JPS62198930A - 推論方法 - Google Patents
推論方法Info
- Publication number
- JPS62198930A JPS62198930A JP61041204A JP4120486A JPS62198930A JP S62198930 A JPS62198930 A JP S62198930A JP 61041204 A JP61041204 A JP 61041204A JP 4120486 A JP4120486 A JP 4120486A JP S62198930 A JPS62198930 A JP S62198930A
- Authority
- JP
- Japan
- Prior art keywords
- production
- value
- production rule
- rule
- inference
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 58
- 230000003936 working memory Effects 0.000 claims abstract description 12
- 230000015654 memory Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (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、知識工学の分野における推論方法に係り、特
に、複数のプロダクションルールがマツチングした際の
プロダクションルール選択の方法を過去の経歴に基づい
て効率的に行う推論方法に関するものである。
に、複数のプロダクションルールがマツチングした際の
プロダクションルール選択の方法を過去の経歴に基づい
て効率的に行う推論方法に関するものである。
従来の技術
近年、推論装置は、知識工学の応用として様々な分野に
おいて新しい問題解決手段として注目をあびている。
おいて新しい問題解決手段として注目をあびている。
従来、推論方法において複数のプロダクションルールが
ワーキング・メモリーにマツチングした場合のプロダク
ションルール選択の方法には、ワーキング・メモリーの
より新しい事実にマツチングしたプログジョンルールを
選択する方法や、ワーキング・メモリーのより多くの事
実にマツチングしたプロダクションルールを選択する方
法がとられてきた。シー、エル、フォギー：オツブスフ
ァイブ ユーザーズ マニュアル シー・エム・ニー−
シー・ニス−８１−１３５，カーネギーーメロンユニバ
ーシティ、デパートメント オプ コンピュータ サイ
エンス、 １９８１ （Ｆｏｒｇｙ、 Ｃ，Ｌ、 ＯＰＳ’５ ｕｓＩＥ
Ｒ３ＭＡＮＵＡＬ、 ＣＭＵ−ｃｓ−８１−１３５，
Ｃａｒｎｅｇｉｅ−Ｍｅｌｌｏｎ Ｕｎｉｖｅｒｓｉ
ｔｙ、 Ｄｅ−ｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍ
ｐｕｔｅｒ ５ｃｉｅｎｃｅ、 １９８１）発明が
解決しようとする問題点 しかしながら上記のような方法では、プロダクションル
ール選択の方法が固定的なものであり、使用するにつれ
て向上していくものでないという問題点を有していた。
ワーキング・メモリーにマツチングした場合のプロダク
ションルール選択の方法には、ワーキング・メモリーの
より新しい事実にマツチングしたプログジョンルールを
選択する方法や、ワーキング・メモリーのより多くの事
実にマツチングしたプロダクションルールを選択する方
法がとられてきた。シー、エル、フォギー：オツブスフ
ァイブ ユーザーズ マニュアル シー・エム・ニー−
シー・ニス−８１−１３５，カーネギーーメロンユニバ
ーシティ、デパートメント オプ コンピュータ サイ
エンス、 １９８１ （Ｆｏｒｇｙ、 Ｃ，Ｌ、 ＯＰＳ’５ ｕｓＩＥ
Ｒ３ＭＡＮＵＡＬ、 ＣＭＵ−ｃｓ−８１−１３５，
Ｃａｒｎｅｇｉｅ−Ｍｅｌｌｏｎ Ｕｎｉｖｅｒｓｉ
ｔｙ、 Ｄｅ−ｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍ
ｐｕｔｅｒ ５ｃｉｅｎｃｅ、 １９８１）発明が
解決しようとする問題点 しかしながら上記のような方法では、プロダクションル
ール選択の方法が固定的なものであり、使用するにつれ
て向上していくものでないという問題点を有していた。
本発明は上記問題点に鑑み、過去の経歴に基づいた効率
的なプロダクションルールの選択方法を提供するもので
ある。
的なプロダクションルールの選択方法を提供するもので
ある。
問題点を解決するための手段
上記問題点を解決するために本発明の推論方法は、専門
知識として条件部と行動部の対として表現された複数の
プロダクションルールと、初期事実及び推論過程におい
て付け加えられた事実を一時格納しておくワーキング・
メモリーと、前記プロダクションルールの条件部と前記
ワーキング・メモリーの各事実とを比較して推論を行う
推論方法において、各プロダクションルールに設けられ
たプロダクションルールの使用頻度を記録する頻度情報
レジスタと、前記頻度情報レジスタの値によって、プロ
ダクションルールを適用する順番を決定する手段を備え
たものである。
知識として条件部と行動部の対として表現された複数の
プロダクションルールと、初期事実及び推論過程におい
て付け加えられた事実を一時格納しておくワーキング・
メモリーと、前記プロダクションルールの条件部と前記
ワーキング・メモリーの各事実とを比較して推論を行う
推論方法において、各プロダクションルールに設けられ
たプロダクションルールの使用頻度を記録する頻度情報
レジスタと、前記頻度情報レジスタの値によって、プロ
ダクションルールを適用する順番を決定する手段を備え
たものである。
作用
本発明は上記した構成によって、各プロダクションルー
ルに、推論に使用された回数が記録しておき、複数のプ
ロダクションルールがマツチングした場合に、使用回数
の多いプロダクションルールを選択することにより、過
去の経歴に基づいたプロダクションルールの選択を可能
とした。
ルに、推論に使用された回数が記録しておき、複数のプ
ロダクションルールがマツチングした場合に、使用回数
の多いプロダクションルールを選択することにより、過
去の経歴に基づいたプロダクションルールの選択を可能
とした。
実施例
以下本発明の一実施例の推論方法について、図面を参照
しながら説明する。
しながら説明する。
第１図は本発明の実施例における推論方法の構成を示す
ものである。第１図において、１は知識ベースで専門知
識を条件部と行動部の対として表現し、格納するもので
ある。第２図は知識ベース１の内部構成を示すものであ
り、各プロダクションルールには頻度情報レジスタ２１
が統計情報の格納場所として用意されている。頻度情報
レジスタ２１は、最初はＯに設定されており最終の推論
結果が得られた際に、その推論結果を導くのに寄与した
プロダクションルールに対して、＋１だけ増加させられ
る。ワーキング・メモリー３は、最初に与えられた事実
や推論によって付け加えられた事実を格納してお（一時
バッファで推論を実行している間、その内容が刻々と変
化する。推論部２は、知識ベース１中の各プロダクショ
ンルールの条件部とワーキング・メモリー３の各事実と
のマツチングを行い、マツチングに成功したプロダクシ
ョンルールの中から１つのプロダクションルールを選択
してそのプロダクションルールの実行部を実行する。５
は入出力装置で初期状態の入力や推論結果の表示を行う
。
ものである。第１図において、１は知識ベースで専門知
識を条件部と行動部の対として表現し、格納するもので
ある。第２図は知識ベース１の内部構成を示すものであ
り、各プロダクションルールには頻度情報レジスタ２１
が統計情報の格納場所として用意されている。頻度情報
レジスタ２１は、最初はＯに設定されており最終の推論
結果が得られた際に、その推論結果を導くのに寄与した
プロダクションルールに対して、＋１だけ増加させられ
る。ワーキング・メモリー３は、最初に与えられた事実
や推論によって付け加えられた事実を格納してお（一時
バッファで推論を実行している間、その内容が刻々と変
化する。推論部２は、知識ベース１中の各プロダクショ
ンルールの条件部とワーキング・メモリー３の各事実と
のマツチングを行い、マツチングに成功したプロダクシ
ョンルールの中から１つのプロダクションルールを選択
してそのプロダクションルールの実行部を実行する。５
は入出力装置で初期状態の入力や推論結果の表示を行う
。
以上のように構成された推論方法について、以下第１図
及び第２図、第３図を用いてその動作を説明する。
及び第２図、第３図を用いてその動作を説明する。
第３図は、推論部２において、知識ベースｌ中の各プロ
ダクションルールの条件部とワーキング・メモリー３の
各事実とのマツチングを行い、複数のプロダクションル
ールがマツチングに成功した場合に、どのプロダクショ
ンルールを選択するかを決定するための制御手段を示し
たものである。
ダクションルールの条件部とワーキング・メモリー３の
各事実とのマツチングを行い、複数のプロダクションル
ールがマツチングに成功した場合に、どのプロダクショ
ンルールを選択するかを決定するための制御手段を示し
たものである。
まず、知識ベース１中の各プロダクションルールの条件
部とワーキング・メモリー３の各事実とのマツチングに
成功したプロダクションルールを集める（３１）。３１
で集められたプロダクションルールの集合を頻度情報レ
ジスタ２１の値（以後Ｘと呼ぶ）の大きいプロダクショ
ンルールの順番にソーティングする（３２）。Ｘが大き
いということは、そのプロダクションルールが他のプロ
ダクションルールよりより大きく推論に寄与しているこ
とを示している。ソーティングされた先頭のプロダクシ
ョンルール（最も推論に寄与している）からＸの値と閾
値Ｑ、を比較しく３３） 、ｘが閾値Ｑ、を超えればそ
のプロダクションルールを実行する（３４）。Ｘが閾値
Ｑ、以下であれば残りのプロダクションルールからラン
ダムにプロダクションルールを選びそのプロダクション
ルールを実行する（３５）。ステップ３３を設けたのは
、Ｘが小さい間は、またあまりそのルールが用いられて
おらず、Ｘだけでプロダクションルールの選択を行うの
は危険だからである。閾値Ｑ、は利用者によって任意に
設定できる。
部とワーキング・メモリー３の各事実とのマツチングに
成功したプロダクションルールを集める（３１）。３１
で集められたプロダクションルールの集合を頻度情報レ
ジスタ２１の値（以後Ｘと呼ぶ）の大きいプロダクショ
ンルールの順番にソーティングする（３２）。Ｘが大き
いということは、そのプロダクションルールが他のプロ
ダクションルールよりより大きく推論に寄与しているこ
とを示している。ソーティングされた先頭のプロダクシ
ョンルール（最も推論に寄与している）からＸの値と閾
値Ｑ、を比較しく３３） 、ｘが閾値Ｑ、を超えればそ
のプロダクションルールを実行する（３４）。Ｘが閾値
Ｑ、以下であれば残りのプロダクションルールからラン
ダムにプロダクションルールを選びそのプロダクション
ルールを実行する（３５）。ステップ３３を設けたのは
、Ｘが小さい間は、またあまりそのルールが用いられて
おらず、Ｘだけでプロダクションルールの選択を行うの
は危険だからである。閾値Ｑ、は利用者によって任意に
設定できる。
発明の効果
以上のように本発明は、各プロダクションルールにプロ
ダクションルールの使用頻度を記録する頻度情報レジス
タと、前記頻度情報レジスタの値によって、プロダクシ
ョンルールを適用する順番を決定する手段を設けること
により、過去の経歴に基づいたプロダクションルールの
選択手段を提供することができる。
ダクションルールの使用頻度を記録する頻度情報レジス
タと、前記頻度情報レジスタの値によって、プロダクシ
ョンルールを適用する順番を決定する手段を設けること
により、過去の経歴に基づいたプロダクションルールの
選択手段を提供することができる。
第１図は本発明の全体構成を示す構成図、第２図は知識
ベースの構成を示す構成図、第３図は本発明の制御手段
を示すフロー図である。 １・・・・・・知識ベース、２・・・・・・推論部、３
・・・・・・ワーキング・メモリー、２１・・・・・・
頻度情報レジスタ。 代理人の氏名 弁理士 中尾敏男 ほか１名第１図 第２図
ベースの構成を示す構成図、第３図は本発明の制御手段
を示すフロー図である。 １・・・・・・知識ベース、２・・・・・・推論部、３
・・・・・・ワーキング・メモリー、２１・・・・・・
頻度情報レジスタ。 代理人の氏名 弁理士 中尾敏男 ほか１名第１図 第２図
Claims (1)
- 専門知識として条件部と行動部の対として表現された複
数のプロダクションルールと、初期事実及び推論過程に
おいて付け加えられた事実を一時格納しておくワーキン
グ・メモリーと、前記プロダクションルールの条件部と
前記ワーキング・メモリーの各事実とを比較して推論を
行う推論方法において、前記各プロダクションルールに
設けられた前記プロダクションルールの使用頻度を記録
する頻度情報レジスタと、前記頻度情報レジスタの値に
よって、前記プロダクションルールを適用する順番を決
定する手段とを有することを特徴とする推論方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61041204A JPS62198930A (ja) | 1986-02-26 | 1986-02-26 | 推論方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61041204A JPS62198930A (ja) | 1986-02-26 | 1986-02-26 | 推論方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS62198930A true JPS62198930A (ja) | 1987-09-02 |
Family
ID=12601884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61041204A Pending JPS62198930A (ja) | 1986-02-26 | 1986-02-26 | 推論方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS62198930A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63273939A (ja) * | 1987-05-06 | 1988-11-11 | Hitachi Ltd | 推論方法 |
| JPH03218527A (ja) * | 1988-05-25 | 1991-09-26 | Matsushita Electric Ind Co Ltd | 計画型推論方法及びその装置 |
-
1986
- 1986-02-26 JP JP61041204A patent/JPS62198930A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63273939A (ja) * | 1987-05-06 | 1988-11-11 | Hitachi Ltd | 推論方法 |
| JPH0652502B2 (ja) * | 1987-05-06 | 1994-07-06 | 株式会社日立製作所 | 推論方法 |
| JPH03218527A (ja) * | 1988-05-25 | 1991-09-26 | Matsushita Electric Ind Co Ltd | 計画型推論方法及びその装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6456989B1 (en) | Neuro-fuzzy-integrated data processing system | |
| Ragel et al. | MVC—a preprocessing method to deal with missing values | |
| US7433854B2 (en) | Backward chaining with extended knowledge base network | |
| Marques-Silva | Algebraic simplification techniques for propositional satisfiability | |
| CN109460676A (zh) | 一种混合数据的脱敏方法、脱敏装置及脱敏设备 | |
| Baer et al. | Legality and other properties of graph models of computations | |
| JPS62198930A (ja) | 推論方法 | |
| El-Bouri et al. | A neural network to enhance local search in the permutation flowshop | |
| JPS6219940A (ja) | 高速推論処理方式 | |
| Andersen et al. | A constructive algorithm for the training of a multilayer perceptron based on the genetic algorithm | |
| CN100428223C (zh) | 带条件矢量运算方法和带条件矢量运算装置 | |
| Rooß | Recent developments in DNA-computing | |
| JPH05282152A (ja) | 知識ベース管理装置及びその方法 | |
| Kubat | Conceptual inductive learning: The case of unreliable teachers | |
| JPH09190336A (ja) | ベクトル演算装置を用いたバケットソート処理方式 | |
| JPH07334371A (ja) | 推論装置 | |
| JPS63304328A (ja) | 強さの異なる複数の制約を充足する問題解決方式 | |
| JP3057797B2 (ja) | ファジィ演算装置 | |
| JPS62198931A (ja) | 推論方法 | |
| JP2004213606A (ja) | タンパク質上科分類用人工知能システム | |
| JPH0383139A (ja) | ファジイ演算処理装置 | |
| Sweeney et al. | Learning parameters for the sequence constraint from solutions | |
| JPS6337459A (ja) | 学習方式 | |
| JPH0926967A (ja) | データベース検索方式 | |
| JPH04195631A (ja) | 推論装置 |