KR950004454B1 - 근사 추론 장치 - Google Patents

근사 추론 장치 Download PDF

Info

Publication number
KR950004454B1
KR950004454B1 KR1019910012202A KR910012202A KR950004454B1 KR 950004454 B1 KR950004454 B1 KR 950004454B1 KR 1019910012202 A KR1019910012202 A KR 1019910012202A KR 910012202 A KR910012202 A KR 910012202A KR 950004454 B1 KR950004454 B1 KR 950004454B1
Authority
KR
South Korea
Prior art keywords
conclusion
clarity
input
event
calculating
Prior art date
Application number
KR1019910012202A
Other languages
English (en)
Other versions
KR930002964A (ko
Inventor
히데지 에지마
다이지 요시까와
Original Assignee
오므론 가부시끼 가이샤
다떼이시 요시오
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2196261A external-priority patent/JPH0488429A/ja
Priority claimed from JP2196260A external-priority patent/JPH0488428A/ja
Application filed by 오므론 가부시끼 가이샤, 다떼이시 요시오 filed Critical 오므론 가부시끼 가이샤
Publication of KR930002964A publication Critical patent/KR930002964A/ko
Application granted granted Critical
Publication of KR950004454B1 publication Critical patent/KR950004454B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/026—Development tools for entering the parameters of a fuzzy system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00—Data processing: artificial intelligence
    • Y10S706/90—Fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Devices For Executing Special Programs (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

내용 없음

Description

[발명의 명칭]
근사 추론 장치
[도면의 간단한 설명]
제1a 및 1b도는 제l 및 제2실시예를 나타내는 것이며 근사 추론 장치의 전체 구성을 나타대는 블럭도.
제2도는 제3실시예를 나타내는 것이며 근사 추론 장치의 전체 구성을 나타내는 블럭도.
제3도는 가우스 분포를 나타내는 그래프.
제4a도에서 제4c도는 멤버십 함수가 형성되는 상태를 나타내는 그래프.
제5a도,5b도 및 5c도는 각 사상마다 얻어진 멤버십 함수를 나타내는 그래프.
제6a도,6b도 및 6c도는 적합도를 구하는 상태를 나타내는 그래프.
제7도는 정적 정보량 테이블을 나타내는 도.
제8도는 사상의 삭제 처리를 나타내는 플로우 챠트.
제9도 및 제10도는 제2실시예를 설명하기 위한 도.
제9도는 정적 정보량 테이블을 나타내는 도.
제10도는 정적 정보량 표시겸 입력 지시장치의 처리 순서를 나타내는 플로우 챠트.
제11도 내지 제14도는 제3실시예를 설명하기 위한 도.
제11도는 결론마다의 각 사상의 명료성를 나타내는 테이블.
제12도는 입력계 프래그 테이블을 나타내는 도.
제13도는 결론마다 가능성과 명료성 가산값을 나타내는 도.
제14도는 주로 사상 선택 연상장치의 처리순서를 나타내는 플로우 챠트.
* 도면의 주요부분에 대한 부호의 설명
11 : 지식 기억장치 12 : 지식 합성장치
13 : 합성후 지식 기억장치 14 : 사상치 입력장치
15 : 적합도 연산장치 16 : 동적 정보량 연산장치
17 : 가능성 연산장치 18 : 가능성 표시장치
19 : 정적 정보량 연산장치 20 : 명료성 연산장치
21 : 명료성 기억장치 22 : 명료성 가산장치
23 : 명료성 표시장치 24 : 정적 정보량표시장치
25 : 표시지령장치 26 : 사상제거장치
31 : 정보량 표시경 입력 지식장치 32 : 사상 선택 연산장치
33 : 사상 입력 지도 표시장치
[발명의 상세한 설명]
(발명의 요약)
사상과 결론의 관계를 나타내는 전문가의 지식(룰)을 미리 기억하여 두고, 입력 데이타를 이 지식에 적용함으로써 추론을 행하고, 결론의 가능성을 산출함과 더불어 얻어지는 각 결론의 가능성에 관한 각사상의 명료성을 연산하는 근사 추론 장치에 있어서, 하나의 결론에 관계하는 사상중에서 정적 정보량 또는 명료성이 낮은 것을 선택적으로 삭제한다. 이것에 의하여 룰을 정리할 수 있고, 처리시간의 단축화를 도모하고, 얻어지는 결론의 신뢰성을 높힐 수 있다.
사상과 결론의 관계를 나타내는 전문가의 지식(룰)을 미리 기억하여 두고, 입력 데이다를 이 지식에 적용함으로써 추론을 행하고, 결론의 가능성을 산출함과 더불어 얻어지는 각 결론의 가능성에 관한 각 사상의 명료성 및 결론마다의 명료성 가산값을 연산하는 근사 추론 장치에 있어서, 명료성 가산값을 보다 높게 하기 위하여 유효한 입력할 사상을 안내한다. 이 안내에 따라 사상 데이타를 사람에게 입력시키던지 또는 자동적으로 입력한다. 이것에 의하여 효율적으로 명료성(신뢰성)이 높은 결론을 얻을 수 있다.
(발명의 배경)
(기술 분야)
본 발명은 사상과 결론의 관계를 나타내는 전문가의 지식을 사용하여 추론을 행하는 근사 추른 장치에 관한 것이다.
(종래 기술)
추론 결과를 도출하기 위하여 사용한 사상의 정보량에 의하여 수정 또는 변경하는 방식의 근사 추론이 알려져 있다(예를들면, Zhang Hongmin "AN EXPERT SYSTEM, WITH THINKING IN IMAGES", Preprints of Second IFSA Congress, Tokyo, July 20 -25,1987, P.765).
이 근사 추론 방식은 사상에 대하여 결론마다 주어진 멤버십 함수를 사용하여 사상마다의 정보량(즉, 사상의 정보 식별 능력)을 산출하고, 추론 결과(즉, 결론이 성립하는 가능성)를 그 결론을 도출하기 위하여 사용한 사상의 정보량에 의하여 수정 또는 변경하는(가능성과 정보량의 곱을 취한다)것에 의하여 추론 결과의 식별 능력을 높히도록 하는 것이다.
그러나, 이러한 종래의 장치에 있어서는 결론을 도출하기 위하여 유용한 사상도 유용하지 않는 사상도 모두 룰중에 포함되어 있었다. 이 때문에 실제의 근사 추론에 있어서 많은 사상 데이터의 입력이 필요하게 되고, 그 때문에 추론 시간이 길게 걸렸다. 이것은 고장 진단등과 같이 단시간중에 정확한 결론이 요구되는 장치에 있어서는 큰 단점이 되었다.
그러나, 이러한 종래의 근사 추론 방식에서는 입력한 사상 데이터를 토대로 결론의 가능성을 도출하는 경우, 모든 사상에 관한 데이타를 입력하지 않으면 가능성은 본래보다 명료성도 낮은 값으로 되므로, 결론을 사람이 정확하게 판단할 수 없었다.
또한, 모든 사상에 대하여 데이타를 입력하면 명료도는 높게 되지만, 고장 진단과 같이 그 처리에 신속성이 요구되는 경우에 시간이 너무 걸리므로 모든 데이타를 입력하는 것은 무리이다.
또한, 전문가가 취급하는 경우는 경험에 의하여 효율적인 사상 데이타만을 선택하여 입력하는 것이 어느정도 가능하지만, 초심자의 경우 경험이 없기 때문에 모든 사상 데이타를 입력하지 않으면 명료성이 높게되지 않는다는 문제점이 있었다.
(발명의 개요)
(발명의 목적)
본 발명은 유용하지 않은 사상을 룰에서 삭제하여 룰(결론과 사상의 관계를 나타내는 지식)을 정리할 수있는 근사 추론 장치를 제공하는 것을 목적으로 한다.
본 발명은 결론에 큰 영향을 미치는 사상 데이타를 효율좋게 입력하고, 가능한한 수가적은 사상 데이타로서 높은 명료성(신뢰성)을 가지는 결론을 얻을 수 있도록 하는 것을 목적으로 한다.
(발명의 구성, 작용 및 효과)
본 발명에 의한 근사 추론 장치는 사상과 결론의 관계를 미리 기억하는 기억수단과, 입력 데이타를 상기기억 수단에 기억되어 있는 관계에 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 결론마다 각 사상의 정적 정보량 또는 명료성을 연산하는 연산 수단 및 정의 결론에 관하여 상기 연산 수단에 의하여 연산된 정적 정보량 또는 명료성을 표시하는 표시 수단을 구비하고 있다.
본 발명에 의한 근사 추론 장치는 또한 상기 표시 수단에 표시된 결론에 대하여, 소정의 사상을 상기 관계에서 제거할 것을 입력하기 위하여 사상 제거 입력 수단을 구비하고 있다.
본 발명에 의한 근사 추론 장치에 있어서는 상기 사상 제거 입력 수단으로부터 입력된 사상을 상기 관계에서 제거한 후의 사상과 결론의 관계를 토대로 상기 근사 추론 수단에 의하여 결론의 가능성이 재연산된다.
또한, 본 발명에 의한 근사 추론 장치에 있어서는 상기 사상 제거 입력 수단으로부터 입력된 사상을 상기 관계에서 제거한 후의 사상과 결론의 관계를 사용하여 상기 연산 수단에 의하여 정적 정보량 또는 명료성이 재연산된다.
본 발명에 의한 근사 추론 장치는 사상과 결론의 관계를 미리 기억하는 기억수단과, 상기 기억수단에 기억되는 있는 관계를 사용하여 결론마다 각 사상의 정적 정보량 또는 명료성을 연산하는 연산수단과, 소정의 결론에 관하여, 상기 연산 수단에 의하여 연산된 정적 정보량 또는 명료성을 표기하는 표시수단과, 상기 표시 수단에 표시된 결론에 관하여 소정의 사상을 상기 관계로부터 제거할 것을 입력하는 수단 및 상기 제거입력 수단으로부터 입력된 사상을 상기 관계에서 제거한 후의 사상과 결론의 관계에 입력 데이타를 적용함으로써 결론의 기능성을 연산하는 근사 추론 수단을 구비하고 있다.
그리고, 상기 제거 입력 수단으로부터 입력된 사상을 상기 관계에서 제거한 후의 사상과 결론과의 관계를 사용하여 상기 연산 수단에 의하여 정적 정보량 또는 명료성이 재연산된다.
본 발명에 의하면 하나의 결론에 관계하는 복수의 각 사상의 정적 정보량 또는 명료성이 상기 표시 수단에 표시된다. 이 표시를 보고서 작업자는 정적 정보량 또는 명료성이 낮은 사상, 즉 그다지 유용하다고 생각하지 않은 사상을 삭제할 것을 상기 제거 입력 수딘에 의하여 입력할 수 있다. 이와 같이하여, 결론과 사상의 관계를 나타내는 지식(룰)이 정리되고, 보다 간결하게 유효한 결론과 사상의 관계를 얻을 수 있다.
이와 같이 하여 정리된 결론과 사상의 관계를 나타내는 지식을 사용하여, 결론의 가능성을 얻기 위한 근사 추론 및 정적 정보량 또는 명료성의 연산이 재차 행하여지게 된다.
이상과 같이 하여 본 발명에 의하면, 일단 설정한(설계한) 결론과 사상의 관계(룰)에 있어서 각 사상에 대하여 유용한지 어떤지의 판단이 가능하게 되기 때문에 근사 추론 장치의 평가가 가능하게 된다. 유용하지않은 사상은 제거되고, 정리되어 보다 효과적이면서 간결한 결론과 사상의 관계를 얻을 수 있으므로, 적은사상 입력 데이타를 사용하여 충분히 실용적인 근사 추론이 가능하게 되고, 추론 시간의 단축화를 도모할 수 있다. 정적 정보량 또는 명료성이 낮은 사상이 많으면 얻어지는 결론의 가능성도 불명확하게 되지만, 본발명에 의하면, 상기와 같은 사상이 삭제되어 있으므로 신뢰성이 높은 결론의 가능성을 얻을 수 있다.
본 발명에 의한 근사 추론 장치는 사상과 결론의 관계를 미리 기억하는 기억 수단과, 상기 기억수단에 기억되어 있는 관계를 이용하여 각 사상의 정적 정보량을 연산하는 수단 및 상기 연산 수단에 의하여 산출된 정적 정보량을 사상과 관련시켜 큰순으로 출력하는 수단을 구비하고 있는 것을 특징으로 한다.
상기 정적 정보량 연산 수단에 의하여 산출된 각 사상의 정적 정보량에 의하여 큰것으로부터 순서적으로 대응하는 사상의 사상 데이타를 입력하도록 지시하는 수단을 구비하므로써 상기 지시에 따라 사람(작업자)이 사상 데이타를 입력할 수 있다.
또한, 상기 정적 정보량 연산 수단에 의하여 산출된 각 사상의 정적 정보량에 대하여 큰것에서 순서적으로 대응하는 사상의 사상 데이타를 입력하는 수단을 구비하므로써 사람에 의한 조작없이 사상 데이타가 입력된다.
상기 정적 정보량 연산 수단에서 얻어지는 정적 정보량을 사용하여 결론마다 각 사상의 명료성을 산출하고, 이 산출한 명료성을 사용하여 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다의 명료성을 연산하는 명료성 연산 수단을 구비하므로써 각 결론의 명료성을 판단할 수 있다.
상기 명료성 연산 수단에 의하여 산출된 명료성 가산값이 적어도 1개의 결론에 대하여 소정값에도 달하기까지 사상 데이터 입력과 명료성 가산을 반복하여 제어하는 수단을 구비하므로써 상기 결론에 대하여 신뢰성을 높힐 수 있다.
상기 근사 추론장치는 각 사상의 입력 데이터를 상기 기억 수단에 기억시키는 관계에 적용시키므로써 결론의 가능성을 연산하는 근사 추론 수단을 구비하고 있다.
상기 근사 추론 수단은 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과, 이 적합도를 사용하여 사상마다의 동적정보량을 사용하여 결론의 가능성을 구하는 가능성 연산수단으로 구성된다.
본 발명에 의하면 각 사상이 갖는 정적 정보량이 그 큰 순서에 따라 출력되기 때문에, 이것에 따라서 정적 정보량이 큰 순서로 각 사상의 사상 데이타를 입력하는 것이 가능하게 된다. 사상의 정적 정보량은 그사상의 멤버십 함수가 결론을 식별하는 능력을 나타내고 있으므로, 정적 정보량이 큰 순서로 사상값 데이터를 입력함으로서, 보다 적은 사상 데이터의 입력(사상 데이타의 입력수가 적음)보다 높은 명료성을 갖는 결론을 얻을 수 있다. 근사 추론을 효율적으로 행할 수 있고, 처리 시간이 짧게 끝난다. 특히, 어느 사상에 대해서 사상 데이타에서 먼저 입력해도 좋은 것을 판단할 수 없고, 판단이 곤란한 초심자에게는, 사상 데이타의 순번을 지시하여 줌으로서, 혼동하지 않고 효율좋게 결론을 도출할 수 있다.
본 발명에 의한 근사 추론 장치는 사상과 결론의 관계를 미리 기억하는 기억수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 각 사상의 정적 정보량을 연산하는 정적 정보량 연산수단과, 상기 정적 정보량 연산 수단에서 얻어지는 정적 정보량을 사용하여 결론마다 각 사상의 명료성을 연산하는 명료성 연산 수단 및 상기 명료성 연산 수단에서 얻어지는 결론마다의 각 사상의 명료성을 큰것에서 순차로 표시하는 수단을 구비하고 있는 것을 특징으로 한다.
상기 근사 추론 장치는 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다의 명료성을 연산하는 명료성 가산 수단을 구비하고 있다.
상기 근사 추론 장치는 또한 상기 명료성 가산 수단에 의하여 산출된 명료성 가산값이 적어도 1개의 결론에 대하여 소정값에 도달하기까지 사상 데이타 입력과 명료성 가산을 반복하도록 제어하는 수단을 구비하고 있다.
상기 근사 추론 장치는 또한 각 사상의 입력 데이타를 상기 기억수단에 기억되어 있는관계에 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단을 구비하고 있다.
상기 근사 추론 수단은 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도록 변환하는 적합도 연산수단과, 이 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단 및 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산 수단으로 구성된다.
본 발명의 근사 추론 장치에 의하면 결론마다의 각 사상에 대한 명료성이 큰 순서가 지시되므로써 이 크기의 순서에 따라 사상값 데이타를 입력할 수 있고, 상술한 경우와 마찬가지로, 사상 데이타가 직은 입력수로서 명료성이 높은 결론을 단시간으로 효율좋게 얻을 수 있고, 초심자에게도 간단하면서 능률게 조작할 수있도록 된다.
본 발명에 의한 근사 추론 장치는 사상과 결론의 관계를 미리 기억하여 두는 기억수단과, 입력 데이타를 상기 기억수단에 기억되어 있는 관계에 적용함으로써 결론의 가능성을 연산하는 근사 추론 수단과, 상기 기억 수단에 기억되어 있는 관계를 사용하여 결론마다 각 사상의 명료성을 연산하는 연산수단과, 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다 명료성 가산값을 얻는 가산수단 및 소정의 결론에 대하여 명료성 가산값을 최대한으로 증대시키는 사상을 선택하는 수단을 구비하고 있다.
상기 근사 추론 수단에 의하여 얻어진 결론중 가능성이 가장 높은 곳에서 상기 선택 수단에 의한 사상의 선택을 행하도록 하면 좋다.
상기 근사 추론 수단은 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과, 이 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단 및 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산 수단으로 구성된다.
상기 선택 수단에 의하여 선택된 사상의 사상 데이타를 입력하도록 지시하는 표시수단을 구비하므로써 인간(작업자, 이용자)이 이 지시에 따라 사상데이타를 입력할 수 있도록 된다.
상기 선택 수단에 의하여 선택 사상의 사상 데이타를 입력하는 수단을 구비함으로써, 인간에 의한 조작없이 사상 데이타가 자동적으로 입력되도록 된다.
상기 가산수단에 의하여 산출된 명료성 가산값이 상기 소정의 결론에 대하여 소정값에도 달하기까지 사상데이타 입력과 명료성 가산을 반복하도록 제어하는 수단을 구비하므로써, 상기 소정의 결론에 대하여 명료성을 소정값까지 높힐 수 있다.
상기 선택 수단에 의한 사상의 선택을 소정수의 결론에 대하여 반복 행하도록 제어하는 수단을 구비하므로써 많은 결론에 대하여 사상 데이타의 추가 입력이 가능하게 된다.
상기 선택 수단에 의한 선택에 따라 입력된 사상 데이타를 포함하여, 모든 입력 데이타를 상기 기억 수단에 적용함으로써 결론의 가능성을 재연산하도록 상기 근사 추론 수단을 제어하는 수단을 설치함으로서, 상기 선택 수단에 의한 선택에 따라 입력된 사상 데이타를 사용한 재추론이 행하여지고, 명료성이 높은 결론의 가능성에 대하여 정보가 얻어진다.
이상과 같이 하여 본 발명의 근사 추론 장치에 의하면, 명료성 가산값을 최대한으로 증대시키는 사상이 선택되기 때문에, 이 선택된 사상의 사상 데이타를 입력함으로써 모든 사상에 관한 데이타를 입력하지 않아도 결론 판단에 충분한 명료성 가산값을 조기에 확보할 수 있으므로, 짧은 기간에 효율적으로 결론을 낼 수있도록 한다.
사상 데이터의 입력수가 적어 결론을 평가하는 것이 곤란 또는 위험하다고 생각되는 경우와, 가능성이 높는 결론이 몇개인가 존재하는 경우와, 중요하다고 생각되는 사상의 데이타가 아직 입력되어 있지 않다고 생각되는 경우 등에 있어서, 상기 선택 수단을 기동함으로써 가장 유효하게 작동하는 사상의 데이타를 입력하는 것이 가능하게 되고, 반드시 전문가가 아니어도 효율좋게 결론을 낼 수 있다. 특히 초심자에게는 데이타를 입력할 사상을 1개씩 지시하여 줌으로써, 능률적인 입력 조작이 가능하게 된다.
설계시에 설정한 지식이 부적당하면, 많은 사상 데이타를 입력하지 않으면 명료 가산값이 높게 되지 않는다. 본 발명에 의하면, 설계 단계로서 작성한 지식의 평가가 가능하게 되고, 최적의 설계를 서포트할 수 있도록 된다.
(실시예의 설명)
(1) 근사 추론 장치의 전체구성
제1a도에 근사 추론 장치의 전체 구성의 일예가 도시되어 있다. 제1a도는 본 발명의 제1 실시예를 나타낸다. 근사 추론 장치는 지식 기억장치(11), 지식 합성장치(12),합성후 지시 기억장치(13), 사상값 입력장치 (14), 적합도 연산장치 (15), 동적 정보량 연산장치(16), 가능성 연산장치 (17), 가능성 표시 장치 (18),정적 정보량 연산장치(19), 명료성 연산장치(20), 명료성 기억장치(21), 명료성 가산장치(22), 명료성 표시장치(23), 정적 정보량 표시장치(24), 표시 지령장치(25) 및 사상 제거장치(26)로 구성되어 있다.
또한 제1b도 및 제2도에 근사 추론 장치의 전체 구성의 또다른 예가 나타내어져 있다. 제1b도는 본 발명의 제2실시예에 의한 구성을 나타내고, 제2도는 본 발명의 제3실시예에 의한 구멍을 나타내고 있다.
이들 도면에서, 근사 추론 장치는 지시 기억장치(11), 지식합성장치(12), 합성후 지식 기억장치(13), 사상값 입력장치(14), 적합도 연산장치(15), 동적 정보량 연산장치(16), 가능성 연산장치(17), 가능성 표시장치(18), 정적 정보량 연산장치(19). 명료성 연산장치(20), 명료성 기억장치(21), 명료성 가산장치(22) 및 명료성 표시장치(23)를 포함하고 있다. 이들 장치(11-23)는 제2실시예(제1b도) 및 제3실시예(제2도)에 공통적이다.
제1b도에 나타내는 제2실시예의 근사 추론 장치는, 정적 정보량 표시겸 입력 지시장치(31)를 구비하고 있다.
제2도에 나타내는 제3실시예의 근사 추론 장치는 사상 선택 연산장치(32) 및 사상 입력 지도 표시장치(33)를 구비하고 있다.
이하, 우선 도면에 대한 공통의 구성에 대하여 설명하고, 다음에 각 실시예의 구성 및 동작에 대하여 별개로 설명한다.
(2) 지식 기억장치
제1a도,1b도 및 2도의 지식 기억장치(11)는 전문가등이 입력한 지식을 사상과 결론의 관계를 나타대는 형식으로 기억하는 장치이다. 이 장치는 복수의 전문가의 지식을 기억할 수 있다.
지식 기억장치(11)에 기억되어 있는 2명의 전문가 ex1. ex2지식의 예를 규칙(룰)의 형식으로 아래에 나타낸다.
f1, f2, fi는 사상이고, 이들은 가각 사상 1, 사상 2, 사상 i라 한다. 사상의 첨자 i는 1-m이 범위값을 취한다. C1, C2, Cj는 결론이고, 이들을 각각 결론 1, 결론 2, 결론 j이라한다. 결론의 첨가 j는 1-n범위의 값을 취한다.
aij≤fi≤bij와 같이 나타낸 aij, bij를 각각 최소값, 최대값이라고 한다.
상술식 규칙을 전문가마다 표(테이블)의 형식으로 표현하면 다음과 같이 된다.
[표 1]
전문가 ex1
[표 2]
전문가 ex2
(3) 지식 합성장치
제1a도는,1b도 및 2도의 지식 합성장치(12)는 지식 기억장치(11)에 기억된 복수의 전문가 지식을 합성하여 1개의 지식으로 통합하는 장치이다.
지식의 합성방법은 여러가지이지만, 여기서는 각 결론에 관여하고 있는 각 사상의 최대값과 최소값에 대하여 복수의 전문가의 평균값과 표준편차를 계산한다. 상술한 2명의 전문가의 사상 f1에서 결론 c1을 도출하는 지식을 예로하여 지식 합성 처리에 대하여 아래에 설명한다.
상술의 규칙(제(1)식, 제(4)식)에서, 사상 1(f1)에서 결론 1(c1)을 구하는 규칙을 추출하면 다음과 같이 나타낸다.
전문가 ex1 : 만일 20f160이면 그때
전문가 ex2 : 만일 30f150이면 그때
최소값의 평균값 mmin및 최대값의 평균값 mmax가 산출된다.
최소값의 표준편차 σmin및 최대값의 표준편차 σmax가 산출된다.
이러한 전문가의 지식의 합성연산을 상술한 규칙(제(1)식 내지 제(6)식)에 대하여 각 결론에 관여하고 있는 각 사상의 최소값과 최대값의 모두에대하여 행하면, 다음과 같은 표(테이블)가 얻어진다.
[표 3]
일반적으로, 근사 추론에 있어서는 사상에 대하여 멤버십함수가 부여된다. 여기서는 일예로서 상술한 바와 같이 합성된 전문가의 지식을 사용하여 가우스 분포에 의하여 멤버십 함수를 구하는 방법에 대하여 설명한다.
최소값의 평균값 mmin, 최대값의 평균값 mmax, 최소값의 표준편차 σmin, 최대값의 표준편차 σmax를 사용하여, 멤버십 함수는 다음식에 의하여 나타내어진다.
단, x : 사상으로의 입력 데이타값, φ(x) : 입력 데이타 x가 사상에 적합한 정도(적합도), Gauss(x) : 입력 x에 있어서의 가우스 분포의 값이다.
제3도에 가우스 분포의 일예를 나타낸다. 이 가우스 분포에서 멤버십 함수의 작성을 위하여 좌반분만이 사용된다. Φ(X)=0.5에 있어서 X의 위치는 mmin또는 mmax에 의하여 결정되고, 기울기는 σmin또는 σmax에 의하여 결정된다.
일예로서, 사상 f1에서 결론 c1을 구하가 위한, 멤버십 함수는 제(9)식에서 제(12)식에 의하여 산출한 값을 사용하여 제4a도에서 제4c도와 같이하여 작성된다. 이경우, 제(13)식은 다음과 같이 된다.
제4a도는 제(13)식 또는 제(14)식의 우변 제1항을, 제4b도는 제(13)식 또는 제(14)식의 우변 제2항을, 제4c도는 상기 제1항에서 제2항을 감산한 결과, 즉 제(13)식 또는 제(14)식에서 나타내는 멤버십 함수를 나타내고 있다.
제3표에 나타내는 합성된 지식을 토대로 작성된 각 사상 f1, f2, f1에 대하여 결론 c1, C2, Cj을 구하기위한 멤버십 함수의 예를 제5a도, 제5b도 및 제5c도에 나타낸다.
(4) 합성후 지식 기억장치
제1a도,1b도 및 2도의 합성후 지식 기억장치(13)에는 지식 합성장치(12)에 의하여 산출된 평균값과 표준편차가 제3표와 같은 형식으로 기억된다. 지식의 합성은 추론때마다 행할 필요는 없으므로 이와 같이 미리 계산한 결과를 기억하여 둔다. 그리고 추론때마다 이 기억장치(13) 내의 값을 판독 출력하여 사용함으로서 추론처리의 고속화를 도모할 수 있다.
(5) 사상값 입력장치
제1a도,1b도 및 2도의 사상값 입력장치(14)는 키보드, 통신 인터페이스 장치, 메모리 파일등에서, 사상마다 입력되는 입력 데이타를 읽어넣는 장치이다. 입력된 데이타는 적합도 연산장치(15)에 부여됨과 동시에 각 사상의 데이타가 입력되었는지 여부의 정보가 명료성 가산장치(22)에 부여된다. 사상값은 확정값 뿐만아니라 언어값이나 멤버십 함수로서 부여하여도 좋다.
(6) 적합도 연산장치
제1a도,1b도 및 2도의 적합도 연산장치(15)는, 사상값 입력장치(14)에서 입력된 데이타의 각 멤버십 함수(또는 결론)에 대한 적합도를 산출하는 것이다. 구체적으로 적합도는 입력 데이타가 확정값의 경우에는 제(13)식의 우변의 변수(x)로서 입력 데이타를 대입하므로써 φ(x)로서 구하여진다. 물론 이러한 연산식을 반드시 사용하지 않아도 좋다. 입력 데이타가 언어값이나 멤버십 함수의 경우에는 예를들면 MIN-MAX를 사용하여 적합도가 산출될 것이다.
(7) 동적 정보량 연산 장치와 정적 정보량 연산장치
제1a도,1b도 및 2도의 사상 f1의 사상값(입력 데이타)를 x1, 사상 f2의 사상값을 x2, 사상 fi의 사상값을 xi로 한다. 이들의 데이타는 사상값 입력장치(14)로부터 입력된다.
제6a도 및 제6b도에 나타나듯이 각 적합도 m11, m12, m1j, m21, m22, m2j를 다음과 같이 정한다.
m11: 입력 데이타 x1의 결론 c1은 멤버십 함수에 대한 적합도.
m12: 입력 데이타 x1의 결론 c2은 멤버십 함수에 대한 적합도.
m1j: 입력 데이타 x1의 결론 cj은 멤버십 함수에 대한 적합도.
m21: 입력 데이타 x2의 결론 c1은 멤버십 함수에 대한 적합도.
m22: 입력 데이타 x2의 결론 c2은 멤버십 함수에 대한 적합도.
m2j: 입력 데이타 x2의 결론 cj은 멤버십 함수에 대한 적합도.
일반적으로, 제6c도에 나타나듯이, 적합도 mij를 입력 데이타(사상값) Xi의 결론 Cj의 멤버십 함수에 대한 적합도로 한다.
이들 적합도는 입력 데이타 X1, X2, Xi가 부여되었을 때에 적합도 연산장치(15)에 의하여 산출된다.
여기시 퍼지 엔트로피라고 하는 개념을 고려한다.
입력 xi이 부여되었을때의 퍼지 엔트로피 Efi를 다음과 같이 정의한다.
여기서
이 퍼지 엔트로피는 정보 식별 능력의 지표의 일종으로 입력 데이타 xi를 부여했을때의 결론을 명확하게 식별가능한 만큼 작은 값으로 되고, 결론을 모호한 것외에 식별할 수 있을 만큼 큰값으로 된다.
퍼지 엔트로피 Ef가 취급하는 값의 범위는 아래에 나타나 있다.
0Eflog(n)
n : 사상상의 결론수
다음에, 이 퍼지 엔트로피 Efi를 사용하여 입력 데이타 xi가 부여되었을때의 동적 정보량 IfiD(xi)을 구한다. 여기서, 동적 정보량 IfiD(xi)은 추론을 행할때에 있어서 결론을 확정하기 위한 사상의 식별 능력이다.
그래서, 사상(fi)에 대하여 동적 정보량 IfiD(xi)을, 최대 퍼지 엔트로피에서, 입력 데이타 xi가 부여되었을 때의 퍼지 엔트로피 Efi를 뺀것으로 정의한다.
입력 데이타 xi가 부여되지 않은 사상 fi의 동적 정보량은 영으로 된다.
동적 정보량 연산장치(16)는 적합도 연산장치(15)에서 얻어진 적합도를 사용하여 제(17)식에 따라 사상마다 동적 정보량을 산출한다.
동적 정보량은 상술하듯이 입력 데이타 xi에 의존한다. 이것에 대하여 정적 정보량은 입력 데이타에 의존하지 않는 것이고, 최대 퍼지 엔트로피에서 사상의 렌지폭중의 퍼지 엔트로피의 뺀것을 사상 전체의 정적정보량으로 한다. 사상 i에 대한 정적 정보량은 다음식으로 부여된다.
...........(18)
여기서,
mij(xik) : 사상 fi에 대한 입력데이타 xik의 결론 Cj의 멤버십 함수에 대한 적합도.
정적 정보랑을 구할때에는 제5c도에 나타나듯이, 사상 fi의 렌지폭 xij-xip을 δ간격으로 (p-1)개로 분할하고 있다. 제(l8)식의 (1/p)는 각 xik에 대하여 퍼지 엔트로피를 계산하여 그들의 평균을 구하는 연산을 나타내고 있다.
제(18)식 및 제(19)식에서 알 수 있듯이, 사상의 멤버십 함수간의 중복이 큰만큼 사상의 정적 정보량은 작고, 사상의 멤버십 함수간의 중복이 작은만큼 사상의 정적 정보량은 크다. 결국, 정적 정보량은 사상의 멤버십 함수가 결론을 식별하는 능력을 나타내고 있다.
정적 정보량 연산장치(19)는 합성된 지식에 의하여 얻어지는 멤버십 함수에서 상술한 제(18)식 및 제(19)식에 따라 사상마다 정적 정보량을 연산하여 기억한다. 정적 정보량은 입력 데이타에 의존하지 않으므로 1회만 산출되면 좋다.
(8)가능성 연산장치
제1a도,1b도 및 2도의 각 결론마다에 관여하는 사상의 정보량의 총합이 1로 되고, 또한 그들사상의 정보량의 상대 강도는 변화하지 않도록 사상의 정보량을 산출한다. 이 산출한 정보량을 중복이라한다.
예를들면, 상술한 동적 정보량을 사용하면 사상 fi마다의 중복 Wi은 다음과 같이된다.
다음에, 이들의 중복과 적합도의 곱을 계산하고, 그것을 결론마다 합계한 것을 각 결론 cj의 가능성 prj으로서 산출한다.
예를들면 상기의 예에서는
가능성 연산장치(17)는 상술한 연산을 행하는 결론 마다의 가능성을 산출한다.
(9) 가능성 표시장치
제1a도,1b도 및 2도의 가능성 표시장치(18)는 가능성 연산장치(17)에서 산출된 가능성을 결론마다 표시하는 것이다. 이 가능성의 표시는 모든 결론에 대하여 표시하도록 하여도 좋고, 가능성이 높은 결론을 1개또는 복수개 표시하는 것으로도 좋다. 또한 통신에 의하여 가능성을 다른 장치에 전송하거나 가능성을 메모리나 파일에 기억하여도 좋다.
(10) 명료성 연산장치
제1a도,1b도 및 2도와 명료성 연산장치(20)는 각 결론마다 각 사상의 명료성을 연산하는 장치이다. 여기서 각 결론마다의 각 사상의 명료성은 어느 결론의 가능성을 평가할때의 각 사상의 상대적인 식별능력을 나타내는 것이다. 따라서 이 명료성에 의하여 어느 결론을 확정하기 위한, 복수사상의 식별 능력을 비교할수 있고, 어느 사상이 높은 식별 능력을 가지고 있는지(많은 정보량을 가지고 있는지)를 알 수 있다.
결론마다의 각 사상의 명료성은 다음식에 의하여 구하게된다.
단,
즉, 사상 fi에 결론 Cj의 멤버십 함수가 존재하면 Aij＞0
사상 fi에 결론 Cj의 멤버십 함수가 존재하지 않으면 Aij=0
결론마다의 각 사상의 명료성을 나타내는 제(22)식의 분모는 결론 Cj의 멤버십 함수가 존재하는 사상 fi에 대하여서만 그 정적 정보량 Ifis의 총합을 취하는 것이다.
명료성을 정적 정보량을 제(22)식에 의하여 정규화한 것이므로, 상대적인 식별 능력을 직관적으로 알기쉽게 되어 있다.
이와같이 하여, 명료성 연산장치(20)에 있어서 각 결론 마다 각 사상의 명료성이 산출된다.
(11) 명료성 기억장치
제1a도,1b도 및 2도의 명료성 기억장치(21)는 명료성 연산장치(20)에서 산출된 각 결론마다의 각 사상의 명료성을 기억하는 장치이다. 명료성의 연산은 추론마다 행할 필요는 없다. 그래서 지식을 합성했을때의 산출한 명료성을 명료성 기억장치(21)에 기억하여 두고, 추론을 행할때마다 명료성 기억장치(21)에 기억하고 있는 값을 판독하도록 한다. 이것에 의하여 추론처리의 고속화를 할 수 있다.
(12) 명료성 가산장치
제1a도,1b도 및 2도의 명료성 가산장치(22)는 데이타가 실제로 입력된 사상의 명료성을 결론마다 연산하는 장치이다. 여기서는 실제로 행하여지는 추론을 위하여, 데이타가 입력된 사상의 명료성의 추론마다의 총합을 취한다. 이 명료성의 총합은 추론 결과의 명료성을 나타낸다. 이 명료성이 높은만큼 추론결과(결론)를 이끌기 위한 정보량이 많다고 할 수 있다. 따라서 명료성은 추론결과 자체의 신뢰성을 판단하는 지표로 사용할 수 있다.
추론 결과에 대한(즉, 결론마다) 명료성은 다음식에 따라 산출된다.
단, 제(24)식에서 입력 데이타 xi가 부여되지 않았던 사상 fi의 명료성 Cij은 0으로서 취급한다. 즉 입력데이타 xi가 부여된 사상의 명료성 Cij에 대하여서만 제(24)식의 가산이 행하여진다.
추론결과의 명로성 Clj을 취득하는 범위는
0.0Clj 1.0
이다. 즉, 추론을 행하기전에 부여된 지식중에서, 어느 결론을 이끌기 위하여 사용할 수 있는 사상의 전체에 대한 데이타를 입력하여 추론을 행한 경우, 그 결론의 명료성은 1.0으로 된다. 어느 결론을 이끌기 위하여 사용할 수 있는 사상중에서, 일부의 사상만에 대하여, 데이타를 입력한 경우, 명료성은 0.0에서 1.0사이의 값으로된다. 이때, 사용할 수 있는 사상중에서 명료성이 높은 사상을 많이 사용하면, 결론의 명료성도 높게되고, 신뢰성이 높은 추론 결과가 얻어진다고 말할 수 있다.
(13) 명료성 표시장치
제1a도,1b도 및 2도의 명료성 표시장치(23)는 명료성 가산장치(22)에서 산출한 추론결과(일예로서 상술한 가능성)에 대한 명료성을 표기하는 장치이다. 명료성은 추론 결과와 함께 표시하여도 좋고, 명료성을 다른 장치에 전송하거나, 메모리나 화일로 기억하도록 하여도 좋다.
이 명료성의 표시는 추론 결과의 모든 결론에 대하여 표시한다. 따라서 결론이 복수 존재하는 경우에는 각각의 결론에 대응하는 명료성이 표시된다.
이와 같이 하여 데이타가 입력될때마다 입력된 데이타가 속하는 사상의 정보량을 연산하고, 추론 결과에 대한 명료성을 표시함으로서 추론 결과에 대한 신뢰성을 사용자가 판단할 수 있도록 된다.
(14) 정적 정보량 표시장치와 표시 지령장치
제1a도에서, 상술한 바와 같이 각 사상에 대한 정적 정보량이 연산장치(19)에서 연산되고, 그 결과는 제7도에 나타나듯이, 결론마다 테이블형으로 연산장치(19) 또는 정적 정보량 표시장치(24)에 기억된다. 제7도의 테이블에서, 순번은 정적 정보량 크기의 순번이다.
정적 정보량 표시장치(24)는 표시 지령장치(25)에서 결론을 특정하는 번호 j 또는 코드가 입력되었을때에 그 결론에 관계하는 정적 정보량을 제17도와 테이블에서 판독하고, 그들 중에서 큰순으로 5개 및 작은 순으로 5개, 합계 10개의 정적 정보량을 표시한다. 작업자가 이들 표시를 보고서 사상간에서 정적 정보량의 불균형이 크다고 판단한 경우에 모든 사상의 정적 정보량을 보고자할때에는 표시 지령장치(25)에서 전사상에 대한 표시지령을 입력한다. 그러면 표시장치(24)는 바람직하게 부여한 결론에 관한 전체 사상의 정적 정보량을 표시한다.
이와 같이 하여 작업자는 소망의 결론에 대하여 각 사상의 정적 정보량 즉 각 사상이 결론에 대해 유용한지 어떤지(기여하는지)를 표시를 보아서 판단할 수 있다.
상술하듯이 결론마다의 각 사상의 명료성 Clij은 정적 정보량을 정규화함으로서 구하여짐으로, 이 명료성Clij을 제7도의 테이블과 같은 형으로 기억하여 두고, 정적 정보량을 대신하여 명료성 Clij을 표시장치(24)에 표시하도륵 하여도 좋다.
(15) 사상 제거장치
제1a도에서, 사상 제거장치(26)는 정적 정보량 표시장치(24)에 표시된 각 사상의 정적 정보량(또는 명료성 Clij)을 보아, 작업자가 삭제할 것으로 판단한 사상을 입력하기 위한 것이다.
예를들면 작업자는 표시장치(24)에 표시된 정적 정보량이 큰 5개의 사상과 정적 정보량이 작은 5개의 사상을 비교하여, 그들 정적 정보량의 차이가 매우 큰(예를들면 작은 정적 정보량의 2배 이상이다) 것이 있을때에는 정적 정보량이 작은 사상을 삭제할 것을 장치(26)에서 입력한다.
(16) 가능성, 명료성등의 재연산
제1a도에서, 어느 결론에 대하여 삭제할 1 또는 복수의 사상이 사상 제거장치(26)에서 입력되면, 가능성, 명료성등의 재연산이 행하여진다. 즉 삭제할 사상을 나타내는 데이타는 한쪽에서는 적합도 연산장치(15)로 보내어지고, 이 장치(15)에 있어서 적합도 연산에서, 삭제할 것으로된 사상의 상기 결론에 관한 멤버십 함수의 적합도의 연산이 생략된다. 따라서, 가능성 연산장치(17)에 있어서 가능성 연산에서도 삭제할 것으로된 사상의 입력 데이타는 계산에 넣어지지 않게 된다. 사상의 삭제는 상술한 지식을 나타내는 규칙에서그 사상을 제거하는 것을 의미한다. 이와 같이 하여 해당하는 결론에 대하여 장치(26)에서 입력된 사상을 제거한 규칙(룰)에 따라 새롭게 산출된 가능성이 표시장치(18)에 표시된다. 이것에 의하여, 작업자는 그 사상의 삭제가 타당했는지등이 판단을 할 수 있다.
마찬가지로, 장치(26)에서 입력된 삭제할 사상을 나타내는 데이타는 정적 정보량 연산장치(19)에도 부여되며, 삭제하도록 된 사상을 제거하는 규칙에 따라서 정적 정보량이 재연산된다. 명료성 연산 및 명료성 가산도 재차 행하여지지 않는다. 이와 같이 하여 재연산된 결론마다의 명료성은 표시 장치(23)에 표시되고,정적 정보량은 표시장치(24)에 표시된다.
정적 정보량의 표시, 사상의 삭제입력, 삭제된 사상을 제외한 규칙에 따르는 재연산은 결론의 번호 j를 변화하면서, 각 결론마다 반복 행하여진다. 그리고, 최종적으로 모든 결론에 대한 규칙이 보다 간결한 형으로 정리된다. 이 처리를 간단하게 정리하면 제8도에 나타나듯이 나타낸다.
상술한 각 장치(11-23),(24-26)은 메모리 및 표시장치를 포함하는 컴퓨터에 의하여 실현할 수 있는 것은 물론이다. 예를들면 지식 합성장치(12), 각종 연산장치(15,16,17,19,20,22)는 프로그램에 따라 동작하는 CPU에 의하여 적절하게 실현된다.
(17) 정적 정보량 표시겸 입력 지시장치
상술하듯이 각 사상에 대하여 정적 정보량이 연산장치(19)에서 연산되어 그 결과는 제9도에 나타나듯이 결론마다 테이블형으로 연산장치(19) 또는 정적 정보량 표시겸 입력 지시장치(31)에 기억된다. 제9도의 테이블에서, 순번은 정적 정보량 크기의 순번이다.
정적 정보량(Ifis)은 상술하듯이 사상의 멤버십 함수가 결론을 식별하는 능력을 나타내고 있다. 정적 정보량 표시겸 입력 지시장치(3l)는 데이타를 입력할 사상의 순번을 그 정적 정보량이 큰 순으로 표시하는 것을 지시하는 것이다. 이 표시는 제9도에 나타나듯이 테이블에 대응하는 사상을 나타내는 번호를 가하여 화면에 나타내어도 좋고, 사상 데이타를 입력할 때 마다 입력할 데이타의 사상을 화면에 나타내어 지시하는 것으로도 좋다. 인간(작업자)은 이 표시를 보고서 사상값 입력 장치(14)에서 사상 데이타를 정적 정보량이 큰사상의 순서로서 입력한다. 또는 사상 데이타가 센서에서의 검출신호에 의하여 나타내는 경우에 지시장치(31)는 사상값 입력장치(14)를 정적 정보량이 큰 사상의 순서로 각 가상의 센서에서 검출신호를 취입하도록 제어한다.
제2실시에의 근사 추론 장치는 근사 추론을 행하기 전에 장치(31)에 정적 정보량을 표시하고, 이것에 따라 인간에 사상 데이타를 입력시키거나 사상 데이타를 입력하도록 입력장치(14)를 제어하여 추론에 필요한 데이타를 확보한다. 그리고, 이후, 적합도 연산장치(15), 가능성 연산장치(17)등을 기동하여 근사 추론을 행할 수 있다.
제10도는 정적 정보랑 표시겸 입력 지시장치(31)에 의한 처리순서를 나타내고 있다.
우선 정적 정보량 연산장치(19)에 의하여 산출된 각 사상의 정적 정보량을 그 크기의 순서로서 표시하고, 입력장치(14)에 입력 지시를 주고 사상 데이타의 입력을 촉진하고 입력하도록 제어한다(스텝 41). 사상 데이타가 입력되면 (스텝 42). 데이타가 입력된 사상에 관하여 그 명료성을 가산장치(22)에서 결론마다 가산시킨다(스텝 43), 소정의 결론에 대하여 명료정의 가산값이 소정값(그 결론을 신뢰할 수 있는데 충분한 값이고 일반적으로 1에 가까운 값)에 달했을때에 처리를 종료한다(스텝 44). 소정 복수결론의 각각에 대하여 명료성 가산값이 소정값에 달하기까지 스텝(42,43)을 반복하도륵 하여도 좋다.
명료성의 가산값이 소정값에 달하지 않아도 결론의 판단이 가능하다고 인간(작업자)이 판단했을때에는 사상 데이타 입력을 중기시켜도 좋다.
제2실시예에서는 정적 정보량의 크기를 기준으로하여 사상 데이타를 입력시키도록 하고 있지만, 정적 정보량을 사용하여 산출된 결론마다의 각 사상의 명료성의 크기를 기준으로하여 결론마다 명료성이 큰 순서로 대응하는 사상의 사상 데이타를 입력시키도록 하여도 좋다. 이 경우에도 결론마다 명료성의 가산값이 소정값이 달했을때에 처리를 가진다.
이상과 같이하여 제2 실시예에 의하면, 각 사상이 가지는 정적 정보량이 큰 순서에 따라 출력된으로, 이것에 따라 정적 정보량이 큰 순서로 각 사상의 사상 데이터를 입력하는 것이 가능하게 된다. 사상의 정적정보량은 그 사상의 멤버십 함수가 결론을 식별하는 능력을 나타내고 있으므로, 정적 정보량이 큰 순으로 사상값 데이타를 입력함으로서, 보다 적은 사상 데이타의 입력(사상 데이타의 입력수가 적음)보다 높은 명료성을 가지는 결론을 얻을 수 있다. 근사 추론을 효율적으로 행할 수 있고, 처리시간도 짧게 끝난다. 특히 어느 사상에 대하여의 사상 데이타에서 먼저 입력하여 좋은지 판단할 수 없고, 판단이 곤란한 초심자에게는 사상 데이타의 순번을 지시하여 줌으로서, 혼동하지 않고 효율좋게 결론을 도출할 수 있다.
(18) 사상 선택 연산장치 및 사상 입력지도 표시장치(제2도)
제3실시예는 입력장치(14)에 입력된 각 사상 데이타에 의하여 결론의 가능성의 연산및 명료성 가산을 포함하는 근사 추론 연산을 일단 실행했을때에, 이미 입력된 사상 데이타에서는 아직 충분이 높은 명료성을 가지는 결론이 얻어지지 않는 경우에, 사상 데이타를 추가적으로 입력하기 위하여 유용하게 사용된다. 예를들면, 사상 데이타의 입력수가 결론을 평가하는데 적다고 생각되는 경우(가능성이 높은 결론의 명료성이 낮은 경우), 각각에 다하여 명료성의 값은 어느정도 높지만, 복수의 결론에 대하여 그들 가능성의 값이 거의같은 정도이므로, 정확하게 최종적 결론을 판단할 수 없는 경우등이다.
사상 데이타의 입력수가 적은 경우나 결론에 대하여 특히 중요한 사상에 대하여 데이타가 입력되어 있지않은 경우에는 일반적으로는 가능성, 명료성도 낮다. 사상 선택 연산장치(32)는 명료성 기억장치(21)에 기억되어 있는 결론마다의 각 사상의 명료성에 대하여 데이타를 참조하여, 결론마다 명료성을 최대한으로 높히는 사상(그 사상에 관하여 데이타가 아직 입력되어 있지 않은것)을 선택하는 것이다. 이 선택된 사상은 사상 입력 지도 표시장치(33)에 부여되고, 그 사상에 관하여 데이타를 입력할 것이 표시장치(33)에 표시된다. 이것을 보아 인간(작업자)은 표시된 사상에 관한 데이타를 입력장치(14)에서 입력한다. 사상 선택 연산장치(32)에서 선택된 명료성을 최대한으로 증대시키는 사상은 입력장치(14)에 부여된다. 이것에 응답하여 입력장치(14)는 각 사상에 관한 센서등에서 그 사상의 검지 신호를 읽어내어 취입한다. 상기의 처리는 결론의 가능성이 가장 높은것에서 행하는 것이 좋다.
제11도에서 제13도는 부여된 사상 데이타에 의하여 산출된 근사 추론 결과를 나타내고 있다. 제11도는 명료성 기억장치(21)에 기억되어 있는 결론마다의 각 사상의 명료성 Clij값이다. 제12도는 사상 데이타 입력된 프래그 테이블을 나타내고, 결론마다 각 사상에 대하여 입력된 프래그가 설치되어 있다. 입력장치(14)에서 사상 데이타가 입력된 것에 대해서는 입력된 프래그가 1로 셋트되어 있다. 입력된 프래그가 0인 것은 사상 데이타가 미입력인 것이다. 이 입력된 프래그 테이블은 입력장치(14)에서 작성된다. 제13도는 각 결론에 대하여 가능성과 명료성 가산값 Cij를 나타내는 것이다. 이도에서는 결론의 가능성이 높은것에서 순서로 배열되어 있다.결론의 가능성은 가능성 연산장치(17)에 의하여 얻어지고, 명료성 가산값 Clij는 명료성 가산장치(22)에서 얻어진다.
상술한 제11도에서 제13도에 나타내는 각종 데이타는 근사 추론이 일단 종료했을때에 사상 선택 연산장치(32)에 부여된다. 사상 선택 연산장치(32)는 이들 데이타를 사용하여 제14도에 나타내는 처리를 실행한다.
제14도를 참조하여 우선, 제13도에 나타내는 데이타에서 가능성이 가장 높은 결론을 선택한다(스텝 51)이 결론에 대하여 명료성 가산값 Clij이 소정값(결론을 평가 또는 확정할 수 있는 정도로 큰 값) 이상인지 어떤지가 체크된다(스텝 52) 명료성 가산값 Clij이 소정값 이상이면, 다음에 가능성이 큰 결론이 선택된다(스텝 60).
선택된 결론에 대하여 명료성 가산값 Clj이 소정값 이하이면, 제11도에 나타내는 데이타를 사용하여 선택된 결론에 관계하는 사상중에서 명료성 Clij이 가장 높은 사상을 신택하고(스텝 53) 제12도에 나타내는 입력된 프래그테이블을 참조하여 선택된 사상에 대하여 사상 데이타가 입력되었는지 여부가 체크된다(스텝54) 미입력이면, 그 사상 fi의 번호를 사상 입력지도 표시장치(33) 또는 입력장치(14)에 부여한다(스텝55).
사상 번호를 수취하면, 사상 입력 지도 표시장치(33)는 그 사상번호의 사상 데이타를 입력하도록 표시한다. 인간은 이 표시를 보고서 표시된 사상번호의 사상 데이타를 입력장치(14)에서 입력한다. 입력장치(14)가 사상번호를 수취하면, 그 사상번호의 사상에 관한 센서등에서 사상 데이타를 읽어내어 취입한다. 사상데이타가 없는것 또는 불명한 것에 대하여는 반드시 입력하지 않아도 좋도록 하여 두는 것이 바람직하다.
사상 데이타가 입력되면, 명료성 가산장치(22)는 그 결론에 있어서 그 사상의 명료성 값을 그때까지의 명료성 가산값에 가산하여 명료성 가산값 Clij을 갱신한다(스텝 56).그리고 새로운 명료성 가산값이 소정값이상으로 되었는지 어떤지가 체크된다(스텝 57). 스텝(57)에 있어서 소정값이 상술한 스텝(52)의 소정값과 같거나 다른값의 어느쪽으로도 좋다. 명료성 가산값에 달하지 않으며 제11도의 데이타를 참조하여, 같은 결론에서 명료성 Clij이 다음에 큰것을 선택하여(스텝 58) 스텝(52)으로 돌아가고, 스텝(53-57)의 처리를 반복한다. 명료성 가산값 Clij이 소정값 이상으로 되면, 그 결론에 대한 처리를 종료한다.
스텝(52-58),(60)의 처리는 가능성이 높은 결론에서 순서로 소정수의 결론에 대하여 반복한다(스텝59).
명료성 가산값이 소정값에 달하지 않아도 결론에 대하여, 판단이 가능하다고 생각되면 인간이 판단했을때에는 그 결론에 대하여 상기의 처리를 중지시키도록 하여도 좋다.
사상 입력 지도 표시장치(33)는 화면에 표시할뿐만 아니라, 프린터에 의하여 인자하여 출력하거나, 통신을 이용하여 메모리나 파일에 기억하는 것도 좋다. 소정수의 결론에 대하여 상술의 처리가 종료하면, 적합도 연산장치(15), 동적 정보량 연산장치(16), 가능성 연산장치(17)등을 재기동하고 새롭게 입력된 사상 데이터를 가한 사상 데이타를 사용하여 근사 추론이 재차 실행되어 얻어지는 새로운 데이타(결론의 가능성, 명료성 가산치등)가 표시장치(18,23)에 표시된다.
이상과 같이 하여, 제1회째(초기) 근사 추론에서는 모든 사상 데이타를 입력할 필요는 없고, 잠정적으로 입력된 사상 데이터에 의하여 제1회째(초기) 근사 추론이 행하여진다. 그리고 이 근사 추론에 의하여 얻어진 데이타를 사용하여 명료성 가산값을 최대한으로 증대시키는 사상이 선택된다. 이 선택된 사상의 사상 테이타를 입력함으로서 모든 사상에 관한 데이타를 입력하지 않아도 결론 판단에 충분한 명료성 가산값을 조기에 확보할 수 있으므로, 짧은 기간에서 효율적으로 결론을 낼 수 있도록 된다.
특히 사상 데이타의 입력수가 적어 결론을 평가하는 것이 곤란 또는 위험하다고 생각되는 경우, 가능성이 높은 결론이 몇개 존재하는 경우, 중요하다고 생각되는 사상의 데이타가 입력되어 있지 않다고 생각되는 경우등에서, 가장 유효하게 작동하는 사상의 데이타를 입력하는 것이 가능하게 되고, 반드시 전문가가 아니어도 효율좋게 결론을 낼 수 있다. 특히 초심자에게는 데이타를 입력합 사상을 1개씩 지시하여 주므로서 능률적인 입력 소작이 가능하게 된다.
상술한 각 장치(11-23,31-33)는 메모리 및 표시장치를 포함하는 컴퓨터에 의하여 실현할 수 있는 것은 물론이다. 예를들면 지식 합성장치(12), 각종 연산장치(15,16,17,19,20,22,31,32)는 프로그램에 따라 동작하는 CPU에 의하여 적합하게 실현된다.

Claims (30)

  1. 사상과 결론의 관계를 미리 기억하여 두는 기억수단과, 입력 데이타를 상기 기억 수단에 기억되어 있는 관계에 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단과, 상기 기억 수단에 기억되어 있는 관계를 사용하여 결론마다 각 사상의 정적 정보량 또는 명료성을 연산하는 연산수단 및, 소정의 결론에 관하여 상기 연산 수단에 의하여 연산된 정적 정보량 또는 명료성을 표시하는 표시수단을 구비하는 근사 추론장치.
  2. 제1항에 있어서, 상기 표시 수단에 포시된 결론에 관하여 소정의 사상을 상기 관계에서 제거할 것을 입력하는 수단을 더 구비하는 근사 추론 장치
  3. 제2항에 있어서, 상기 제거 입력 수단에서 입력된 사상을 상기 관계에서 제거한후의 사상과 결론의 관계를 토대로 결론의 가능성을 연산하도록 상기 근사 추론 수단을 제어하는 수단을 더 구비하는 근사 추론장치
  4. 제2항에 있어서, 상기 제거 입력 수단에서 입력된 사상을 상기 관계에서 제거한후의 사상과 결론의 관계를 사용하여 정적 정보량 또는 명료성을 연산하도록 상기 연산 수단을 제어하는 수단을 더 구비하는 근사 추론 장치
  5. 제1항에 있어서, 상기 근사 추론 수단이 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과, 상기 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단과, 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산 수단으로 구성되는 근사 추론 장치.
  6. 제1항에 있어서, 상기 결론의 가능성을 표시하는 표시장치를 더 구비하는 근사 추론 장치.
  7. 제1항에 있어서, 상기 연산 수단에서 얻어지는 정적 정보량을 사용하여 결론마다 각 사상의 명료성을 산출하고, 상기 산출한 명료성을 사용하여 또는 상기 연산 수단에에서 얻어지는 명료성을 사용하여 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다의 명료성을 연산하는 가산수단을 더 구비하는 근사추론 장치.
  8. 제7항에 있어서, 상기 명료성 가산 수단에서 얻어지는 추론 결과에 대한 명료성을 표시하는 명료성 표시수단을 더 구비하는 근사 추론 장치.
  9. 사상과 결론의 관계를 미리 기억하여 두는 기억수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 결론마다 각 사상의 정적 정보량 또는 명료성을 연산하는 연산수단과, 소정의 결론에 관하여 상기 연산 수단에 의하여 연산된 정적 정보량 또는 명료성을 표시하는 표시수단과, 상기 표시 수단에 표시된 결론에 관하여 소정의 사상을 상기 관계에서 제거할 것을 입력하는 수단 및 상기 제거 입력 수단에서 입력된 사상을 상기 관계에서 제거한후의 사상과 결론의 관계에 입력 데이타를 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단을 구비하는 근사 추론 장치.
  10. 제9항에 있어서, 상기 제거 입력 수단에서 입력된 사상을 상기 관계에서 제거한후의 사상과 결론의 관계를 사용하여 정적 정보량 또는 명료성을 연산하도록 상기 연산수단을 제어하는 수단을 더 구비하는 근사 추론 장치.
  11. 사상과 결론의 관계를 미리 기억하여 두는 기억 수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 각 사상의 정적 정보량을 연산하는 수단 및, 상기 연산 수단에 의하여 산출된 정적 정보량을 사상과 관련시켜 큰 순서로 출력하는 수단을 구비하는 근사 추론 장치.
  12. 제11항에 있어서, 상기 정적 정보량 연산 수단에 의하여 산출된 각 사상의 정적 정보량에 대하여 큰것에서 순서적으로 대응하는 사상의 사상 데이터를 입력하도록 지시하는 수단을 구비하는 근사 추론 장치
  13. 제11항에 있어서, 상기 정적 정보량 연산 수단에 의하여 산출된 각 사상의 정적 정보량에 대하여 큰것에서 순서적으로 대응하는 사상의 사상 데이터를 입력하는 수단을 구비하는 근사 추론 장치.
  14. 제12항 또는 13항에 있어서, 상기 정적 정보량 연산수단에서 얻어지는 정적 정보량을 사용하여 결론마다 각 사상의 명료성을 산출하여 상기 산출한 명료성을 사용하여 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다의 명료성을 연산하는 명료성 연산수단을 구비하는 근사 추론 장치.
  15. 제14항에 있어서, 상기 명료성 연산수단에 의하여 산출된 명료성 가산값이 적어도 1개의 결론에 대하여 소정값에 도달하기까지 사상 데이타 입력과 명료성 가산을 반복하도록 제어하는 제어 수단을 구비하는근사 추론 장치.
  16. 제12,13 또는 15항중 어느 한항에 있어서, 각 사상의 입력 데이타를 상기 기억수단에 기억되어 있는 관계에 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단을 구비하는 근사 추론 장치.
  17. 제16항에 있어서, 상기 근사 추론 수단이 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과, 상기 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단 및 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산수단으로 구성되는 근사 추론 장치.
  18. 사상과 결론의 관계를 미리 기억하는 기억수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 각 사상의 정적 정보량을 연산하는 정적 정보량 연산수단과, 상기 정적 정보량 연산 수단에서 얻어지는 정적 정보량을 사용하여 결론마다 각 사상의 명료성을 연산하는 명료성 연산수단 및 상기 명료성 연산 수단에서 얻어지는 결론마다의 각 사상의 명료성을 큰 순서로 표시하는 수단을 구비하는 근사 추론 장치.
  19. 제18항에 있어서, 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다 명료성을 연산하는 명료성 가산수단을 구비하는 근사 추론 장치.
  20. 제19항에 있어서, 상기 명료성 가산 수단에 의하여 산출된 명료성 가산값이 적어도 1개의 결론에 대하여 소정값에 도달하기까지 사상 데이타 입력과 명료성 가산을 반복하도록 제어하는 제어 수단을 구비하는근사 추론 장치.
  21. 제20항에 있어서, 각 사상의 입력 데이타를 상기 기억 수단에 기억되어 있는 관계에 적용함으로써 결론의 가능성을 연산하는 근사 추론 수단을 구비하는 근사 추론 장치.
  22. 제21항에 있어서, 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과, 상기 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단 및, 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산수단으로 구성되는 근사 추론 장치.
  23. 사상과 결론의 관계를 미리 기억하는 기억수단과, 입력 데이타를 상기 기억수단에 기억되어 있는 관계에 적용함으로서 결론의 가능성을 연산하는 근사 추론 수단과, 상기 기억수단에 기억되어 있는 관계를 사용하여 결론마다 각 사상의 명료성을 연산하는 연산수단과, 실제로 데이타가 입력된 사상의 명료성을 가산하여 결론마다 명료성 가산값을 얻는 가산수단 및 소정의 결론에 대하여 명료성 가산값을 최대한으로 증대시키는 사상을 선택하는 수단을 구비하는 근사 추론 장치.
  24. 제23항에 있어서, 상기 소정의 결론이 상기 근사 추론 수단에 의해 얻어진 결론의 가능성이 가장 높은 근사 추론 장치.
  25. 제23항에 있어서, 상기 근사 추론 수단이, 입력된 데이타를 상기 관계에 의하여 나타내는 멤버십 함수를 사용하여 적합도로 변환하는 적합도 연산수단과 상기 적합도를 사용하여 사상마다의 동적 정보량을 구하는 동적 정보량 연산수단 및 상기 적합도와 동적 정보량을 사용하여 결론의 가능성을 구하는 가능성 연산수단으로 구성되는 근사 추론 장치.
  26. 제23항에 있어서, 상기 선택 수단에 의해 선택된 사상의 사상 데이타를 입력하도록 지시하는 표시 수단을 구비하는 근사 추론 장치.
  27. 제23항에 있어서, 상기 선택 수단에 의해 선택된 사상의 사상 데이타를 입력하는 수단을 구비하는 근사 추론 장치.
  28. 제26항 또는 27항에 있어서, 상기 가산 수단에 의하여 산출된 명료성 가산값이 상기 소정의 결론에 대하여 소정값에 도달하기 까지 사상 데이타 입력과 명료성 가산을 반복하도록 제어하는 수단을 구비하는 근사 추론 장치.
  29. 제23항에 있어서, 상기 선택 수단에 의한 사상의 선택을 소정수의 결론에 대해 반복하여 행하도록 제어하는 수단을 구비하는 근사 추론 장치.
  30. 제26,27 또는 29항중 어느 한항에 있어서, 상기 선택 수단에 의한 선택에 따라서 입력된 사상 데이타를 포함하여 모든 입력 데이타를 상기 기억수단에 적용함으로써 결론의 가능성을 재연산하도록 상기 근사추론 수단을 제어하는 수단을 구비하는 근사 추론 장치.
KR1019910012202A 1990-07-26 1991-07-18 근사 추론 장치 KR950004454B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP196260 1990-07-26
JP196261 1990-07-26
JP2196261A JPH0488429A (ja) 1990-07-26 1990-07-26 近似推論装置
JP2196260A JPH0488428A (ja) 1990-07-26 1990-07-26 近似推論装置

Publications (2)

Publication Number Publication Date
KR930002964A KR930002964A (ko) 1993-02-23
KR950004454B1 true KR950004454B1 (ko) 1995-05-01

Family

ID=26509646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019910012202A KR950004454B1 (ko) 1990-07-26 1991-07-18 근사 추론 장치

Country Status (4)

Country Link
US (1) US5485551A (ko)
EP (1) EP0468530B1 (ko)
KR (1) KR950004454B1 (ko)
DE (1) DE69118981T2 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0452824A3 (en) * 1990-04-17 1992-12-02 Apt Instruments Corp. Approximate reasoning apparatus
KR950004250B1 (ko) * 1990-06-28 1995-04-27 오므론 가부시끼가이샤 근사 추론 장치
WO1994028481A1 (en) * 1993-05-20 1994-12-08 Labib Sultan Fuzzy logic controller
US6546378B1 (en) * 1997-04-24 2003-04-08 Bright Ideas, L.L.C. Signal interpretation engine
US6804661B2 (en) 1997-04-24 2004-10-12 Bright Ideas, L.L.C. Drug profiling apparatus and method
US6934905B1 (en) 1999-12-16 2005-08-23 Rodger W. Tighe Automated document drafting system
US20050124863A1 (en) * 2001-06-28 2005-06-09 Cook Daniel R. Drug profiling apparatus and method
US6904367B2 (en) * 2002-10-04 2005-06-07 Daniel R. Cook Petroleum exploration and prediction apparatus and method
US6952649B2 (en) * 2002-10-04 2005-10-04 Cook Daniel R Petroleum exploration and prediction apparatus and method
US8244503B1 (en) 2007-08-30 2012-08-14 The United States Of America As Represented By The Secretary Of The Air Force Quantitative measurements of system complexity
CN111257592B (zh) * 2020-03-05 2022-04-12 广东零偏科技有限公司 一种用于检测装置的静态判别的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4868763A (en) * 1986-02-21 1989-09-19 Hitachi, Ltd. Knowledge-based system having plural processors
US4860214A (en) * 1987-01-22 1989-08-22 Ricoh Company, Ltd. Inference system
JPH0619715B2 (ja) * 1987-12-03 1994-03-16 シャープ株式会社 質問応答装置
US5025499A (en) * 1988-04-13 1991-06-18 Hitachi, Ltd. Process control method and control system
EP0378689B1 (en) * 1988-05-20 1998-03-18 Matsushita Electric Industrial Co., Ltd. Inference rule determination method and inference apparatus
US5189728A (en) * 1988-08-18 1993-02-23 Omron Tateisi Electronics Co. Rule generating and verifying apparatus for fuzzy control
JP2560831B2 (ja) * 1989-04-14 1996-12-04 オムロン株式会社 ファジィ推論ルールの解析装置
JPH02294832A (ja) * 1989-05-10 1990-12-05 Omron Corp ルール生成確認装置
JPH0325532A (ja) * 1989-06-22 1991-02-04 Omron Corp ファジィ推論装置
JPH0371303A (ja) * 1989-08-11 1991-03-27 Omron Corp ファジィコントローラ
JPH02273802A (ja) * 1989-04-14 1990-11-08 Omron Corp ファジィコントローラ
JP3211241B2 (ja) * 1990-07-27 2001-09-25 オムロン株式会社 近似推論装置

Also Published As

Publication number Publication date
US5485551A (en) 1996-01-16
EP0468530B1 (en) 1996-04-24
EP0468530A1 (en) 1992-01-29
DE69118981D1 (de) 1996-05-30
KR930002964A (ko) 1993-02-23
DE69118981T2 (de) 1997-01-09

Similar Documents

Publication Publication Date Title
Hayes et al. Computational procedures for probing interactions in OLS and logistic regression: SPSS and SAS implementations
KR950004454B1 (ko) 근사 추론 장치
US5189728A (en) Rule generating and verifying apparatus for fuzzy control
EP0594168B1 (en) Fuzzy rule acquisition method and apparatus for fuzzy inference system and fuzzy inference system using the apparatus
CN114365125A (zh) 信息处理装置、运转辅助系统、信息处理方法、以及信息处理程序
US5347615A (en) Rule generating and verifying apparatus for fuzzy control using temporary exclusion of a selected rule
KR102226536B1 (ko) 인공지능모델을 이용하여 보안 데이터를 적용할 차트를 추천하는 방법, 장치 및 프로그램
KR930001059A (ko) 퍼지 추론 시스템용 멤버쉽 함수 및 퍼지 추론 규정을 자동적으로 발생시키는 장치 및 방법
KR950010415B1 (ko) 근사 추론 장치
EP0715256B1 (en) Rule verifying apparatus and method for fuzzy inference
JP2643295B2 (ja) ファジィ制御演算装置およびファジィ推論方法
JP2743914B2 (ja) ファジィ制御演算装置
JPH07160662A (ja) ニューラルネットワークの予測結果における信頼度算出方法
CN117257304B (zh) 一种认知能力测评方法、装置、电子设备及存储介质
JP2560831B2 (ja) ファジィ推論ルールの解析装置
EP0389992A2 (en) Apparatus for automatically analyzing validity of medical examination data
JPS63113732A (ja) フアジイ推論演算方法
JPH067365B2 (ja) フアジイ推論演算装置における推論異常検知方式
JP2923327B2 (ja) 近似推論による故障診断装置および方法
CN117807105A (zh) 一种模拟量校对方法及相关装置
JP2813567B2 (ja) 推論規則決定装置及び推論規則決定方法
JP3037832B2 (ja) 形状自動制御装置
CN116681167A (zh) 基于混合模型的海上风电机组功率预测的方法及装置
Santamarina et al. Fuzzy windows and classification systems
JPH0330024A (ja) エキスパートシステム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
G160 Decision to publish patent application
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 19980430

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee