JPH0484331A - 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 あらかじめ設定された事象と結論との関係を表わす知識
ベースに新たな知識を入力することが可能である。入力
された新たな知識によって、既に設定されている同一事
象と結論に関する知識を修正すべきか、または入力され
た新たな知識は既に設定されているものとは事象と結論
の関係において異なるので追加すべき知識として位置づ
けるべきかが判定される。この判定結果に応じて知識ベ
ースの修正または新たな知識の知識ベースへの追加が行
なわれる。このように修正または知識が追加された知識
ベースに基づいて各結論の可能性、各事象の静的情報量
、結論ごとの各事象の明瞭性、結論ごとに加算された明
瞭性が再演算される。

発明の背景 技術分野 この発明は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、　Ｚｈａｎｇ）１ｏｎｇｍｉｎ
　　”ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＷＩＴＨＴ
ＨＩＮＫＩＮＧ　ＩＮＩＭＡＧＥＳ’、　Ｐｒｅｐｒｉ
ｎｔｓ　ｏｆ　５ｅｃｏｎｄ　ＩＦＳＡ　Ｃｏｎｇｒｅ
ｓｓ。

Ｔｏｋｙｏ、　Ｊｕｌｙ　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１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、このような従来の近似推論方式において
は、知識データの追加または修正を行なうには、知識ベ
ースの一部分だけを修正することができないため知識ベ
ースを全て作り直さなければならない。このため、知識
ベースの修正に時間がかかるという問題があった。また
、そのために知識ベースの保守が困難であるという問題
があった。

発明の概要 発明の目的 この発明は近似推論のための知識ベースの修正または知
識ベースへの新たな知識の追加を容易に可能とすること
を目的とする。

発明の構成１作用および効果 この発明による近似推論装置は、既に設定されている事
象と結論との関係を表わす知識を記憶する知識記憶手段
、同一の事象と結論について合成された知識を記憶する
合成後知識記憶手段、新たに入力された知識を記憶する
入力知識記憶手段。

上記入力知識記憶手段に記憶されている知識を上記知識
記憶手段または合成後知識記憶手段に記憶されている知
識と比較し、上記合成後知識記憶手段に記憶されている
合成後知識を修正すべきかどうかを判定する比較手段、
および上記知識記憶手段に記憶されている同一の事象と
結論についての知識を合成するとともに、上記比較手段
によって修正すべきと判定されたときに、同一の事象と
結論についての合成後知識と新たに入力された知識とを
再合成する知識合成／修正手段、を備え、上記知識合成
／修正手段により再合成された知識によって同一の事象
と結論についての上記合成後知識記憶手段における合成
後知識を更新することを再演算する。

上記比較手段はさらに、上記入力知識記憶手段に記憶さ
れている知識が上記知識記憶手段または合成後知識記憶
手段に記憶されている知識と事象および結論の関係にお
いて異なるものであるときに、上記入力知識記憶手段の
知識を追加すべきものであると判定する。そして、上記
知識合成／修正手段は、追加すべきものと判定された知
識が同一の事象と結論について２つ以上ある場合にこれ
らを合成して上記合成後知識記憶手段に記憶させる。

この発明によると、入力された新たな知識が既に存在す
る知識ベース内の知識と比較され、事象と結論とが同一
の知識がある場合には入力された新たな知識を用いて知
識ベース内の対応する（事象と結論の組合せが同一の）
知識が修正される。

また入力された知識の事象と結論との組合せと同じ組合
せの知識が知識ベース内に存在しない場合には、入力さ
れた新たな知識が知識ベースに追加される。

このようにしてこの発明によると、入力された新たな知
識に対応する（事象と結論の組合せが同一である）知識
ベース内の知識のみが修正されるので、または新たな知
識が知識ベースに追加されるだけであるので、知識ベー
スの修正、追加が容易であり、その保守も容易である。

さらにこの発明によると、上記比較手段によって複数の
知識が比較され、比較結果に応じて知識の合成が行なわ
れるので、複数の専門家が別個に作成した知識を合成す
ることが可能となる。とくにこの場合に、上記比較手段
に知識を表現する用語を統一する手段を備えるようにす
ると、複数の専門家が作成した知識が異なる用語を用い
て表現されていたとしてもこれらを統一的に合成するこ
とが可能となる。

上記比較手段による比較結果を表示する表示手段と、専
門家の判断を入力するための入力手段とをさらに設ける
とよい。そして、上記比較手段において、上記入力手段
からの入力に応答して上記判定を行なわせるようにする
。これにより、比較結果を専門家に判断させることがで
きるので、より正しい知識の合成が可能となる。

この発明による近似推論装置は、事象入力データを上記
合成後知識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を備え
ている。この近似推論手段は、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。

上記合成後知識記憶手段に記憶されている知識が修正ま
たは追加されたときには、上記近似推論手段は修正また
は追加後の知識に基づいて再演算を行なう。これにより
修正または追加された知識を考慮した結論が得られる。

上記近似推論装置はさらに、上記合成後知識に基づいて
各事象の静的情報量を演算する静的情報量演算手段をさ
らに備えている。事象の静的情報量によって、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。

上記静的情報量演算手段は２合成後知識の修正または追
加があったときに、修正または追加された知識に関して
各事象の静的情報量を再演算する。

上記近似推論装置は、さらに上記静的情報量演算手段に
より算出された静的情報量を用いて結論ごとに各事象の
明瞭性を演算する明瞭性演算手段を備えている。

上記明瞭性演算手段は１合成後知識の修正または追加が
あったときに、再演算により得られた静的情報量を用い
て明瞭性を再演算する。

上記近似推論装置はさらに、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を演算する加算手
段を備えている。

結論ごとに加算された明瞭性によりその結論の信頼性の
判断が可能となる。

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
。近似推論手段は、知識記憶装置１１．知慮合成／修正
装置１２１合成後知識記憶装置１３．事象値入力装置１
４．適合度演算装置１５．動的情報量演算装置１８．可
能性演算装置】７．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．追加／修
正知識記憶装置３１．知識比較装置３２および表示兼入
力装置３３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、たとえば設計段階等
で前もって、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’ｌｌに記憶されている２名の専門家ｅｘ
ｔ　、　ｅｘ２の知識の例を規則の形式で以下に示す。

専門家ｅｘｌ　： Ｉｆ’　　２０≦ｆ１≦６０，０≦ｆ２≦４０．　ｔｈ
ｅｎ　　ｃｌ−（１）１ｆ４０≦ｒ１≦ｇｏ、　ｅｏ≦
ｆ２≦１００．ｔｈｅｎ　　ｅ２＝（２）ｉｆ　　３０
≦ｆ１≦５０．　１０≦ｆ２≦３０．　　ｔｈｅｎ　　
ｃｌ−（３）１ｆ　５０≦ｆ１≦７０．　７０≦ｆ２≦
９０．　　ｔｈｅｎ　　ｃ２−（４）ｆｌ、　ｆ２は事
象であり、これらをそれぞれ事象１、事象２と呼ぶこと
がある。ｃｌ、　ｅ２は結論であり、これらをそれぞれ
結論１．２と呼ぶことがある。

また、ａ≦ｆ１≦ｂのように表わされたａ、ｂ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。

第１表 専門家ｅｘ２　： 第２表 （３）知識合成／修正装置（その１） 知識合成／修正装置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。またこの知識合成／修正装置】２は後
述するように、知識比較装置３２における判定結果に応
じて、追加／修正知識記憶装置３１に記憶された知識を
用いて、既に合成された知識を修正する機能、および追
加／修正知識記憶装置３１に記憶された知識を合成する
機能をもつ。

まず知識記憶装Ｍ１１に記憶された知識の合成について
説明する。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。知識の合成は結論と事象の組合せが同一の複数の知
識について行なわれる。

上述した２名の専門家の事象ｆ１から結論ｃｌ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（３）式）から、事象１　
（ｒｌ）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　：　ｉｆ　　２０≦ｆ１≦８０　　ｔｈ
ｅｎ　　ｃｌ−（５）専門家ｅｘ２　：ｉｆ　　３０≦
ｒ１≦５０　　ｔｈｅｎ　　ｃｌ−１６）最小値の平均
値ｍ、および最大値の平均値１ｎ 最小値の標準偏差σ　、および、最大値の標準１ｎ 偏差σ　　が算出される。

ＩａＸ 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）弐〜第（４）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。

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”ｌａＸ’ｉｎ 最小値の標準偏差σ　　、最大値の標準偏差■１ｎ σ　　を用いて、メンバーシップ関数は次式によＩａＸ り表わされる。

・・・（１１） 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１１ｎ　　　　　　　　
　　ＩａＸ れ、傾きはσ　、　またはσ　　によって決定され１１
ｎ　　　　　　　　　　　　ｌａＸる。

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、第（７）式から第（１０）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（１１）式は次のようになる
。

項を、第３ｂ図は第（１１）式または第（１２）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（１１）式または第（１２）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ｒｉ、　ｒｚについて、結論ｃｌ、　ｃ２を求めるた
めのメンバーシップ関数の例を、第４ａ図および第４ｂ
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材なう必要はな
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（。そして推論の都度二の記憶装置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。

合成後知識記憶装置１３はまた。動議合成／修正装置１
２によって修正された合成後知識および追加された合成
後知識も同じように記憶する。

（５）追加／修正知識記憶装置 この発明では知識記憶装置１１に記憶された専門家の知
識に加えて、新たな知識を後日（たとえば設計後に）入
力することができる。このように新たに入力された知識
は追加／修正知識記憶装置３１に記憶される。

たとえば次のような事象１と結論１との関係を表わす専
門家の知識が追加されたとする。

専門家ｅｘ３　： ｉｆ　　１０≦ｆｌ≦７０．　ｔｈｅｎ　　ｃｌ　　　
　　　　−（１３）このような知識もまた第１表または
第２表に示すような形式で記憶装置１３に記憶される。

専門家の知識はまた他の形式、たとえば次のような言語
表現によっても入力可能である。

もし　モータが熱いならば、・・・　　　　・・・（１
４）もし　モータの温度が高いならば、・・・　・・・
（１５）このような言語表現で入力された知識も所定の
コードに変換されて記憶装置３１に記憶される。

「熱い」、「温度が高い」等の意味する温度範囲、たと
えば６０℃〜９０℃という情報も一緒に入力されかつ記
憶される。

（６）知識比較装置 知識比較装置３２は知識記憶装置１１に記憶されている
知識と追加／修正知識記憶装置３１に記憶されている知
識とを比較する装置であり、追加／修正知識記憶装置３
１に新たに記憶された知識を構成する事象と結論との組
合せについて、これと同一の組合せの知識が知識記憶装
！′１１に記憶されているかどうかを調べ１合成後知識
記憶装置１３に記憶されている合成後知識を修正するか
、上記新たに記憶された知識を合成後知識記憶装置１３
に追加するかを判定する。

たとえば第（１３）式で表わされる事象ｒｔと結論ｃ１
に関する新たな知識が追加／修正知識記憶装置３１に記
憶されていたとすると、これと同一事象、同一結論に関
する知識が知識記憶装２１１に記憶されているかどうか
を調べる。先に述べたように、知識記憶装置１１には第
（５）式および第（８）式で表わされる事象ｆｌと結論
ｃ１に関する知識が記憶されているから、これらを合成
して得られた第３表に示す合成後知識のうち事象ｒ１と
結論ｃ１に関する部分の修正が必要であると判定される
。

追加／修正知識記憶装置３１に記憶されている知識と同
一事象３同一結論に関する知識が知識記憶装置１１に記
憶されていなければ、これは全く新しい知識であるから
、必要であれば同様な知識を合成の上１合成後知識記憶
装置１３に追加記憶すべきであると判定される。

追加／修正知識記憶装置３１に記憶されている知識と全
く同一の知識が知識記憶装置ＦＩＩに記憶されていた場
合には、これを第三の専門家の知識と考えれば合成後知
識を修正すべきであると判定され、単なる重複であると
考えれば修正は不要であると判定される。このような場
合にはその旨を表示兼入力装置３３に表示し、専門家の
判断を待つつそして、装置３３から入力された専門家の
判断にしたがって最終的な判定を行なうとよい。

追加／修正知識記憶装置３１に記憶されている知識を合
成後知識記憶装置１３に記憶されている知識と比較する
ようにしてもよい。

知識比較装置３２はまた。上記表現（１４）、　　（１
５）に示されたような言語によって表わされた知識を比
較することもできる。この場合、異なる用語が用いられ
ていた場合には、それらが同じ内容を意味しているとき
にはこれを統一する。

このような機能を実現する知識比較装置３２は第６図に
示すように、知識の言語表現の構文解析部４１、キーワ
ード辞書部４２およびキーワード比較部４３を備えてい
る。

構文解析部４１は、上記表現（１４）、　（１５）等の
知識を表わす言語表現の構文を解析する。たとえば上記
表現（１４）の事象を表わす部分は「モータ」と「熱い
」とに分解され１表現（１５）は「モータ」と「温度が
高い」に分解される。「モータ」が同一であるからこれ
らの表現（Ｉ４）と（１５）は相互に関連があると判定
される。

キーワード辞書部４２は第７ａ図、第７ｂ図に示すよう
に、相互に関連するキーワードを関連づけて記憶してい
る。第７ａ図において、キーワード「温度」と、キーワ
ード「つめたい」、「あたたかい」、「熱い」、「温度
が高い」等とが類似のものとして双方向から検索できる
ような構造で記憶されている。「温度」をインデックス
として「つめたい」、「熱い」等を検索でき、「熱い」
をインデックスとして「温度」を引出すことができる。

第７ｂ図は速度に関するキーワードの例を示している。

キーワード比較部４３は構文解析部４１から与えられる
「熱い」と「温度か高い」とか類似かどうかを辞書部４
２の内容を参照して判断する。類似であると判断したと
きにはその旨を表示兼入力装置３３に表示し、専門家の
判断を待つ。専門家はこれらの異なる用語を統一すべき
と考えた場合にはその旨を入力するので、「熱い」と「
温度か高い」とがいずれか一方の用語に、または第三の
用語に統一される。このようにして、上記表現（１４）
、　　（１５）のように言語表現が異なっていても事象
に関して意味内容が同じであるならばこれらの表現が統
一される。このようにして統一されたのち、上述の方法
と全く同じようにして知識記憶装置１１に記憶されてい
る知識との比較が行なわれる。なお。

「熱い」等の温度範囲も入力されているから、知識の比
較においては温度範囲を示す数値が用いられよう。

「モータ」と「電動機」等の異なる表現で同じ意味の場
合も同様である。また、結論を表わす言語表現について
も同じである。

り７）知識合成／修正装置（その２） 知識比較装置３２において、新たな知識によって合成後
知識を修正すべきであると判定されたときに１知識合成
／修正装置１２は、上述した知識合成と同じ方法により
対応する合成後知識を修正する。

たとえば第（１３）式で表わされる知識が新たに与えら
れた場合には、第（５）式および第（６）式にょる合成
後知識は次のように修正される。

３人の専門家ｅｘｌ　、　ｅｘ２およびｅｘａの知識の
最小値の平均値ｍ　、　および最大値の平均値”　Ｉａ
Ｘｉｎ が算出される。

２０＋　３０＋１０ ｍ、−−２０・・・（１６〉 １ｎ　　　　　　３ 最小値の標準偏差σ　。

ＷＩｎ 偏差σ　　が算出される。

ａｘ および、最大値の標準 したがって、第３表の合成後知識は次のように修正され
て記憶される。　　　　　（以下、余白）第４表 事象ｆ１と結論Ｃ１とに関する合成後知識のみか修正さ
れている。このような修正された合成後知識は合成後知
詭記憶装置１３に記憶される。すなわち、先に記憶され
ていた合成後知識（たとえば第３表）か修正された合成
後知識（たとえば第４表）によって更新される。

知識比較装置３２によって追加すべきと判定された同一
事象、同一結論に関する知まが２つ以上ある場合には、
これらも同じように合成されて合成後知識記憶具ｔｘ３
に記憶される。追加すべきと判定された知識が１つの場
合にはそのまま装置１３に記憶される。

以下は、第３表に示された修正前の合成後知識を用いて
主に説明が行なわれ、必要に応じて第４表のように修正
された場合について言及する。

（８）事象値入力装置 事象値入力装置１４はキーボード１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
のデータか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。

事象データは確定値のみならす言語値やメンバーシップ
関数で与えてもよい。

（９）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（１１）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（でもよい。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演算により
適合度が算出されよう。

（１０）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ｘｌ、事象ｆ２の事象値
をＸ２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１□　　
１２’　　２１’　　ｍ２２を次のように定める。

ｍｌ、：入力データｘ１の結論ｃ１に対する適合度ｍ１
２：入力データｘ１の結論ｃ２に対する適合度ｍ２１．
入力データｘ２の結論ｃｌに対する適合度ｍ２２：入力
データｘ２の結論ｃ２に対する適合度これらの適合度は
入力データｘｉ、　ｘ２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。

二のファジィ・エントロピは、情報識別能力の指標の一
種で、入力データｘ１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。つまり、入力データｘ
ｉの結論ｃ１に対する適合度ｍ１、と入力データｘｉの
結論ｃ２に対する適合度ｍ１２との差が大きいほど小さ
い値となり、差が小さいほど大きい値となる。

同じようにして、入力ｘ２が与えられたときのファジィ
・エントロピＥｆ２は次式によって与えられる。

ファジィ・エントロピＥｒ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 この例では、事象１　（ｆｌ）上の結論数は２　（ｃｌ
。

ｃ２）であるので、ファジィ中エントロピＥｆの最大値
は、　　ｌｏｇ（２）となる。

次に、このファジィ・エントロピＥｆｌ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Ｉｆ］　（
ＸＩ）を求める。ここで、動的情報量ＩｆｌＤ（ｘｉ）
とは、推論を行なうときにおける結論を確定するだめの
事象の識別能力で、入力データｘ１の結論Ｃ１に対する
適合度”ＩＩと入力データｘ１の結論Ｃ２に対する適合
度ｍ１２の差か大きいほど大きい値をとり、差が小さい
ほど小さい値となるものとする。

そこで、事象ｆ１についての動的情報量１ｒｌｐ（ｘｉ
）を、最大ファジィ・エントロピから、入力データｘ１
が与えられたときのファジィ・エントロピＥｆｌを引い
たものと定義する。

同じように、事象ｆ２について入力データｘ２が与えら
れたときの動的情報量を次のように定義す動的情報ｉ＃
演算装置Ｉ６は、適合度演算装置１５で得られた適合度
を用いて、第（２２）式および第（２３）式にしたがっ
て事象ごとに動的情報量を算出する。

合成後知識記憶装置１３における合成後知識が修正され
たときには修正された合成後知識に基づいて動的情報量
が算出される。

動的情報量は上述のように入力データｘｉ、　ｘ２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。たとえば、
事象１についての静的情報量は次式で与えられる。

Ｉｆｌｓ−ｌｏｇ（２） 諭Ｃ１に対する適合度 ｍ　１２（ｘ）　　：事象ｆ１についての入力データＸ
の結論ｃ２に対する適合度 ｍ２１（ｘ）　　：事象ｆ２についての入力データＸの
結論Ｃ１に対する適合度 ｍ２２（ｘ）　　：事象ｆ２についての入力データＸの
結論ｃ２に対する適合度 ・・・（２４） 同じように事象２についての静的情報量は次式％式％ ：事象ｆ１についての入力データＸの結においで、Ｘを
δ間隔で変化 させ、それぞれのＸについて のファジィ・エントロピを計 算して、それらの平均を求め る演算　（ただし０くδ≦１００） 第（２４）式および第（２５）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か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
りか小さいほど、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。

静的情報量演算装置１９は１合成された知識直こより得
られるメンバーシップ関数から、上述した第（２４）式
および第（２５）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。

合成後知識記憶装置１３の合成後知識が修正されたとき
には修正された事象についてのみ静的情報量の再演算が
行なわれる。

（１１）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各重みは次のよ
うになる。

結論１に対する事象１の重み：　Ｗｆｕ　−ＩＮ、　（
ｘｉ）／　［Ｉｆ’１ａ（ｘｉ）　＋Ｉｒ２ｐ（ｘ２）
］　　　・・・（２Ｇ）結論１に対する事象２の重み：
　　％Ｖ　ｆ１２１ｒ２　（Ｘ２）／　［ｒｆｌＤ（ｘ
ｉ）＋Ｉｆ２Ｄ（ｘ２）］　　　−（２７）結論２に対
する事象１の重み：Ｗｆ２□−ｌｆ’ｌ　　（ＸＩ）／
　　Ｅ　ＪｆｌＤ（ｘｉ）＋　　Ｊｆ’２Ｄ（ｘ２）コ
　　　・　（２８）結論２に対する事象２の重み：Ｗｆ
２゜−ＩＦ５　（ｘ２）／　［ｌｆｌ　（ｘｉ）＋Ｉｆ
２ｏ（Ｘ２）］　　　−（２９）Ｄ　　　　　　　　　
　　Ｄ 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、結論の可能性として
算出する。

たとえば上記の例では 結論１の可能性−ｗｆ　　Ｘｍ　　＋ｗｆ　　Ｘｍ　　
　　　−（３０）結論２の可能性−ｗｆ　　ｘｍ　　＋
ｗｆ　　Ｘｍ　　　　　＝　（：Ｈ）となる。

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。

合成後知識記憶装置１３の合成後知識か修正されたとき
には修正された合成後知識に基づいて可能性が算出され
る。

（１２）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。

（１３〉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、ある結論の可能性を評価するための、
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。明瞭性の算出法について以下に述べる
。

まず、結論および事象と静的情報量の関係を第５表に示
す。　　　　　　　　　　（以下、余白）第５表 第５表から分るように静的情報量によっても。

各結論を確定するための複数の事象の識別能力を比較す
ることはできる。しかし、このままでは相対的な識別能
力が直観的に分りにくいので、下表に示すように各結論
ごとに静的情報量を正規化して、その正規化した値を各
結論ごとの各事象の明瞭性ｃ４とする。

第６表 ただし。

ＣＩＩｆ　−Ｃρ１゜−Ｉｎ８／　（Ｉｆｆｓ＋　Ｉｆ
２８）ＣＮ、　−（Ｊ１２２−１ｒ２ｓ／　（Ｉｆｆｓ
＋　Ｉｆ２ｓ）である。

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。

合成後知識記憶装置１３の合成後知識が修正されたとき
には修正された知識に関係する範囲で明瞭性が再演算さ
れる。

（１４）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。

（１５）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。

推論結果に対する明瞭性は次のようにして算出される。

ａ）事象１　（ｆｌ）のみについてデータが入力された
場合 結論１　（ｃｌ）の推論結果に対する明瞭性ｃｐ、−”
１１ ・結論２　（ｃ２）の推論結果に対する明瞭性Ｃ４）２
−”１２ ｂ）事象２　Ｃｆ２）のみについてデータか入力された
場合 ・結論１　（ｃｌ）の推論結果に対する明瞭性Ｃ，Ｃ，
−・推論２　（ｃ２）の推論結果に対する明瞭性ＣΩ２
−”２２ Ｃ）事象１　（ｆｌ）および事象２　（ｆ’２）の両方
についてデータ入力された場合 ・結論１　（ｃｌ）の推論結果に対する明瞭性ＣΩ１−
ＣＤ　　＋　ＣＤ２．−１．０ ・結論２　（ｃ２）の推論結果に対する明瞭性ｃｎ２−
Ｃ１ｌ　　＋Ｃ１１２２−１，，０ 推論結果の明瞭性Ｃｇのとり得る範囲は。

０．０≦Ｃｇ≦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１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
。

（１６）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。

上述した各装置１１〜２３．３１〜３３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１５．１８．１７．１９．２０．２２．３２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】

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図および第４ｂ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図および第５ｂ図は適合度を求める様子を示すグ
ラフである。 第６図は知識比較装置の構成の一例を示す機能ブロック
図である。 第７ａ図および第７ｂ図はキーワード辞書の一例を示す
図である。 １１・・・知識記憶装置。 １２・・・知識合成／修正装置。 Ｉ３・・・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 ３１・・・追加／修正知識記憶装置。 ３２・・・知識比較装置 ３３・・・表示兼入力装置。 以 特許出願人　　オムロン株式会社 代　　理　　人　　　弁理士　　牛　　久　　健　　司
第２図 ｍ　ｍ　ｉ　ｎ ｍＯＸ 第４ａ図 事象ｆ１ 第４ｂ図 事象ｆ２ ２゜ Ｑ ｒす Ｕ 第５Ｃ図 事象ｆ１ 第５ｂ図 録ｆ２ 第 図 第 ａ 図 第 ｂ 図

Claims (13)

【特許請求の範囲】
1. （１）既に設定されている事象と結論との関係を表わす
   知識を記憶する知識記憶手段，同一の事象と結論につい
   て合成された知識を記憶する合成後知識記憶手段， 新たに入力された知識を記憶する入力知識記憶手段， 上記入力知識記憶手段に記憶されている知識を上記知識
   記憶手段または合成後知識記憶手段に記憶されている知
   識と比較し，上記合成後知識記憶手段に記憶されている
   合成後知識を修正すべきかどうかを判定する比較手段，
   および 上記知識記憶手段に記憶されている同一の事象と結論に
   ついての知識を合成するとともに，上記比較手段によっ
   て修正すべきと判定されたときに，同一の事象と結論に
   ついての合成後知識と新たに入力された知識とを再合成
   する知識合成／修正手段，を備え， 上記知識合成／修正手段により再合成された知識によっ
   て同一の事象と結論についての上記合成後知識記憶手段
   における合成後知識を更新する，近似推論装置。
2. （２）上記比較手段は，上記入力知識記憶手段に記憶さ
   れている知識が上記知識記憶手段または合成後知識記憶
   手段に記憶されている知識と事象および結論の関係にお
   いて異なるものであるときに，上記入力知識記憶手段の
   知識を追加すべきものであると判定する，請求項（１）
   に記載の近似推論装置。
3. （３）上記知識合成／修正手段は，追加すべきものと判
   定された知識が同一の事象と結論について２つ以上ある
   場合にこれらを合成して上記合成後知識記憶手段に記憶
   させる，請求項（２）に記載の近似推論装置。
4. （４）上記比較手段による比較結果を表示する表示手段
   と， 専門家の判断を入力するための入力手段とを備え， 上記比較手段は上記入力手段からの入力に応答して上記
   判定を行なう， 請求項（１）または（２）に記載の近似推論装置。
5. （５）上記比較手段は知識を表現する用語を統一する手
   段を備えている，請求項（１）または（２）に記載の近
   似推論装置。
6. （６）事象入力データを上記合成後知識記憶手段に記憶
   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を備えている請求項（１）から（
   ５）のいずれか１項に記載の近似推論装置。
7. （７）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（６）に記載の近似推論装置。
8. （８）上記合成後知識記憶手段に記憶されている知識が
   修正または追加されたときに上記近似推論手段は修正ま
   たは追加後の知識に基づいて再演算を行なう，請求項（
   ６）に記載の近似推論装置。
9. （９）上記合成後知識に基づいて各事象の静的情報量を
   演算する静的情報量演算手段をさらに備えた請求項（１
   ）から（８）のいずれか１項に記載の近似推論装置。
10. （１０）上記静的情報量演算手段は，合成後知識の修正
    または追加があったときに，修正または追加された知識
    に関して各事象の静的情報量を再演算する請求項（９）
    に記載の近似推論装置。
11. （１１）上記静的情報量演算手段により算出された静的
    情報量を用いて結論ごとに各事象の明瞭性を演算する明
    瞭性演算手段を備えている請求項（９）または（１０）
    に記載の近似推論装置。
12. （１２）上記明瞭性演算手段は，合成後知識の修正また
    は追加があったときに，再演算により得られた静的情報
    量を用いて明瞭性を再演算する請求項（１１）に記載の
    近似推論装置。
13. （１３）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
    結論ごとの明瞭性を演算する加算手段，を備えた請求項
    （１１）または（１２）に記載の近似推論装置。