適合度） Ｇａｕｓｓ （ｙ） ：入力ｙに於けるガウス分布の
値これにより第２図に示されている如きガウス分布が得
られる。
メンバーシップ関数の作成に際しては、第２図に示され
ている如きガウス分布のうち符号Ｇで示されている如く
、ガウス分布の右半分の部分のみが使用される。
ている如きガウス分布のうち符号Ｇで示されている如く
、ガウス分布の右半分の部分のみが使用される。
即ち、Ｇａｕｓｓ （Ｚ −Ａｍｉｎ ／Ｓ （Ｚ）
ｍｉｎ ）は第３図に示されている如き分布になり、Ｇ
ａｕｓｓ（χ−Ａｍａｘ ／Ｓ （χ） ｍａｘ ）は
第４図に示されている如き分布になり、第３図に示され
た分布と第４図に示された分布との合成により第５図に
示されている如きメンバーシップ関数が作成される。
ｍｉｎ ）は第３図に示されている如き分布になり、Ｇ
ａｕｓｓ（χ−Ａｍａｘ ／Ｓ （χ） ｍａｘ ）は
第４図に示されている如き分布になり、第３図に示され
た分布と第４図に示された分布との合成により第５図に
示されている如きメンバーシップ関数が作成される。
この場合の分布の傾きは標準偏差Ｓ（χ） ｌｌ１ｎ、
Ｓ（χ） ｍａｘにより決まり、適合度が０．５となる
入力データ値は平均値Ａｍ１ｎ 、 Ａｍａｘにより決
定される。
Ｓ（χ） ｍａｘにより決まり、適合度が０．５となる
入力データ値は平均値Ａｍ１ｎ 、 Ａｍａｘにより決
定される。
上述の如き要領にて合成された知識よりメンバーシップ
関数を数式により導出することが可能であり、これの例
として、第６図は事象１（Ｆｌ）の各結論に関するメン
バーシップ関数を、第７図は事象２（Ｆ２）に於ける各
結論のメンバーシップ関数を示している。
関数を数式により導出することが可能であり、これの例
として、第６図は事象１（Ｆｌ）の各結論に関するメン
バーシップ関数を、第７図は事象２（Ｆ２）に於ける各
結論のメンバーシップ関数を示している。
合成後知識記憶装置１４は、知識合成装置１２より情報
を与えられ、第３表に示されている如く、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の平均値と標
準偏差とを表形式にて記憶するようになっている。
を与えられ、第３表に示されている如く、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の平均値と標
準偏差とを表形式にて記憶するようになっている。
知識の合成は、知識が変更されない限り、近似推論の実
行の毎に行う必要はないから、これは予め計算した結果
として記憶されていればよく、近似推論の実行の毎に、
この記憶装置１４より必要なデータが読出されることに
より、近似推論処理の高速化が図られるようになる。
行の毎に行う必要はないから、これは予め計算した結果
として記憶されていればよく、近似推論の実行の毎に、
この記憶装置１４より必要なデータが読出されることに
より、近似推論処理の高速化が図られるようになる。
事象値区間入力装置１６は、通信インターフェース装置
等より事象の入力データを区間入力として読取り、区間
入力の範囲内の入力をサンプリングしてこれを入力デー
タχ１〜χ。とじて適合度演算装置１８へ出力するよう
になっている。
等より事象の入力データを区間入力として読取り、区間
入力の範囲内の入力をサンプリングしてこれを入力デー
タχ１〜χ。とじて適合度演算装置１８へ出力するよう
になっている。
事象の入力データ（事象値）が区間入力である例として
は、第６図に示されている如く、所定のサンプリング時
間幅の計測値等による入力データがあり、この場合には
サンプリング時間幅に応じた幅ｄの区間入力が得られる
。幅ｄの区間入力は、第７図に示されている如く、所定
のサンプリング幅Δｄをもってｎ個に分割され、ｎ個に
分割された入力データχ１〜χ１が各々適合度演算装置
１８へ出力される。
は、第６図に示されている如く、所定のサンプリング時
間幅の計測値等による入力データがあり、この場合には
サンプリング時間幅に応じた幅ｄの区間入力が得られる
。幅ｄの区間入力は、第７図に示されている如く、所定
のサンプリング幅Δｄをもってｎ個に分割され、ｎ個に
分割された入力データχ１〜χ１が各々適合度演算装置
１８へ出力される。
この場合、ｎ＝（ｄ／Δｄ）＋１であり、この演算に於
ては、小数点以下は切捨てられる。尚、区間入力の最小
値と最大値は必ず入力データとして出力されるようにな
っている。
ては、小数点以下は切捨てられる。尚、区間入力の最小
値と最大値は必ず入力データとして出力されるようにな
っている。
適合度演算装置１８は、事象値入力装置１６よりの入力
データχ１〜χ。の各々に応じて上述の如きメンバーシ
ップ関数に基づき適合度〜１（χ）を求めるようになっ
ている。適合度演算装置１８にて求められた入力データ
χ１〜χ。の各々に関する適合度Ｍ（χ）は動的情報量
演算装置２０と可能性演算装置２２へ出力される。
データχ１〜χ。の各々に応じて上述の如きメンバーシ
ップ関数に基づき適合度〜１（χ）を求めるようになっ
ている。適合度演算装置１８にて求められた入力データ
χ１〜χ。の各々に関する適合度Ｍ（χ）は動的情報量
演算装置２０と可能性演算装置２２へ出力される。
動的情報量演算装置２０は、入力データχ１〜χ。の各
々に於けるファジィエントロピを最大ファジィエントロ
ピから差引くことによって各入力データについて動的情
報量を算出するようになっている。
々に於けるファジィエントロピを最大ファジィエントロ
ピから差引くことによって各入力データについて動的情
報量を算出するようになっている。
ここで、動的情報量の算出例として、第８図及び第９図
に示されている如く、事象１に入力された事象値をχ１
、事象２に入力された事象値をχ２として説明する。ま
た事象値χ１での結論１の適合度をＭ１□、結論２の適
合度をＭ１２とする。同様に事象値χ２での結論１の適
合度をＭ２１、結論２の適合度をＭ２２とする。このと
きの事象値χ１、χ２の各々に於ける動的情報量Ｉｆ１
（χ１）とＩｆ２ （χ２）は下式により示される。
に示されている如く、事象１に入力された事象値をχ１
、事象２に入力された事象値をχ２として説明する。ま
た事象値χ１での結論１の適合度をＭ１□、結論２の適
合度をＭ１２とする。同様に事象値χ２での結論１の適
合度をＭ２１、結論２の適合度をＭ２２とする。このと
きの事象値χ１、χ２の各々に於ける動的情報量Ｉｆ１
（χ１）とＩｆ２ （χ２）は下式により示される。
Ｉｆ、（χ１）
＝ ｌｏｇ （ｎ） Ｅ ｆ （ｚｌ ）＝ｌｏｇ
（２）＋ ［Ｍ、■／ （Ｍ、、＋Ｍ１２）１ ｏｇ
ｆＭ ／ （Ｍｔｔ 十Ｍ１２） ）＋Ｍ１２／（Ｍ
■１＋“１２） ｌｏｇ ｆＭ ／ （Ｍ、■＋Ｍ■２））］■２ Ｉｆ２ （χ２） ＝ ｌｏｇ （ｎ） Ｅ ｆ （χ２ ）＝１ｏｇ（
２）＋［Ｍ２１／（Ｍ２１＋Ｍ２２）ｌｏｇ ｆＭ２１
／ （Ｍ２■＋Ｍ２２） １＋Ｍ２２／（Ｍ２１＋Ｍ２
２） １ｏｇ（Ｍ１２／（Ｍ２１＋Ｍ２２））］ここで、最大
フファジィエントロピｌｏｇｎ）のｎは事象上の結論数
である。
（２）＋ ［Ｍ、■／ （Ｍ、、＋Ｍ１２）１ ｏｇ
ｆＭ ／ （Ｍｔｔ 十Ｍ１２） ）＋Ｍ１２／（Ｍ
■１＋“１２） ｌｏｇ ｆＭ ／ （Ｍ、■＋Ｍ■２））］■２ Ｉｆ２ （χ２） ＝ ｌｏｇ （ｎ） Ｅ ｆ （χ２ ）＝１ｏｇ（
２）＋［Ｍ２１／（Ｍ２１＋Ｍ２２）ｌｏｇ ｆＭ２１
／ （Ｍ２■＋Ｍ２２） １＋Ｍ２２／（Ｍ２１＋Ｍ２
２） １ｏｇ（Ｍ１２／（Ｍ２１＋Ｍ２２））］ここで、最大
フファジィエントロピｌｏｇｎ）のｎは事象上の結論数
である。
ファジィエントロピＥｆ（χ）は情報識別能力の指標の
一種であり、事象値の入力データχを与えられた時に、
結論が明確に識別できるほど小さい値になり、結論が曖
昧にしか判別できないほど大きい値になる。つまり、フ
ァジィエントロピＥｆ（χ）は、例えば、入力データχ
１での結論Ｃ１の適合度Ｍ１□と同じ入力データχ１で
の結論Ｃ２の適合度Ｍ１２との差が大きいほど小さい値
になり、この差が小さいはと大きい値となる。ここでフ
ァジィエントロピＥｆ（χ）の取り得る値の範囲は、下
式に示すようなものになる。
一種であり、事象値の入力データχを与えられた時に、
結論が明確に識別できるほど小さい値になり、結論が曖
昧にしか判別できないほど大きい値になる。つまり、フ
ァジィエントロピＥｆ（χ）は、例えば、入力データχ
１での結論Ｃ１の適合度Ｍ１□と同じ入力データχ１で
の結論Ｃ２の適合度Ｍ１２との差が大きいほど小さい値
になり、この差が小さいはと大きい値となる。ここでフ
ァジィエントロピＥｆ（χ）の取り得る値の範囲は、下
式に示すようなものになる。
０≦Ｅｆ（ｚ）≦ｌｏｇ（ｎ）
可能性演算装置２２は、各結論毎に、各結論に関与する
事象の情報量の総和で１になり、且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、即ち
動的情報量の重みを算出し、この重みと適合度演算装置
１８にて算出された適合度との積を計算し、これを各結
論毎に合成したものを、結論の可能性として算出するよ
うになっている。
事象の情報量の総和で１になり、且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、即ち
動的情報量の重みを算出し、この重みと適合度演算装置
１８にて算出された適合度との積を計算し、これを各結
論毎に合成したものを、結論の可能性として算出するよ
うになっている。
動的情報量の重みの算出は、例えば下式に従って行われ
る。
る。
Ｗｆ１１＝Ｉｆ、 （χ１）／
（Ｉｆｌ （χ１）＋■ｆ２ （χ２））Ｗｆ１２＝Ｉ
ｆ２（χ２）／ （Ｉｆ （χ ）＋Ｉｆ２ （χ２））Ｗ ｆ ２□
−Ｉｆｌ （χ１）／ （Ｉｆ （χ ）＋Ｉｆ２ （χ２））■１ ｗｆ２２＝Ｉｆ２（χ２）／ （Ｉｆｌ （χ１）＋Ｉｆ２ （χ２））たた゛し、 Ｗｆ１□：結論１（Ｃ１）の事象１（Ｆｌ）の重みＷ
ｆ １□：結論１（Ｃ１）の事象２（Ｆ２）の重みＷｆ
２１：結論２（Ｃ２）の事象１（Ｆｌ）の重みＷ ｆ
２゜：結論２（Ｃ２）の事象２（Ｆ２）の重み各結論の
可能性の算出は下式に従って行われる。
ｆ２（χ２）／ （Ｉｆ （χ ）＋Ｉｆ２ （χ２））Ｗ ｆ ２□
−Ｉｆｌ （χ１）／ （Ｉｆ （χ ）＋Ｉｆ２ （χ２））■１ ｗｆ２２＝Ｉｆ２（χ２）／ （Ｉｆｌ （χ１）＋Ｉｆ２ （χ２））たた゛し、 Ｗｆ１□：結論１（Ｃ１）の事象１（Ｆｌ）の重みＷ
ｆ １□：結論１（Ｃ１）の事象２（Ｆ２）の重みＷｆ
２１：結論２（Ｃ２）の事象１（Ｆｌ）の重みＷ ｆ
２゜：結論２（Ｃ２）の事象２（Ｆ２）の重み各結論の
可能性の算出は下式に従って行われる。
結論１の可能性＝Ｗｆ、□・Ｍ１１＋Ｗｆ１□・Ｍ２１
結論２の可能性＝Ｗｆ２１・Ｍ１□＋Ｗｆ２２・Ｍ２２
この各結論の可能性、即ち近似推論結果は、各入力、デ
ータχ１〜χ。毎に得られて可能性表示装置２８へ出力
され、可能性表示装置２８はこれを表示するようになっ
ている。
結論２の可能性＝Ｗｆ２１・Ｍ１□＋Ｗｆ２２・Ｍ２２
この各結論の可能性、即ち近似推論結果は、各入力、デ
ータχ１〜χ。毎に得られて可能性表示装置２８へ出力
され、可能性表示装置２８はこれを表示するようになっ
ている。
可能性演算装置２２にて得られる上述の如き近似推論結
果は区間出力装置２４へも出力される。
果は区間出力装置２４へも出力される。
区間出力装置２４は可能性演算装置２２より受は取った
各入力データχ１〜χ。についての各結論毎の複数個の
推論結果から、結論の可能性の範囲を求め、これを可能
性表示装置２８と結論評価装置２６へ出力するようにな
っている。
各入力データχ１〜χ。についての各結論毎の複数個の
推論結果から、結論の可能性の範囲を求め、これを可能
性表示装置２８と結論評価装置２６へ出力するようにな
っている。
区間出力装置２４に於ては、例えば、ｎ個に分割された
ｎ個の入力データχ１〜χ７の各々の各結論毎の推論結
果、即ち各結論毎のｎ個の推論結果の可能性０１〜Ｏｏ
より最大値Ｏｍａｘと最小値０ｍ１ｎとを検索し、これ
を近似的に結論の区間［０ｍ１ｎ 、 Ｏｍａｘ ］と
することが行われる。
ｎ個の入力データχ１〜χ７の各々の各結論毎の推論結
果、即ち各結論毎のｎ個の推論結果の可能性０１〜Ｏｏ
より最大値Ｏｍａｘと最小値０ｍ１ｎとを検索し、これ
を近似的に結論の区間［０ｍ１ｎ 、 Ｏｍａｘ ］と
することが行われる。
上述の如き結論の区間は、各結論毎に得られ、これは可
能性表示装置２８へ出力されて可能性表示装置２８にて
表示される。これにより各結論の可能性がどの範囲を取
っているかが理解され得るようになり、各結論の可能性
の幅（区間）は区間入力に起因している曖昧性、感度の
指標としてとらえられ、これより区間入力に対する結論
の評価が行われ得るようになる。
能性表示装置２８へ出力されて可能性表示装置２８にて
表示される。これにより各結論の可能性がどの範囲を取
っているかが理解され得るようになり、各結論の可能性
の幅（区間）は区間入力に起因している曖昧性、感度の
指標としてとらえられ、これより区間入力に対する結論
の評価が行われ得るようになる。
結論評価装置２６は、区間出力装置２４より与えられる
各結論毎の可能性の区間より各結論の可能性に対する評
価、即ち信頼性を見い出し、これを可能性表示装置２８
へ出力するようになっている。
各結論毎の可能性の区間より各結論の可能性に対する評
価、即ち信頼性を見い出し、これを可能性表示装置２８
へ出力するようになっている。
結論評価装置２６に於ては、例えば下式に従って結論の
可能性の不信頼性Ｒが算出される。
可能性の不信頼性Ｒが算出される。
Ｒ＝ （Ｏｍａｘ −０ｍ１ｎ ） ／１００この場合
、例えば不信頼性Ｒが所定値以下、例えば０．２５以下
であれは、結論の可能性の区間の平均値を算出して、こ
れを可能性表示装置２８へ出力し、これに対し不信頼性
Ｒが所定値具」−であれば、この結論の可能性は信頼て
きないものとして棄却し、可能性表示装置２８には、例
えは「結論の可能性は不明です」と云う如き表示指令が
出力されればよい。
、例えば不信頼性Ｒが所定値以下、例えば０．２５以下
であれは、結論の可能性の区間の平均値を算出して、こ
れを可能性表示装置２８へ出力し、これに対し不信頼性
Ｒが所定値具」−であれば、この結論の可能性は信頼て
きないものとして棄却し、可能性表示装置２８には、例
えは「結論の可能性は不明です」と云う如き表示指令が
出力されればよい。
静的情報量演算装置３０は、各事象毎に事象全体の情報
量、即ち静的情報量を算出するようになっている。ここ
では、静的情報量は、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差引いた
ものである。
量、即ち静的情報量を算出するようになっている。ここ
では、静的情報量は、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差引いた
ものである。
例えば、上述の如く合成された知識のメンバーシップ関
数について、事象１ （Ｆ、 ）の静的情報量Ｉｆ１を
求めると、以下に示す如きものになる。
数について、事象１ （Ｆ、 ）の静的情報量Ｉｆ１を
求めると、以下に示す如きものになる。
Ｉ ｆ ｔ ＝ｌ ｏｇ （２）
／１００
上式は、先ず、事象のレンジ幅をθ〜１００まで、χを
等間隔δにて変化させ、それぞれのχについてファジィ
エントロピを計算してその平均を求め、次に最大ファジ
ィエントロピｌｏｇ（２）から前記平均を差引いて事象
１（Ｆｌ）の静的情報量Ｉｆ１を求めている。ただし、
δは、０〈δ≦１００である。
等間隔δにて変化させ、それぞれのχについてファジィ
エントロピを計算してその平均を求め、次に最大ファジ
ィエントロピｌｏｇ（２）から前記平均を差引いて事象
１（Ｆｌ）の静的情報量Ｉｆ１を求めている。ただし、
δは、０〈δ≦１００である。
この静的情報量は、一つの事象に於けるメンバーシップ
関数の重なりが大きい程小さく、前記メンバーシップ関
数の重なりが小さい程大きくなり、これは各事象のメン
バーシップ関数が結論を識別する能力を示している。
関数の重なりが大きい程小さく、前記メンバーシップ関
数の重なりが小さい程大きくなり、これは各事象のメン
バーシップ関数が結論を識別する能力を示している。
明瞭性演算装置３２は、知識合成装置１２より合成後の
知識に関するデータを、静的情報量演算装置３０より各
事象の静的情報量を与えられ、各結論毎に各事象の明瞭
性を演算するようになっている。
知識に関するデータを、静的情報量演算装置３０より各
事象の静的情報量を与えられ、各結論毎に各事象の明瞭
性を演算するようになっている。
ここで、各結論毎の各事象の明瞭性とは、成る結論が成
立する可能性を推定するために使用される各事象の同−
結論内での相対的な識別能力を示すものである。従って
、この明瞭性により、成る結論を確定するための複数の
事象の識別能力を相対的に比較することができ、どの事
象が高い識別能力を備えているか、換言すれば、どの事
象が多くの情報量を有しているかが評価されるようにな
る。
立する可能性を推定するために使用される各事象の同−
結論内での相対的な識別能力を示すものである。従って
、この明瞭性により、成る結論を確定するための複数の
事象の識別能力を相対的に比較することができ、どの事
象が高い識別能力を備えているか、換言すれば、どの事
象が多くの情報量を有しているかが評価されるようにな
る。
この明瞭性の算出は次の如く行われる。先ず、結論、事
象と静的情報量Ｉｆとの関係は、上述の合成された知識
のメンバーシップ関数の例をとれば、第４表に示される
。
象と静的情報量Ｉｆとの関係は、上述の合成された知識
のメンバーシップ関数の例をとれば、第４表に示される
。
第４表
各事象の明瞭性は、各結論毎に静的情報量を正規化する
ことにより得られる値であり、結論、事象と明瞭性ＣＬ
との関係は第５表に示されている。
ことにより得られる値であり、結論、事象と明瞭性ＣＬ
との関係は第５表に示されている。
ただし、
ＣＬ、、＝Ｉ ｆ１／ （Ｉ ｆｌ＋Ｉ ｆ、７）ＣＬ
ノ２＝Ｉ ｆ、 ／ （Ｉ ｆ、 ＋ Ｉ
Ｆ２ ）ＣＬ２１＝Ｉ ｆ２／ （Ｉ ｆ、 ＋Ｉ
Ｌ、 ）ＣＬ２２＝■ｆ２／（ＩｆＩ＋Ｉｆ２）尚、結
論Ｃ２を導くために、事象ｃ１を使用しない場合、例え
は、前述の規則例では、ＥＸｌ ；Ｉｆ６０≦Ｆ２≦１
．００ ｔｈｅｎ Ｃ２且っＥＸ２ ：Ｉｒ７０≦Ｆ
２≦９０ ｔｈｅｎ Ｃ２の場合は、Ｃ２とＦＪのＩｆ
、は０となり、ＣＬ４２＝ｏ１ｃＬ２２＝１となる。
ノ２＝Ｉ ｆ、 ／ （Ｉ ｆ、 ＋ Ｉ
Ｆ２ ）ＣＬ２１＝Ｉ ｆ２／ （Ｉ ｆ、 ＋Ｉ
Ｌ、 ）ＣＬ２２＝■ｆ２／（ＩｆＩ＋Ｉｆ２）尚、結
論Ｃ２を導くために、事象ｃ１を使用しない場合、例え
は、前述の規則例では、ＥＸｌ ；Ｉｆ６０≦Ｆ２≦１
．００ ｔｈｅｎ Ｃ２且っＥＸ２ ：Ｉｒ７０≦Ｆ
２≦９０ ｔｈｅｎ Ｃ２の場合は、Ｃ２とＦＪのＩｆ
、は０となり、ＣＬ４２＝ｏ１ｃＬ２２＝１となる。
明瞭性記憶装置３４は、明瞭性演算装置３２より上述の
如き明瞭性に関する情報を与えられてこれを記憶するよ
うになっている。
如き明瞭性に関する情報を与えられてこれを記憶するよ
うになっている。
明瞭性の演算は、知識が変更されない限り、近似推論を
行う毎に行う必要はないから、近似推論の実行の毎に、
この記憶装置３４より必要なデータが読出されることに
より、近似推論処理の高速化が図られるようになる。
行う毎に行う必要はないから、近似推論の実行の毎に、
この記憶装置３４より必要なデータが読出されることに
より、近似推論処理の高速化が図られるようになる。
明瞭性加算装置３６は、事象値区間人カ装置１６よりど
の事象のデータが入力されたが否かに関する情報を与え
られ、各結論毎に、データが入力された事象の明瞭性を
明瞭性記憶装置３４により読出し、これの総和を計算す
るようになっている。
の事象のデータが入力されたが否かに関する情報を与え
られ、各結論毎に、データが入力された事象の明瞭性を
明瞭性記憶装置３４により読出し、これの総和を計算す
るようになっている。
この明瞭性の総和は、推論結果の明瞭性を示し、これが
高い程、推論結果を導くための情報量が多く、推論結果
自体の信頼性が高いことになる。
高い程、推論結果を導くための情報量が多く、推論結果
自体の信頼性が高いことになる。
次に、第５表に示されている如き、結論、事象と明瞭性
ＣＬの関係を例にして、推論結果に対する明瞭性の算出
方法について説明する。
ＣＬの関係を例にして、推論結果に対する明瞭性の算出
方法について説明する。
（ａ）事象１（Ｆｌ）のみがデータ入力された場合・結
論１（Ｃ，）の推論結果に対する明瞭性ＣＬ１＝ＣＬ■
１ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２−Ｃ
ＬＩ２ （ｂ）事象１（Ｆ２）のみがデータ入力された場合・結
論１（Ｃ１）の推論結果に対する明瞭性ＣＬ１＝ＣＬ２
１ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２−Ｃ
Ｌ２２ （ｅ）事象１（Ｆ）、事象１（Ｆ２）両方がデー少入力
された場合 ・結論１（Ｃ，）の推論結果に対する明瞭性ＣＬ１＝Ｃ
Ｌ、［＋ＣＬ２［−１，０ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２＝Ｃ
Ｌ１２＋ＣＬ２２−１．０ 上式より理解される如く、推論結果の明瞭性の取り得る
値は、０．０≦Ｃ１≦１．０である。
論１（Ｃ，）の推論結果に対する明瞭性ＣＬ１＝ＣＬ■
１ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２−Ｃ
ＬＩ２ （ｂ）事象１（Ｆ２）のみがデータ入力された場合・結
論１（Ｃ１）の推論結果に対する明瞭性ＣＬ１＝ＣＬ２
１ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２−Ｃ
Ｌ２２ （ｅ）事象１（Ｆ）、事象１（Ｆ２）両方がデー少入力
された場合 ・結論１（Ｃ，）の推論結果に対する明瞭性ＣＬ１＝Ｃ
Ｌ、［＋ＣＬ２［−１，０ ・結論２（Ｃ２）の推論結果に対する明瞭性ＣＬ２＝Ｃ
Ｌ１２＋ＣＬ２２−１．０ 上式より理解される如く、推論結果の明瞭性の取り得る
値は、０．０≦Ｃ１≦１．０である。
つまり、成る結論を導くために使用する全ての事象につ
いてデータ入力が行われて推論が行われた場合には、そ
の結論の明瞭性は１．０になる。これに対し、成る結論
を導くために使用する事象の中で、一部の事象のみを使
用して、データ入力が行われた場合には、明瞭性は０．
０から［、ｏの間の値となる。この時、使用することが
できる事象の中で、明瞭性の高い事象が多く使用されれ
ば、結論の明瞭性が高くなり、信頼性が高い推論結果で
あると言える。
いてデータ入力が行われて推論が行われた場合には、そ
の結論の明瞭性は１．０になる。これに対し、成る結論
を導くために使用する事象の中で、一部の事象のみを使
用して、データ入力が行われた場合には、明瞭性は０．
０から［、ｏの間の値となる。この時、使用することが
できる事象の中で、明瞭性の高い事象が多く使用されれ
ば、結論の明瞭性が高くなり、信頼性が高い推論結果で
あると言える。
この明瞭性を示す値は、各結論毎に明瞭性表示装置３８
へ出力され、明瞭性表示装置３８はこれを各結論毎に表
示するようになっている。
へ出力され、明瞭性表示装置３８はこれを各結論毎に表
示するようになっている。
尚、明瞭性表示装置３８及び前述の可能性表示装置２８
に於ける表示方法は、デイスプレーを用いて、これに推
論結果と共に表示する以外に、通信を使用して明瞭性、
可能性に関するデータを伝送し、メモリやファイルに記
憶するにようになっていてもよい。
に於ける表示方法は、デイスプレーを用いて、これに推
論結果と共に表示する以外に、通信を使用して明瞭性、
可能性に関するデータを伝送し、メモリやファイルに記
憶するにようになっていてもよい。
（発明の効果）
以上の説明から理解される如く、本発明による近似推論
装置によれば、区間入力手段により区間入力が該区間入
力に応じた複数個の事象値入力とされ、この複数個の事
象値入力の各々に応じて近似推論が行われて各近似推論
毎の可能性についての推論結果から結論の可能性の範囲
が区間出力手段により検出され、このことから事象値入
力が区間入力でしか得られなくとも、結論の可能性の範
囲を基にして結論評価手段により結論の評価が行われる
ようになる。
装置によれば、区間入力手段により区間入力が該区間入
力に応じた複数個の事象値入力とされ、この複数個の事
象値入力の各々に応じて近似推論が行われて各近似推論
毎の可能性についての推論結果から結論の可能性の範囲
が区間出力手段により検出され、このことから事象値入
力が区間入力でしか得られなくとも、結論の可能性の範
囲を基にして結論評価手段により結論の評価が行われる
ようになる。
第１図は本発明による近似推論装置の一実施例を示すブ
ロック線図、第２図はメンバーシップ関数作成のための
ガウス分布を示すグラフ、第３図乃至第５図は知識の合
成結果によってメンバーシップ関数を作成する要領を示
すグラフ、第６図は事象値としての区間入力の獲得例を
示すグラフ、第７図は区間入ツノの分割例を示すグラフ
、第８図及び第９図は各々合成された知識によるメンバ
ーシップ関数の具体例を示すグラフである。 １０・・・知識記憶装置 １２・・・知識合成装置 １４・・・合成後知識記憶装置 １６・・・事象値区間入力装置 １８・・・適合度演算装置 ２０・・・動的情報量演算装置 ２２・・・可能性演算装置 ２４・・・区間出力装置 ２６・・・結論評価装置 ２８・・・可能性表示装置 ３０・・・静的情報量演算装置 ３２・・・明瞭性演算装置 ３４・・・明瞭性記憶装置 ３６・・・明瞭性加算装置 ３８・・・明瞭性表示装置
ロック線図、第２図はメンバーシップ関数作成のための
ガウス分布を示すグラフ、第３図乃至第５図は知識の合
成結果によってメンバーシップ関数を作成する要領を示
すグラフ、第６図は事象値としての区間入力の獲得例を
示すグラフ、第７図は区間入ツノの分割例を示すグラフ
、第８図及び第９図は各々合成された知識によるメンバ
ーシップ関数の具体例を示すグラフである。 １０・・・知識記憶装置 １２・・・知識合成装置 １４・・・合成後知識記憶装置 １６・・・事象値区間入力装置 １８・・・適合度演算装置 ２０・・・動的情報量演算装置 ２２・・・可能性演算装置 ２４・・・区間出力装置 ２６・・・結論評価装置 ２８・・・可能性表示装置 ３０・・・静的情報量演算装置 ３２・・・明瞭性演算装置 ３４・・・明瞭性記憶装置 ３６・・・明瞭性加算装置 ３８・・・明瞭性表示装置
Claims (2)
- １．事象に対して各結論毎に与えられた特性関数を用い
て近似推論を行う近似推論装置に於て、区間入力を取り
込み、該区間入力に応じた複数個の事象値入力を出力す
る区間入力手段と、前記区間入力装置が出力する複数個
の事象値入力の各々に応じて近似推論を行い、各近似推
論毎に可能性についての推論結果を生じる推論手段と、
前記推論手段より前記区間入力に応じた複数個の推論結
果を与えられ、該複数個の推論結果から結論の可能性の
範囲を検出し、これを出力する区間出力手段と、 を有していることを特徴とする近似推論装置。 - ２．事象に対して各結論毎に与えられた特性関数を用い
て近似推論を行う近似推論装置に於て、区間入力を取り
込み、該区間入力に応じた複数個の事象値入力を出力す
る区間入力手段と、前記区間入力装置が出力する複数個
の事象値入力の各々に応じて近似推論を行い、各近似推
論毎に可能性についての推論結果を生じる推論手段と、
前記推論手段より前記区間入力に応じた複数個の推論結
果を与えられ、該複数個の推論結果から結論の可能性の
範囲を検出し、これを出力する区間出力手段と、 前記区間出力手段が出力する結論の可能性の範囲を基に
して結論の評価を行う結論評価手段と、を有しているこ
とを特徴とする近似推論装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19864890A JP3211242B2 (ja) | 1990-07-26 | 1990-07-26 | 近似推論装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19864890A JP3211242B2 (ja) | 1990-07-26 | 1990-07-26 | 近似推論装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0484220A true JPH0484220A (ja) | 1992-03-17 |
| JP3211242B2 JP3211242B2 (ja) | 2001-09-25 |
Family
ID=16394711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19864890A Expired - Fee Related JP3211242B2 (ja) | 1990-07-26 | 1990-07-26 | 近似推論装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3211242B2 (ja) |
-
1990
- 1990-07-26 JP JP19864890A patent/JP3211242B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP3211242B2 (ja) | 2001-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Sustainable supply chain evaluation: A dynamic double frontier network DEA model with interval type-2 fuzzy data | |
| Perelman | R&D, technological progress and efficiency change in industrial activities | |
| Das et al. | Chaotic analysis of the foreign exchange rates | |
| Barzilai | Notes on the analytic hierarchy process | |
| JP3211241B2 (ja) | 近似推論装置 | |
| Fael et al. | A first glance to the kinematic moments of B→ Xcℓν at third order | |
| JPH0934720A (ja) | 知識取引システム | |
| KR950004250B1 (ko) | 근사 추론 장치 | |
| Wang et al. | Measuring multimodal mathematical reasoning with math-vision dataset | |
| Bradshaw | A proof of the meyniel conjecture for abelian cayley graphs | |
| JPH0484220A (ja) | 近似推論装置 | |
| Yu et al. | Blockchain crowdfunding projects evaluation using GRA-TOPSIS | |
| Gorsuch | Data analysis of correlated independent variables | |
| Gim et al. | A study on the building of a new “output–output model” and its usefulness: based on a comparative analysis of the input–output model | |
| Sherman | Targeting democracies: Regime type and America’s “aggressively unilateral” trade policy | |
| Gil‐Alana et al. | Estimation and testing of ARFIMA models in the real exchange rate | |
| Chambers et al. | Dimension inference in spreadsheets | |
| JPH0484221A (ja) | 近似推論装置 | |
| Hartvigsen | Representing the strengths and directions of pairwise comparisons | |
| JPH08286922A (ja) | ファジィ・ニューラルネットワーク装置 | |
| Harir et al. | Existence and uniqueness of a fuzzy solution for some fuzzy neutral partial integro-differential equation with nonlocal conditions | |
| JP3049738B2 (ja) | 近似推論装置と人間とのインターフェイス装置 | |
| Haynes | Competition for national forest timber in the Northern, Pacific Southwest, and Pacific Northwest Regions | |
| Guo et al. | An Integrated Slacks‐Based Measure of Super‐Efficiency with Input Saving and Output Surplus Scaling Factors and its Application in Paper Chemical Mills | |
| EP0537350A1 (en) | Approximate inference system, input device for approximate inference and device for creating membership function |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080719 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080719 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090719 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |