JPH04364535A - ファジィ推論装置 - 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】

【０００１】

【産業上の利用分野】本発明は、ファジィ推論装置のチ
ューニング技術に関し、希望の仕様を満たすファジィ推
論装置の適切なファジィ推論規則を高速に生成するもの
である。

【０００２】

【従来の技術】まず、ファジィの基本概略について説明
する。人間の評価が関与するシステム系において、操作
者が感覚的に判定したあいまいな変量（例えば、「大き
い」、「中位」等）を用いて最終の推論操作量を決定す
る場合がある。ファジィ推論を用いた推論操作ではＩＦ
・・・ＴＨＥＮ・・・形式の推論規則にあいまいな変量
を扱えるファジィ変数を用いて記述する。図５にファジ
ィ変数の一例を示す。ファジィ推論では前件部（ＩＦ部
）には必ずファジィ変数を記述するが、後件部（ＴＨＥ
Ｎ部）ではファジィ変数もしくは方程式もしくは実数値
を記述する。推論過程は後件部がファジィ変数の場合に
は、ある値を入力すると前件部のファジィ変数を表すメ
ンバーシップ関数との適合度合を計算して、複数の適合
度合の処理を経て後件部での出力のファジィ数を決定し
ている。実際の操作量は、複数の規則による出力のファ
ジィ数の重心値等を取ることにより得ることができる。 また、後件部が方程式もしくは実数値の場合には、重心
を求める等の処理を経ることなく実際の操作量を求める
ことができる。後件部が方程式のファジィ推論を用いた
従来の推論方法としてはファジィモデリング等がある。 例えば、菅野道夫：ファジィ制御（日刊工業新聞社）に
示されている。後件部が実数値のファジィ推論を用いた
従来の推論方法として特願平２ー２３３５４６に示され
ているファジィ推論装置がある。

【０００３】次に、後件部が実数値のファジィ推論を用
いた従来までのファジィ推論ルールのチューニング技術
の構成図の１例を図６に示す。図６において、１１はフ
ァジィ推論値を演算するファジィ推論演算部、１２はフ
ァジィ推論に用いる推論規則を記憶している推論規則記
憶部、１３はファジィ推論に用いる前件部のメンバーシ
ップ関数の形状を表わすパラメータを記憶している前件
部メンバーシップ関数記憶部、１４はファジィ推論に用
いる後件部の実数値を記憶している後件部実数値記憶部
、１５はあらかじめ与えられた入出力データとファジィ
推論演算部から得られる推論結果から推論誤差を検出す
るファジィ推論誤差演算部、１６は推論誤差演算部から
得られた推論誤差を降下法を用いた演算を行う降下法演
算部である。この方法では、非線形計画法の一手法であ
る降下法を用いることにより、ファジィ推論ルールの後
件部実数値をチューニングするものである。しかしここ
で用いられている降下法は計算アルゴリズムが複雑で、
実数型演算を多く含むためファジィ推論ルールをチュー
ニングするのに多くの時間を要する。また、それぞれの
入力データに対して実数型演算を多く含むファジィ推論
を行わなければならないため、チューニングを実行する
ために、さらに多くの時間を要する。また入出力データ
に測定誤差などの大きな誤差を含む不良データが、与え
られた入出力データに含まれていた際に、それらの不良
データも、ファジィ推論ルールのチューニングに用いる
ため、適切なファジィ推論ルールが抽出されないことが
しばしばある。

【０００４】

【発明が解決しようとする課題】上記のような構成にお
いては、ファジィ推論ルールのチューニングに多大な計
算時間を要するという課題を有していた。またファジィ
推論ルールをチューニングするための入出力データに測
定誤差などを原因とする不良データが含まれていた際に
、それらの不良データの影響を受けないようなファジィ
推論装置を必要とするなどの課題を有していた。

【０００５】本発明は、かかる点に鑑み、ファジィ推論
ルールを高速にチューニングし、不良データの影響を受
けないように、不良データを選別し、除去する機能を有
するファジィ推論装置を提供することを目的とする。

【０００６】特に第１の発明は、高速に学習可能なＣＭ
ＡＣという小脳の情報処理機能を模倣した数理モデルを
用い、また与えられた入力データに対してファジィ推論
することなく、ファジィ推論ルールの後件部値を高速に
チューニングするファジィ推論装置である。

【０００７】第２の発明は、チューニングに用いる入出
力データを従来まで用いられていたＣＭＡＣの学習則を
変えたモデルによりそのモデルに適合しない入出力デー
タを不適当なデータとして取り除き、適当な良入出力デ
ータのみで第１の発明と同様の方法によりファジィ推論
ルールをチューニングするファジィ推論装置である。

【０００８】

【課題を解決するための手段】第１の発明は、はじめに
、あらかじめ与えられた入出力データから、高速に学習
を行う後件部実数値決定用ＣＭＡＣ部により入出力関係
を同定する。ただしこのＣＭＡＣは、はじめに設定した
ファジィ推論規則の前件部メンバーシップ関数により構
成されたものである。後件部実数値決定用ＣＭＡＣ部に
よる学習終了後、後件部実数値調整部により後件部実数
値記憶部に記憶されているファジィ推論規則の後件部実
数値を変更する。その後、調整された後件部実数値記憶
部と、推論規則記憶部と、前件部メンバーシップ関数記
憶部によりファジィ推論を実行するファジィ推論装置で
ある。

【０００９】第２の発明は、あらかじめ与えられた入出
力データを直接、後件部実数値決定用ＣＭＡＣ部により
入出力関係を同定するのではなく、その前段に入出力デ
ータ良否判別用ＣＭＡＣ部において、それぞれの入出力
データが同定用データとして適切であるかどうかを判断
する。この入出力データ良否判別用ＣＭＡＣ部では、あ
らかじめ与えられた入出力データをすべて学習用データ
として用い、その後、すべての入出力データに対してＣ
ＭＡＣによる推論誤差を求め、その推論誤差がある閾値
を越える場合に、その入出力データを不良データとシス
テムは考え、ファジィ推論規則を調整するためにあらか
じめ与えられた入出力データから省く。その後、第１の
発明によるファジィ推論装置により、ファジィ推論規則
を調整しファジィ推論を行うファジィ推論装置である。

【００１０】

【作用】本発明は上記の構成により、ＣＭＡＣの高速な
学習性と学習の汎化性を用いて「ＩＦ・・・ＴＨＥＮ・
・・」形式で書かれたファジィ推論ルールの後件部の実
数値をチューニングすることができる。また、与えられ
た入出力データに対してファジィ推論演算を施さなくて
もよいため、高速にファジィ推論ルールをチューニング
することができる。

【００１１】また、チューニング用入出力データに含ま
れた適当でない不良データを取り除いてチューニングす
ることができる。

【００１２】

【実施例】以下に、本発明の実施例を図面を用いて説明
する。

【００１３】はじめに、本発明に用いるＣＭＡＣの構成
、推論方法、学習方法について図８において簡単に説明
する。簡単のため、２入力１出力のＣＭＡＣについて説
明する。図８において、８１は入力変数が２入力の場合
の入出力関係を表す入力空間のテーブル、８２はＣＭＡ
Ｃで用いられる４枚の顆粒細胞値のテーブルである。 ８３はそれぞれの顆粒細胞値のテーブルから得られた出
力値の和を計算する部分である。

【００１４】２入力１出力のシステムは８１のテーブル
に示されているような入力空間のテーブルで表現するこ
とができる。ただし入力変数をＸｉ（ｉ＝１，２）、出
力変数をＹとする。また８２の４枚のテーブルをＣＭＡ
Ｃの顆粒細胞値のテーブルと呼び、各顆粒細胞値のテー
ブルはそれぞれ境界値の異なる境界線により分割されて
いる。この分割されている領域の各々を顆粒細胞と呼び
、各々の領域で値をもっておりその値を顆粒細胞値と呼
ぶ。図８の場合、４枚の顆粒細胞値のテーブルにより入
力空間のテーブルを表現している。すなわち、８２の４
枚の顆粒細胞値のテーブルを重ね合わせることにより入
力空間のテーブルを表現することができる。顆粒細胞値
のテーブルは各領域毎に値を持っていて、ここではｗｉ
（ｘ１，ｘ２）（ｉ＝１，２，３，４）とする。

【００１５】ＣＭＡＣの推論方法は、ある入力（ｘ１，
ｘ２）がＣＭＡＣに入力された際、その入力（ｘ１，ｘ
２）に対して４枚のそれぞれのテーブルはｙｉという出
力値をだす（数１）。

【００１６】

【数１】

【００１７】これらの出力値ｙｉの和がＣＭＡＣの推論
値ｙｃである（数２）。

【００１８】

【数２】

【００１９】最後に、ＣＭＡＣの学習方法について述べ
る。先にも述べたように、ＣＭＡＣの推論方法は図８に
示すように複数の顆粒細胞の値の和を求めることによっ
て推論値を出力する。そこで、ある入出力データ（（ｘ
１，ｘ２），ｙｒ）に対してｔ回目の学習による顆粒細
胞値の変化は（数３）に基づいて行われる。

【００２０】

【数３】

【００２１】（数３）において学習係数ｋは１未満の正
数である。このようにしてＣＭＡＣは顆粒細胞値を変化
させ学習を行う。ＣＭＡＣに関する詳しいことは「ロボ
ティクス」Ａｌｂｕｓ．Ｊ．Ｓ（小池他訳）啓学出版に
掲載されている。

【００２２】図１は第１の発明のファジィ推論装置の一
実施例の構成図である。図１において、１１はファジィ
推論値を演算するファジィ推論演算部、１２はファジィ
推論演算に用いる推論規則を記憶している推論規則記憶
部、１３はファジィ推論演算に用いる前件部のメンバー
シップ関数の形状を表わすパラメータを記憶している前
件部メンバーシップ関数記憶部、１４はファジィ推論演
算に用いる後件部の実数値を記憶している後件部実数値
記憶部、１８はあらかじめ与えられた入出力データから
後件部実数値を決定する後件部実数値決定用ＣＭＡＣ部
、１７は後件部実数値決定用ＣＭＡＣ部から得られる推
論値により後件部実数値記憶部に格納されている前記後
件部実数値を一度に変更する後件部実数値調節部である
。

【００２３】以上のように構成された、本実施例のファ
ジィ推論装置の動作を説明する。説明を簡単にするため
に、２入力１出力のシステムに関してｎ個の入出力デー
タが与えられた際のファジィ推論ルールの後件部実数値
のチューニングについて図２のフローチャートを用いて
説明する。 ［ステップ１ａ］ファジィ推論ルールの前件部メンバー
シップ関数を図７に示すように、となりあうメンバーシ
ップ関数とそれぞれのメンバーシップ関数がメンバーシ
ップ値０．５で交わるように設定する。 ［ステップ２ａ］ＣＭＡＣの顆粒細胞の大きさを［ステ
ップ１ａ］で設定した前件部メンバーシップ関数に対し
て図７に示すように複数枚の顆粒細胞値のテーブルで表
現する。図７では、３枚の顆粒細胞値のテーブルでＸｉ
（ｉ＝１，２）軸を表現している。 ［ステップ３ａ］［ステップ２ａ］で設定した顆粒細胞
値のテーブルにより上記ＣＭＡＣの学習アルゴリズムに
もとづき、あらかじめ与えられた入出力データに対して
学習を行う。 ［ステップ４ａ］与えられた入出力データに対して（数
４）のＥｒｒｏｒ２を計算しＥｒｒｏｒ２がある閾値Ｅ
より大きい場合には［ステップ３ａ］によりさらに学習
を行う。そして閾値Ｅより小さい場合には次のステップ
へ進む。

【００２４】

【数４】

【００２５】［ステップ５ａ］ ［ステップ３ａ］により求められた顆粒細胞値のＣＭＡ
Ｃの推論値によりファジィ推論ルールの後件部実数値を
求める。

【００２６】以上のように、本実施例によれば降下法な
どに用いられる複雑な計算を行わずまたファジィ推論の
実数値演算を行わずに、ＣＭＡＣの学習則を用いた簡単
な計算式により、ファジィ推論ルールを高速にチューニ
ングすることが可能である。

【００２７】図３は第２の発明のファジィ推論装置の一
実施例の構成図である。図３において、１１はファジィ
推論値を演算するファジィ推論演算部、１２はファジィ
推論演算に用いる推論規則を記憶している推論規則記憶
部、１３はファジィ推論演算に用いる前件部のメンバー
シップ関数の形状を表わすパラメータを記憶している前
件部メンバーシップ関数記憶部、１４はファジィ推論演
算に用いる後件部の実数値を記憶している後件部実数値
記憶部、１９はあらかじめ与えられた入出力データから
入出力データの良否判別を行う入出力データ良否判別用
ＣＭＡＣ部、１８は入出力データ良否判別用ＣＭＡＣ部
から得られた良入出力データのみで後件部実数値を決定
する後件部実数値決定用ＣＭＡＣ部、１７は後件部実数
値決定用ＣＭＡＣ部から得られる推論値により後件部実
数値記憶部に格納されている後件部実数値を変更する後
件部実数値調節部である。

【００２８】以上のように、構成された本実施例のファ
ジィ推論装置の動作を説明する。説明を簡単にするため
に、２入力１出力のシステムに関してｎ個の入出力デー
タが与えられた際のファジィ推論ルールの後件部実数値
のチューニングについて図４のフローチャートを用いて
説明する。 ［ステップ１ｂ］与えられた入出力データに対して入出
力データ良否判別用ＣＭＡＣ部の顆粒細胞の大きさを適
当に決定し、顆粒細胞値のテーブルを設定する。 ［ステップ２ｂ］［ステップ１ｂ］で設定した顆粒細胞
値のテーブルにより上記ＣＭＡＣの学習アルゴリズムに
もとづき、あらかじめ与えられた入出力データに対して
学習を行う。ただし、学習式は（数５）である。

【００２９】

【数５】

【００３０】［ステップ３ｂ］与えられた入出力データ
に対して（数４）のＥｒｒｏｒ２を計算しＥｒｒｏｒ２
がある閾値Ｅより大きい場合には［ステップ２ｂ］によ
りさらに学習を行う。そして閾値Ｅより小さい場合には
次のステップへ進む。 ［ステップ４ｂ］与えられた入出力データに対して（数
６）により、それぞれの入出力データに対してＥｒｒｏ
ｒｉ求める。

【００３１】

【数６】

【００３２】［ステップ５ｂ］Ｅｒｒｏｒｉの値がある
閾値Ｅｊｕｄｇｅより大きい値のデータを不良データと
する。それ以外のデータを良データとする。 ［ステップ６ｂ］与えられた入出力データのうち［ステ
ップ５ｂ］で不良データと判定されたデータを除いた良
データを第１の発明のファジィ推論装置に入力する。以
下、［ステップ１ａ］から［ステップ５ａ］を行う。

【００３３】以上のように、本実施例によれば、入出力
データに測定誤差などによる不良データが含まれていた
際、それらの不良データを取り除いてファジィ推論ルー
ルを抽出することが可能である。

【００３４】

【発明の効果】以上のように、本実施例によれば、高速
にファジィ推論ルールの調整が可能である。そして、入
出力データから不適当なデータを取り除いてファジィ推
論ルールを調整することが可能である。また、その実用
的効果は大きい。

【図面の簡単な説明】

【図１】第１の発明の一実施例におけるファジィ推論装
置のブロック線図である。

【図２】第１の発明の一実施例におけるファジィ推論装
置のフローチャートである。

【図３】第２の発明の一実施例におけるファジィ推論装
置のブロック線図である。

【図４】第２の発明の一実施例におけるファジィ推論装
置のフローチャートである。

【図５】メンバーシップ関数の一例を示す図である。

【図６】降下法による従来までのファジィ推論装置の一
例を示す図である。

【図７】前件部メンバーシップ関数に対する顆粒細胞の
一設定例を示す図である。

【図８】２入力１出力のＣＭＡＣの説明図である。

【符号の説明】

１１　　ファジィ推論装置 １２　　推論規則記憶部 １３　　前件部メンバーシップ関数記憶部１４　　後件
部実数値記憶部 １５　　推論誤差演算部 １６　　降下法演算部 １７　　後件部実数値調整部 １８　　後件部実数値決定用ＣＭＡＣ部１９　　入出力
データ判別用ＣＭＡＣ部８１　　入力空間のテーブル ８２　　顆粒細胞値のテーブル ８３　　和演算を行う部分

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　ファジィ推論値を演算するファジィ推
   論演算部と、前記ファジィ推論演算部に用いる推論規則
   を記憶している推論規則記憶部と、前記ファジィ推論演
   算部に用いる前件部のメンバーシップ関数の形状を表わ
   すパラメータを記憶している前件部メンバーシップ関数
   記憶部と、前記ファジィ推論演算部に用いる後件部の実
   数値を記憶している後件部実数値記憶部と、あらかじめ
   与えられた入出力データにより前記後件部実数値を決定
   する前記前件部メンバーシップ関数記憶部に基づき構成
   された後件部実数値決定用ＣＭＡＣ部と、前記後件部実
   数値決定用ＣＭＡＣ部からの出力値である推論値を入力
   として前記後件部実数値記憶部に格納されている前記後
   件部実数値を一度に変更する後件部実数値調節部を備え
   たファジィ推論装置。
2. 【請求項２】　　前記後件部実数値決定用ＣＭＡＣの前
   段に、あらかじめ与えられた入出力データにより学習を
   行ったＣＭＡＣの推論誤差により、あらかじめ与えられ
   た入出力データの採択を行う入出力データ良否判別用Ｃ
   ＭＡＣ部を備えた請求項１記載のファジィ推論装置。