JPH07121374A - ファジィ推論装置 - Google Patents
ファジィ推論装置Info
- Publication number
- JPH07121374A JPH07121374A JP5263872A JP26387293A JPH07121374A JP H07121374 A JPH07121374 A JP H07121374A JP 5263872 A JP5263872 A JP 5263872A JP 26387293 A JP26387293 A JP 26387293A JP H07121374 A JPH07121374 A JP H07121374A
- Authority
- JP
- Japan
- Prior art keywords
- fuzzy
- rule
- rules
- membership function
- reliability
- 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.)
- Withdrawn
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 複数のファジィルールを合成できるファジィ
推論装置を提供する。 【構成】 複数のエリア（１０−１）、（１０−２）、
（１０−３）、・・・（１０−ｎ）内にある既存の設備
（１１−１）、（１１−２）、（１１−３）・・・（１
１−ｎ）の有する各知識（ファジィルール）（１２−
１）、（１２−２）、・・・（１２−ｎ）を、知識合成
部（ファジィルール合成部）２０において収集合成し、
その合成された知識（ルール）を新規設備３０で利用す
る。
推論装置を提供する。 【構成】 複数のエリア（１０−１）、（１０−２）、
（１０−３）、・・・（１０−ｎ）内にある既存の設備
（１１−１）、（１１−２）、（１１−３）・・・（１
１−ｎ）の有する各知識（ファジィルール）（１２−
１）、（１２−２）、・・・（１２−ｎ）を、知識合成
部（ファジィルール合成部）２０において収集合成し、
その合成された知識（ルール）を新規設備３０で利用す
る。
Description
【０００１】
【産業上の利用分野】この発明は、ファジィ推論装置に
関し、特に複数箇所から収集されたファジィルールを合
成することによってファジィ推論を行うファジィ推論装
置に関する。
関し、特に複数箇所から収集されたファジィルールを合
成することによってファジィ推論を行うファジィ推論装
置に関する。
【０００２】
【従来の技術】一般に、ファジィ推論装置は、ｉｆ−ｔ
ｈｅｎ形式のファジィルール（知識）を作成し、そのフ
ァジィルールに基づいてファジィ推論を行っている。
ｈｅｎ形式のファジィルール（知識）を作成し、そのフ
ァジィルールに基づいてファジィ推論を行っている。
【０００３】ところで、ファジィ推論に用いられている
ファジィルールは、一人の専門家による知識を用いるこ
とが多いが、複数の専門家が所有しているファジィルー
ルを合成して、複数の専門家の知識を利用した方がより
適正な結論を得ることができる場合がある。
ファジィルールは、一人の専門家による知識を用いるこ
とが多いが、複数の専門家が所有しているファジィルー
ルを合成して、複数の専門家の知識を利用した方がより
適正な結論を得ることができる場合がある。
【０００４】従来、その方法としては、使用するファジ
ィルールを同一として、専門家毎に使用するメンバシッ
プ関数の形状を変えるか、あるいは複数の専門家毎に異
なるファジィルールに基づいてファジィ推論を行い、推
論された結果を合成するという方法で対応している。
ィルールを同一として、専門家毎に使用するメンバシッ
プ関数の形状を変えるか、あるいは複数の専門家毎に異
なるファジィルールに基づいてファジィ推論を行い、推
論された結果を合成するという方法で対応している。
【０００５】
【発明が解決しようとする課題】しかしながら、上記の
如き方法によると、前者の方法では、ファジィルールを
統一してファジィ推論を行うので、個々の専門家の有す
る知識を充分利用できないという問題点があった。
如き方法によると、前者の方法では、ファジィルールを
統一してファジィ推論を行うので、個々の専門家の有す
る知識を充分利用できないという問題点があった。
【０００６】また、後者の方法では、ファジィ推論を行
うためのファジィルールが多数あって、しかも専門家が
多くなる場合、必然的に推論に用いるファジィルールが
増え、推論結果を得るのに多くの時間を費やすという問
題点があった。
うためのファジィルールが多数あって、しかも専門家が
多くなる場合、必然的に推論に用いるファジィルールが
増え、推論結果を得るのに多くの時間を費やすという問
題点があった。
【０００７】そこで、この発明は、上記問題を解決すべ
くなされたもので、複数の専門家の有する複数のファジ
ィルールを合成でき、しかも推論に要する時間も短縮で
きるファジィ推論装置を提供することを目的とする。
くなされたもので、複数の専門家の有する複数のファジ
ィルールを合成でき、しかも推論に要する時間も短縮で
きるファジィ推論装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の発明は、複数箇所から複数のファジ
ィルールを収集するファジィルール収集手段と、上記収
集されたファジィルールに基づいて複数のファジィルー
ルを合成するファジィルール合成手段と、上記合成され
たファジィルールに基づいてファジィ推論を行うファジ
ィ推論手段と、を有することを特徴とする。
め、請求項１記載の発明は、複数箇所から複数のファジ
ィルールを収集するファジィルール収集手段と、上記収
集されたファジィルールに基づいて複数のファジィルー
ルを合成するファジィルール合成手段と、上記合成され
たファジィルールに基づいてファジィ推論を行うファジ
ィ推論手段と、を有することを特徴とする。
【０００９】請求項２記載の発明は、請求項１記載の発
明において、上記ファジィルール合成手段は、上記ファ
ジィルール収集手段で収集したファジィルールを同一ル
ール毎に選別するファジィルール選別手段と、上記選別
されたファジィルール毎の信頼度を演算する信頼度演算
手段と、を有し、上記演算されたファジィルール信頼度
に基づいてファジィルールを選択することを特徴とす
る。
明において、上記ファジィルール合成手段は、上記ファ
ジィルール収集手段で収集したファジィルールを同一ル
ール毎に選別するファジィルール選別手段と、上記選別
されたファジィルール毎の信頼度を演算する信頼度演算
手段と、を有し、上記演算されたファジィルール信頼度
に基づいてファジィルールを選択することを特徴とす
る。
【００１０】請求項３記載の発明は、請求項２記載の発
明において、上記信頼度演算手段は、上記ファジィルー
ル選別手段で選別された同一ルール毎の選別個数を算出
する同一ルール個数算出手段を有し、算出された選別個
数が多い程高い信頼度が演算されることを特徴とする。
明において、上記信頼度演算手段は、上記ファジィルー
ル選別手段で選別された同一ルール毎の選別個数を算出
する同一ルール個数算出手段を有し、算出された選別個
数が多い程高い信頼度が演算されることを特徴とする。
【００１１】請求項４記載の発明は、請求項２記載の発
明において、上記同一ルール選別個数算出手段は、選別
された同一ルールの各ルールに重み付けをして同一ルー
ルの選別個数を算出することを特徴とする。
明において、上記同一ルール選別個数算出手段は、選別
された同一ルールの各ルールに重み付けをして同一ルー
ルの選別個数を算出することを特徴とする。
【００１２】請求項５記載の発明は、請求項２記載の発
明において、ファジィルール合成手段は、上記信頼度演
算手段で演算されたファジィルールの信頼度が所定値よ
り低い場合は、該ファジィルールを合成対象から除外す
ることを特徴とする。
明において、ファジィルール合成手段は、上記信頼度演
算手段で演算されたファジィルールの信頼度が所定値よ
り低い場合は、該ファジィルールを合成対象から除外す
ることを特徴とする。
【００１３】請求項６記載の発明は、請求項１記載の発
明において、上記ファジィ推論装置は、上記信頼度演算
手段で演算されたファジィルール信頼度をそのファジィ
ルール前件部の適合度に乗ずることによってファジィ推
論を行うことを特徴とする。
明において、上記ファジィ推論装置は、上記信頼度演算
手段で演算されたファジィルール信頼度をそのファジィ
ルール前件部の適合度に乗ずることによってファジィ推
論を行うことを特徴とする。
【００１４】請求項７記載の発明は、請求項１記載の発
明において、さらに、合成対象となるファジィルールに
使用されるメンバシップ関数を自動生成するメンバシッ
プ関数自動生成手段を有することを特徴とする。
明において、さらに、合成対象となるファジィルールに
使用されるメンバシップ関数を自動生成するメンバシッ
プ関数自動生成手段を有することを特徴とする。
【００１５】請求項８記載の発明は、請求項７記載の発
明において、上記メンバシップ関数自動生成手段は、合
成対象となるファジィルールに使用される同一メンバシ
ップ関数を同一メンバシップ関数毎に選別するメンバシ
ップ関数選別手段と、上記選別された同一のメンバシッ
プ関数毎に、そのメンバシップ関数の適合度が最大とな
る値の最大値平均値および最小値平均値を演算する手段
と、を有し、上記演算された最大値平均値および最小値
平均値をメンバシップ関数適合度が最大となる値の最大
値および最小値とすることを特徴とする。
明において、上記メンバシップ関数自動生成手段は、合
成対象となるファジィルールに使用される同一メンバシ
ップ関数を同一メンバシップ関数毎に選別するメンバシ
ップ関数選別手段と、上記選別された同一のメンバシッ
プ関数毎に、そのメンバシップ関数の適合度が最大とな
る値の最大値平均値および最小値平均値を演算する手段
と、を有し、上記演算された最大値平均値および最小値
平均値をメンバシップ関数適合度が最大となる値の最大
値および最小値とすることを特徴とする。
【００１６】請求項９記載の発明は、請求項７記載の発
明において、上記メンバシップ関数自動生成手段は、隣
り合うメンバシップ関数がある場合、それぞれの最大値
平均値と最小値平均値を結ぶことによって関数補間をす
ることを特徴とする。
明において、上記メンバシップ関数自動生成手段は、隣
り合うメンバシップ関数がある場合、それぞれの最大値
平均値と最小値平均値を結ぶことによって関数補間をす
ることを特徴とする。
【００１７】
【作用】この発明では、複数箇所から複数のファジィル
ールをファジィルール収集手段によって収集し、さらに
それらルールをファジィルール合成手段により合成す
る。
ールをファジィルール収集手段によって収集し、さらに
それらルールをファジィルール合成手段により合成す
る。
【００１８】そして、合成されたファジィルールに基づ
いてファジィ推論手段によって推論が実行される。
いてファジィ推論手段によって推論が実行される。
【００１９】
【実施例】以下、この発明に係るファジィ推論装置の一
実施例を図面に基づいて説明する。
実施例を図面に基づいて説明する。
【００２０】図１は、この発明が適用された実施例の概
略構成を示すブロック図である。
略構成を示すブロック図である。
【００２１】同図に示すように、このファジィ推論装置
は、複数のエリア（１０−１）、（１０−２）、（１０
−３）、・・・（１０−ｎ）内にある既存の設備（１１
−１）、（１１−２）、（１１−３）・・・（１１−
ｎ）の有する各知識（ファジィルール）（１２−１）、
（１２−２）、・・・（１２−ｎ）を、知識合成部（フ
ァジィルール合成部）２０において収集合成し、その合
成された知識（ルール）を新規設備３０で利用するもの
である。
は、複数のエリア（１０−１）、（１０−２）、（１０
−３）、・・・（１０−ｎ）内にある既存の設備（１１
−１）、（１１−２）、（１１−３）・・・（１１−
ｎ）の有する各知識（ファジィルール）（１２−１）、
（１２−２）、・・・（１２−ｎ）を、知識合成部（フ
ァジィルール合成部）２０において収集合成し、その合
成された知識（ルール）を新規設備３０で利用するもの
である。
【００２２】なお、エリア（１０−１）の設備（１１−
１）は、複数の知識（１２−１）、（１２−２）、（１
２−３）を有するのでエリア（１０−１）内の知識合成
部１３でいったん合成し、知識合成部２０に供給するよ
うにしている。
１）は、複数の知識（１２−１）、（１２−２）、（１
２−３）を有するのでエリア（１０−１）内の知識合成
部１３でいったん合成し、知識合成部２０に供給するよ
うにしている。
【００２３】図２は、図１で示したファジィ推論装置の
構成を示する概略ブロック図である。
構成を示する概略ブロック図である。
【００２４】同図に示すように、このファジィ推論装置
は、知識合成部（ファジィルール合成部）２０で合成さ
れた知識を新規設備３０で利用されるように構成され、
知識合成部（ファジィルール合成部）２０は、ファジィ
ルール、メンバシップ関数データ入力部２１、編集ルー
ル選択部２２、ルール合成部２３、合成ルール記憶部２
４を有し、新規設備３０は推論部３１を備えて構成され
ている。
は、知識合成部（ファジィルール合成部）２０で合成さ
れた知識を新規設備３０で利用されるように構成され、
知識合成部（ファジィルール合成部）２０は、ファジィ
ルール、メンバシップ関数データ入力部２１、編集ルー
ル選択部２２、ルール合成部２３、合成ルール記憶部２
４を有し、新規設備３０は推論部３１を備えて構成され
ている。
【００２５】ここで、ファジィルール、メンバシップ関
数データ入力部２１は、上記複数のエリア（１０−
１）、（１０−２）・・・（１０−ｎ）で利用されてい
る複数のファジィルールおよびそのファジィルール中で
使用されているメンバシップ関数データが入力されるも
のである。
数データ入力部２１は、上記複数のエリア（１０−
１）、（１０−２）・・・（１０−ｎ）で利用されてい
る複数のファジィルールおよびそのファジィルール中で
使用されているメンバシップ関数データが入力されるも
のである。
【００２６】編集ルール選択部２２は、上記ファジィル
ール、メンバシップ関数データ入力部２１に入力された
ファジィルール，メンバシップ関数データ中から、後述
する手法で、新規設備３０で使用されるファジィルール
を選択するものである。
ール、メンバシップ関数データ入力部２１に入力された
ファジィルール，メンバシップ関数データ中から、後述
する手法で、新規設備３０で使用されるファジィルール
を選択するものである。
【００２７】ルール合成部２３は、上記編集ルール選択
部２２で選択されたルールの合成を行うもので、その合
成手法は後に詳述する。
部２２で選択されたルールの合成を行うもので、その合
成手法は後に詳述する。
【００２８】ルール記憶部２４は、上記ルール合成部２
３で合成されたルールを記憶するものである。
３で合成されたルールを記憶するものである。
【００２９】推論部３１は、上記ルール記憶部２４に記
憶されているルールに基づいてファジィ推論を行うもの
である。
憶されているルールに基づいてファジィ推論を行うもの
である。
【００３０】図３は、上記編集ルール選択部２２におけ
るファジィルールの選択手法および上記ルール合成部２
３におけるルール合成手法を説明する図である。
るファジィルールの選択手法および上記ルール合成部２
３におけるルール合成手法を説明する図である。
【００３１】同図に示す如く、この実施例では、各専門
家Ｅ（１）、Ｅ（２）、・・・Ｅ（ｎ）毎に、その専門
家が採用しているルール（知識）が列挙されており、例
えば、専門家Ｅ（１）は、ルールＲ（１）、・・・ルー
ルＲ（ｎ）を使用し、専門家Ｅ（２）は、ルールＲ
（１）、ルールＲ（２）、・・・を使用していることが
わかる。
家Ｅ（１）、Ｅ（２）、・・・Ｅ（ｎ）毎に、その専門
家が採用しているルール（知識）が列挙されており、例
えば、専門家Ｅ（１）は、ルールＲ（１）、・・・ルー
ルＲ（ｎ）を使用し、専門家Ｅ（２）は、ルールＲ
（１）、ルールＲ（２）、・・・を使用していることが
わかる。
【００３２】また、同図においては、各ルールがどの専
門家によって使用しているかもわかり、例えばルールＲ
（１）は、専門家Ｅ（１）、Ｅ（２）、Ｅ（３）、・・
・Ｅ（ｎ）が使用し、ルールＲ（２）は、専門家Ｅ
（２）・・・Ｅ（ｎ）が使用していることがわかる。
門家によって使用しているかもわかり、例えばルールＲ
（１）は、専門家Ｅ（１）、Ｅ（２）、Ｅ（３）、・・
・Ｅ（ｎ）が使用し、ルールＲ（２）は、専門家Ｅ
（２）・・・Ｅ（ｎ）が使用していることがわかる。
【００３３】なお、各専門家Ｅ（１）、Ｅ（２）、Ｅ
（３）・・・Ｅ（ｎ）には、０．０〜１．０の範囲であ
らかじめ信頼度が設定されており、さらに、各専門家の
使用しているルールにも、この設定された信頼度で後に
説明する正規化点数算出のための点数が設定されてい
る。
（３）・・・Ｅ（ｎ）には、０．０〜１．０の範囲であ
らかじめ信頼度が設定されており、さらに、各専門家の
使用しているルールにも、この設定された信頼度で後に
説明する正規化点数算出のための点数が設定されてい
る。
【００３４】すなわち、例えば、専門家Ｅ（１）は、信
頼度０．７が設定されているので、従って、専門家Ｅ
（１）の使用するルールＲ（１）およびルールＲ（ｎ）
にも点数０．７が設定されている。
頼度０．７が設定されているので、従って、専門家Ｅ
（１）の使用するルールＲ（１）およびルールＲ（ｎ）
にも点数０．７が設定されている。
【００３５】次に、ルールの選択手法およびその合成手
法について説明する。
法について説明する。
【００３６】各ルールは、同一ルール毎に選別されてお
り、同時にそのルールを使用している専門家の信頼度が
記入されている。
り、同時にそのルールを使用している専門家の信頼度が
記入されている。
【００３７】従って、ルールの選択にあたっては、まず
各ルール毎にそのルールを使用している専門家の信頼度
を加算する。
各ルール毎にそのルールを使用している専門家の信頼度
を加算する。
【００３８】例えば、ルールＲ（１）は、専門家Ｅ
（１）、Ｅ（２）、Ｅ（３）、・・・Ｅ（ｎ）が使用
し、それらの信頼度は０．７、１．０、０．６、・・・
０．９なので、それらを合算する。ルールＲ（１）で
は、合計点数は５０．０となっている。
（１）、Ｅ（２）、Ｅ（３）、・・・Ｅ（ｎ）が使用
し、それらの信頼度は０．７、１．０、０．６、・・・
０．９なので、それらを合算する。ルールＲ（１）で
は、合計点数は５０．０となっている。
【００３９】同様にして、ルールＲ（２）の合計点数
は、３０．０、・・・ルールＲ（ｎ）の合計点数は、２
０．０であることが示されている。
は、３０．０、・・・ルールＲ（ｎ）の合計点数は、２
０．０であることが示されている。
【００４０】従って、次に、合計点数が最大のルールの
正規化点数を１．０として、その他のルールについても
その正規化点数を算出する。
正規化点数を１．０として、その他のルールについても
その正規化点数を算出する。
【００４１】図３に示した例では、ルールＲ（１）の合
計点数が一番大きいので、ルールＲ（１）の正規化点数
を１．０として、その他のルールについては、 （各ルールの合計点数）／（正規化点数１．０のルール
の合計点数） を演算することによって、各ルールの正規化点数を求め
る。
計点数が一番大きいので、ルールＲ（１）の正規化点数
を１．０として、その他のルールについては、 （各ルールの合計点数）／（正規化点数１．０のルール
の合計点数） を演算することによって、各ルールの正規化点数を求め
る。
【００４２】例えば、ルールＲ（２）では、合計点数が
３０．０で、正規化点数１．０のルール（ルールＲ
（１））の合計点数が５０．０なので、３０．０／５
０．０が演算されて、正規化点数０．６が算出される。
３０．０で、正規化点数１．０のルール（ルールＲ
（１））の合計点数が５０．０なので、３０．０／５
０．０が演算されて、正規化点数０．６が算出される。
【００４３】同様にして、ルールＲ（ｎ）では、正規化
点数０．４が算出される。
点数０．４が算出される。
【００４４】以上のようにして、各ルール毎に正規化点
数が求められるわけであるが、この正規化点数が高いほ
ど、そのルールを採用している専門家が多いということ
になり、そのルールの信頼性も高いということができ
る。
数が求められるわけであるが、この正規化点数が高いほ
ど、そのルールを採用している専門家が多いということ
になり、そのルールの信頼性も高いということができ
る。
【００４５】従って、ルール選択に当たっては、閾値を
もたせ、その閾値より低い正規化点数が付いているルー
ルを信頼度の低いルールとして除外することによって、
信頼度の高いルールのみを選択し、それらを合成するこ
とによってファジィ推論をしようとするのが本実施例で
ある。
もたせ、その閾値より低い正規化点数が付いているルー
ルを信頼度の低いルールとして除外することによって、
信頼度の高いルールのみを選択し、それらを合成するこ
とによってファジィ推論をしようとするのが本実施例で
ある。
【００４６】なお、以上の説明では各専門家毎に信頼度
を設定して各ルールの正規化点数を算出したが、単純に
同一ルール毎に採用されているルール個数を算出し、そ
の個数が多いほど信頼度が高いルールとすることもでき
る。
を設定して各ルールの正規化点数を算出したが、単純に
同一ルール毎に採用されているルール個数を算出し、そ
の個数が多いほど信頼度が高いルールとすることもでき
る。
【００４７】図４は、上記推論部３１におけるファジィ
推論の推論方法を説明する図であるが、同図に示すよう
に、上記方法で算出された正規化点数をファジィアルゴ
リズム（ｍｉｎ、乗算法等）の前件部適合度に掛けるこ
とによって推論する。
推論の推論方法を説明する図であるが、同図に示すよう
に、上記方法で算出された正規化点数をファジィアルゴ
リズム（ｍｉｎ、乗算法等）の前件部適合度に掛けるこ
とによって推論する。
【００４８】例えば、ルール（２）の場合、前件部（Ｉ
Ｆ温度＝低い ａｎｄ 湿度＝低い）適合度に、この上
記方法で算出された正規化点数０．６を掛ける。他のル
ールにおいても上記と同様に、各ルールの前件部適合度
にそれぞれの正規化点数を掛ける。
Ｆ温度＝低い ａｎｄ 湿度＝低い）適合度に、この上
記方法で算出された正規化点数０．６を掛ける。他のル
ールにおいても上記と同様に、各ルールの前件部適合度
にそれぞれの正規化点数を掛ける。
【００４９】このように、本実施例では、正規化点数の
高いルール程、すなわち、多くの専門家が採用し、しか
も信頼度の高い専門家が採用しているルール程、大きな
割合でファジィ推論に導入されるので、より信頼度の高
い、妥当性のある結論を得ることができる。
高いルール程、すなわち、多くの専門家が採用し、しか
も信頼度の高い専門家が採用しているルール程、大きな
割合でファジィ推論に導入されるので、より信頼度の高
い、妥当性のある結論を得ることができる。
【００５０】図５は、上記の如くしてファジィルールが
選択合成された場合、各ルール中で使用されるメンバシ
ップ関数を自動生成する手法を説明する図である。
選択合成された場合、各ルール中で使用されるメンバシ
ップ関数を自動生成する手法を説明する図である。
【００５１】いま、「温度が少し高い」というメンバシ
ップ関数を生成する場合について説明する。
ップ関数を生成する場合について説明する。
【００５２】この場合、上記の如くして選択された各ル
ール中で用いられているメンバシップ関数中から、すべ
ての「温度が少し高い」というメンバシップ関数を選び
出す。
ール中で用いられているメンバシップ関数中から、すべ
ての「温度が少し高い」というメンバシップ関数を選び
出す。
【００５３】そして、次には、それらのメンバシップ関
数において、その適合度が最大部分のデータを取り出
す。
数において、その適合度が最大部分のデータを取り出
す。
【００５４】図５（ａ）に示した例では、専門家Ｅ
（１）は、「温度が少し高い」というメンバシップ関数
について、適合度最大部分を、温度１ａから２ａの範囲
で採用していることがわかる。
（１）は、「温度が少し高い」というメンバシップ関数
について、適合度最大部分を、温度１ａから２ａの範囲
で採用していることがわかる。
【００５５】同様に、専門家Ｅ（２）は、適合度最大部
分を温度１ａから２ａの範囲で、また専門家Ｅ（ｎ）
は、温度１ｎから２ｎの範囲で採用している。
分を温度１ａから２ａの範囲で、また専門家Ｅ（ｎ）
は、温度１ｎから２ｎの範囲で採用している。
【００５６】こうして、各専門家の採用している適合度
最大部分のデータが収集されると、次に、図５（ｂ）に
示す如く、その適合度最大部分の最小値および最大値の
平均値を算出する。
最大部分のデータが収集されると、次に、図５（ｂ）に
示す如く、その適合度最大部分の最小値および最大値の
平均値を算出する。
【００５７】すなわち、 平均最小値（ｍｉｎ）＝（１ａ＋１ｂ＋…＋１ｎ）／ｎ
と、 平均最大値（ｍａｘ）＝（２ａ＋２ｂ＋…＋２ｎ）／ｎ を算出する。
と、 平均最大値（ｍａｘ）＝（２ａ＋２ｂ＋…＋２ｎ）／ｎ を算出する。
【００５８】こうして、メンバシップ関数適合度最大部
分における最小値平均値および最大値平均値が得られる
と、図６に示す手法によって関数補間し、メンバシップ
関数を完成させる。
分における最小値平均値および最大値平均値が得られる
と、図６に示す手法によって関数補間し、メンバシップ
関数を完成させる。
【００５９】これは、例えば、メンバシップ関数中、
「温度が少し高い」というメンバシップ関数と、「温度
が高い」というメンバシップ関数というように、温度に
ついての隣り合うメンバシップ関数がある場合に適用さ
れるもので、「温度が少し高い」というメンバシップ関
数の適合度最大部分が、実線ｔ１〜ｔ２の範囲で成立
し、「温度が高い」というメンバシップ関数の適合度最
大部分が実線ｔ３〜ｔ４の範囲で成立していたとする。
「温度が少し高い」というメンバシップ関数と、「温度
が高い」というメンバシップ関数というように、温度に
ついての隣り合うメンバシップ関数がある場合に適用さ
れるもので、「温度が少し高い」というメンバシップ関
数の適合度最大部分が、実線ｔ１〜ｔ２の範囲で成立
し、「温度が高い」というメンバシップ関数の適合度最
大部分が実線ｔ３〜ｔ４の範囲で成立していたとする。
【００６０】すると、「温度が少し高い」というメンバ
シップ関数については、「温度が少し高い」というメン
バシップ関数の適合度最大部分の最大値を示す点ｔ２
と、「温度が高い」というメンバシップ関数の適合度最
大部分の最小値を示す点ｔ６を破線１で結ぶ（関数補
間）ことにより「温度が少し高い」というメンバシップ
関数ＭＦ１を完成させる。
シップ関数については、「温度が少し高い」というメン
バシップ関数の適合度最大部分の最大値を示す点ｔ２
と、「温度が高い」というメンバシップ関数の適合度最
大部分の最小値を示す点ｔ６を破線１で結ぶ（関数補
間）ことにより「温度が少し高い」というメンバシップ
関数ＭＦ１を完成させる。
【００６１】同様に、「温度が高い」というメンバシッ
プ関数については、「温度が高い」というメンバシップ
関数の適合度最大部分の最小値を示す点ｔ３と、「温度
が少し高い」というメンバシップ関数の適合度最大部分
の最大値を示す点ｔ５を破線で結ぶことによってメンバ
シップ関数ＭＦ２を完成させる。
プ関数については、「温度が高い」というメンバシップ
関数の適合度最大部分の最小値を示す点ｔ３と、「温度
が少し高い」というメンバシップ関数の適合度最大部分
の最大値を示す点ｔ５を破線で結ぶことによってメンバ
シップ関数ＭＦ２を完成させる。
【００６２】以上の方法により、各ルールにおいて使用
されるメンバシップ関数が自動的に生成され、上述した
方法によりファジィ推論が実行される。
されるメンバシップ関数が自動的に生成され、上述した
方法によりファジィ推論が実行される。
【００６３】従って、この実施例によれば、複数箇所か
ら複数のファジィルール、メンバシップ関数を、ファジ
ィルール収集手段であるファジィルール、メンバシップ
関数データ入力部２１によって収集し、その収集された
ファジィルールに基づいてルール選択部２２およびルー
ル合成部２３により選択合成し、合成されたファジィル
ールに基づいて推論部３１によってファジィ推論が実行
されるようにしたので、複数の専門家があり複数のファ
ジィルールが存在する場合、複数の専門家の有する複数
のファジィルールを合成でき、しかも推論に要する時間
も短縮できる。
ら複数のファジィルール、メンバシップ関数を、ファジ
ィルール収集手段であるファジィルール、メンバシップ
関数データ入力部２１によって収集し、その収集された
ファジィルールに基づいてルール選択部２２およびルー
ル合成部２３により選択合成し、合成されたファジィル
ールに基づいて推論部３１によってファジィ推論が実行
されるようにしたので、複数の専門家があり複数のファ
ジィルールが存在する場合、複数の専門家の有する複数
のファジィルールを合成でき、しかも推論に要する時間
も短縮できる。
【００６４】
【発明の効果】以上説明したように、この発明によれ
ば、複数箇所から複数のファジィルールをファジィルー
ル収集手段によって収集し、その収集されたファジィル
ールに基づいて、それらをファジィルール合成手段によ
り合成し、ファジィ推論手段によってファジィ推論が実
行されるように構成したので、複数の専門家や既存のル
ールが存在する場合でもそれらルールを合成することが
でき、またルールに用いられるメンバシップ関数も自動
生成することができ、それを再利用することができるの
で新規設備等において改めてルールやメンバシップ関数
を作成する必要がない。
ば、複数箇所から複数のファジィルールをファジィルー
ル収集手段によって収集し、その収集されたファジィル
ールに基づいて、それらをファジィルール合成手段によ
り合成し、ファジィ推論手段によってファジィ推論が実
行されるように構成したので、複数の専門家や既存のル
ールが存在する場合でもそれらルールを合成することが
でき、またルールに用いられるメンバシップ関数も自動
生成することができ、それを再利用することができるの
で新規設備等において改めてルールやメンバシップ関数
を作成する必要がない。
【００６５】また、合成されたルールは複数のルールが
反映されており、より賢いルールを用いたファジィ推論
を行うことができる。さらにルールの信頼度に応じた点
数をつけ、その点数に基づき正規化点数を算出し、ユー
ザの規定する点数より低い点数が付いているルールを除
外して、信頼度の高いルールのみで合成されたルールに
基づき推論を行うことになるので合理的であり、さらに
ルールの前件部に正規化点数を掛けることによって、採
用されるルールの度合いが妥当となり、より信頼度の高
い結果を得ることができる。
反映されており、より賢いルールを用いたファジィ推論
を行うことができる。さらにルールの信頼度に応じた点
数をつけ、その点数に基づき正規化点数を算出し、ユー
ザの規定する点数より低い点数が付いているルールを除
外して、信頼度の高いルールのみで合成されたルールに
基づき推論を行うことになるので合理的であり、さらに
ルールの前件部に正規化点数を掛けることによって、採
用されるルールの度合いが妥当となり、より信頼度の高
い結果を得ることができる。
【００６６】また、この発明によれば、複数のルールの
推論結果を出し、その推論結果をさらに合成する従来の
方法に比し、推論に要する時間が短縮されるなどの効果
を有する。
推論結果を出し、その推論結果をさらに合成する従来の
方法に比し、推論に要する時間が短縮されるなどの効果
を有する。
【図１】この発明が適用された実施例の全体的な構成を
示すブロック図。
示すブロック図。
【図２】図１で示したファジィ推論装置の知識合成部お
よびこの知識合成部で合成されたファジィルールを用い
てファジィ推論を行う構成を示すブロック図。
よびこの知識合成部で合成されたファジィルールを用い
てファジィ推論を行う構成を示すブロック図。
【図３】編集ルール選択部２２におけるファジィルール
の選択手法およびルール合成部２３におけるルール合成
手法を説明する図。
の選択手法およびルール合成部２３におけるルール合成
手法を説明する図。
【図４】推論部３１におけるファジィ推論を説明する
図。
図。
【図５】メンバシップ関数を知識合成部において自動生
成する手法を説明する図。
成する手法を説明する図。
【図６】図５において生成したメンバシップ関数データ
を補間してメンバシップ関数を自動生成する手法を説明
する図。
を補間してメンバシップ関数を自動生成する手法を説明
する図。
（１０−１）、（１０−２）、（１０−３）、・・・
（１０−ｎ） エリア （１１−１）、（１１−２）、（１１−３）、・・・
（１１−ｎ） 設備 （１２−１）、（１２−２）、（１２−３）、（１２−
４）、（１２−５）、・・・（１２−ｎ） 知識（ファ
ジィルール） １３、 エリア知識合成部（エリアルール合成部） ２０ 知識合成部（ファジィルール合成部） ２１ ファジィルール、メンバシップ関数データ入力
部 ２２ 編集ルール選択部 ２３ ルール合成部 ２４ 合成ルール記憶部 ３０ 新規設備 ３１ 推論部 ４０ 合成知識（合成ルール） ＭＦ１ 「温度が少し高い」というメンバシップ関数 ＭＦ２ 「温度が高い」というメンバシップ関数
（１０−ｎ） エリア （１１−１）、（１１−２）、（１１−３）、・・・
（１１−ｎ） 設備 （１２−１）、（１２−２）、（１２−３）、（１２−
４）、（１２−５）、・・・（１２−ｎ） 知識（ファ
ジィルール） １３、 エリア知識合成部（エリアルール合成部） ２０ 知識合成部（ファジィルール合成部） ２１ ファジィルール、メンバシップ関数データ入力
部 ２２ 編集ルール選択部 ２３ ルール合成部 ２４ 合成ルール記憶部 ３０ 新規設備 ３１ 推論部 ４０ 合成知識（合成ルール） ＭＦ１ 「温度が少し高い」というメンバシップ関数 ＭＦ２ 「温度が高い」というメンバシップ関数
───────────────────────────────────────────────────── フロントページの続き (72)発明者 土居 公司 京都府京都市右京区花園土堂町10番地 オ ムロン株式会社内
Claims (9)
- 【請求項１】 複数箇所から複数のファジィルールを収
集するファジィルール収集手段と、 上記収集されたファジィルールに基づいて複数のファジ
ィルールを合成するファジィルール合成手段と、 上記合成されたファジィルールに基づいてファジィ推論
を行うファジィ推論手段と、 を有することを特徴とするファジィ推論装置。 - 【請求項２】 上記ファジィルール合成手段は、 上記ファジィルール収集手段で収集したファジィルール
を同一ルール毎に選別するファジィルール選別手段と、 上記選別されたファジィルール毎の信頼度を演算する信
頼度演算手段と、 を有し、上記演算されたファジィルール信頼度に基づい
てファジィルールを選択することを特徴とする請求項１
記載のファジィ推論装置。 - 【請求項３】 上記信頼度演算手段は、 上記ファジィルール選別手段で選別された同一ルール毎
の選別個数を算出する同一ルール個数算出手段を有し、 算出された選別個数が多い程高い信頼度が演算されるこ
とを特徴とする請求項２記載のファジィ推論装置。 - 【請求項４】 上記同一ルール個数算出手段は、 選別された同一ルールの各ルールに重み付けをして同一
ルールの選別個数を算出することを特徴とする請求項３
記載のファジィ推論装置。 - 【請求項５】 上記ファジィルール合成手段は、 上記信頼度演算手段で演算されたファジィルールの信頼
度が所定値より低い場合は、該ファジィルールを合成対
象から除外することを特徴とする請求項２記載のファジ
ィ推論装置。 - 【請求項６】 上記ファジィ推論装置は、 上記信頼度演算手段で演算されたファジィルール信頼度
をそのファジィルール前件部の適合度に乗ずることによ
ってファジィ推論を行うことを特徴とする請求項１記載
のファジィ推論装置。 - 【請求項７】 請求項１記載のファジィ推論装置であっ
て、 さらに、合成対象となるファジィルールに使用されるメ
ンバシップ関数を自動生成するメンバシップ関数自動生
成手段を有することを特徴とするファジィ推論装置。 - 【請求項８】 上記メンバシップ関数自動生成手段は、 合成対象となるファジィルールに使用される同一メンバ
シップ関数を同一メンバシップ関数毎に選別するメンバ
シップ関数選別手段と、 上記選別された同一のメンバシップ関数毎に、そのメン
バシップ関数の適合度が最大となる値の最大値平均値お
よび最小値平均値を演算する手段と、 を有し、上記演算された最大値平均値および最小値平均
値をメンバシップ関数適合度が最大となる値の最大値お
よび最小値とすることを特徴とする請求項７記載のファ
ジィ推論装置。 - 【請求項９】 上記メンバシップ関数自動生成手段は、 隣り合うメンバシップ関数がある場合、それぞれの最大
値平均値と最小値平均値を結ぶことによって関数補間を
することを特徴とする請求項７記載のファジィ推論装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5263872A JPH07121374A (ja) | 1993-10-21 | 1993-10-21 | ファジィ推論装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5263872A JPH07121374A (ja) | 1993-10-21 | 1993-10-21 | ファジィ推論装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07121374A true JPH07121374A (ja) | 1995-05-12 |
Family
ID=17395420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5263872A Withdrawn JPH07121374A (ja) | 1993-10-21 | 1993-10-21 | ファジィ推論装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07121374A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016211227A (ja) * | 2015-05-08 | 2016-12-15 | キャタピラー エス エー アール エル | 作業機械の制御装置および制御方法 |
| CN116682551A (zh) * | 2023-07-27 | 2023-09-01 | 腾讯科技（深圳）有限公司 | 疾病预测方法、疾病预测模型训练方法和装置 |
-
1993
- 1993-10-21 JP JP5263872A patent/JPH07121374A/ja not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016211227A (ja) * | 2015-05-08 | 2016-12-15 | キャタピラー エス エー アール エル | 作業機械の制御装置および制御方法 |
| US10767345B2 (en) | 2015-05-08 | 2020-09-08 | Caterpillar Sarl | Device and method for controlling work machine |
| CN116682551A (zh) * | 2023-07-27 | 2023-09-01 | 腾讯科技（深圳）有限公司 | 疾病预测方法、疾病预测模型训练方法和装置 |
| CN116682551B (zh) * | 2023-07-27 | 2023-12-22 | 腾讯科技（深圳）有限公司 | 疾病预测方法、疾病预测模型训练方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6014654A (en) | Information filtering apparatus for filtering information for interests of users and a method therefor | |
| Kuo et al. | An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network | |
| Mavrotas | Effective implementation of the ε-constraint method in multi-objective mathematical programming problems | |
| Tan et al. | Evolutionary algorithms with goal and priority information for multi-objective optimization | |
| JP3300584B2 (ja) | 最適化調整方法と最適化調整装置 | |
| Burke et al. | Three methods to automate the space allocation process in UK universities | |
| JPH07121374A (ja) | ファジィ推論装置 | |
| EP0385637A2 (en) | Learning machine with multi-input single output circuits connected in hierarchical structure | |
| Asmuni et al. | A novel fuzzy approach to evaluate the quality of examination timetabling | |
| Sudeng et al. | Adaptive geometric angle-based algorithm with independent objective biasing for pruning Pareto-optimal solutions | |
| US6813390B2 (en) | Scalable expandable system and method for optimizing a random system of algorithms for image quality | |
| Dhahri et al. | Hierarchical learning algorithm for the beta basis function neural network | |
| JPH08286922A (ja) | ファジィ・ニューラルネットワーク装置 | |
| Tu et al. | Applying genetic algorithms on fuzzy logic system for underwater acoustic signal recognition | |
| US4942608A (en) | Pattern recognition apparatus using a composite similarity method | |
| JP3679071B2 (ja) | 最適化調整装置 | |
| Jang et al. | Fuzzy inference system based on fuzzy associative memory | |
| Nath et al. | A Single-valued Pentagonal Neutrosophic Geometric Programming Approach to Optimize Decision Maker’s Satisfaction Level | |
| Nowak et al. | Interactive procedure for multiobjective dynamic programming with the mixed ordered structure | |
| JP2002259938A (ja) | 最適化調整方法と最適化調整装置 | |
| JPH07505733A (ja) | ニューラル・ネットワーク／ファジィ変換装置 | |
| Sudeng et al. | Pruning algorithm for Multi-objective optimization | |
| Deng | A DSS Approach for Ranking Multicriteria Alternatives | |
| Erden | The Impact of Capital Account Liberalization on the Coefficient of Saving Retention in Turkey | |
| Munson et al. | Maximizing satisfaction in group formation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001226 |