JPH0458331A - 近似推論装置と人間とのインターフェイス装置 - 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 結論の重みを設定する。近似推論装置から得られる結論
の可能性の値にその結論について設定された重みを乗す
ることにより、結論ごとに得点を算出する。得られた得
点の順序が人間の考えた優先順位と異なる場合に、得点
の順序が優先順位と一致するように重みを修正する。

発明の背景 技術分野 この発明は、近似推論装置と人間とのインタフェイス装
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、　Ｚｈａｎｇｌ（ｏｎＨｔ　ｎ
　　ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＷＩＴＨＴＨ
ＩＮＫＩＮＧ　ＩＮＩＭＡＧＥｓ”、　Ｐｒｅｐｒｉｎ
ｔｓ　ｏｆ　５ｅｃｏｎｄ　ＩＦＳＡ　Ｃｏｎｇｒｅｓ
ｓ。

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、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、このような近似推論装置においては、結
論自体の持つ重み（たとえば故障診断の場合には、修理
に必要なコスト、時間など）か考慮されていないため、
はとんど同し可能性を持つ結論が出てきた場合に　どの
結論が重要であるかがわからない、可能性が高くなくて
も、優先されるべき結論かあるような場合にこれを検知
てきないという問題がある。したがって、推論の対象と
しているものの特性に合った推論ができず、近似推論を
推論対象システム（機器）の特性に合わせるためには、
近似推論装置の知識ベース自体を変更する必要がある。

発明の概要 発明の目的 この発明は、近似推論装置から得られる結論を推論対象
の特性１人間の都合等に合わせることのできるインター
フェイス装置を提供するものである。

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と人間とのインターフェイ
ス装置は、複数の事象と結論との関係を表わす知識を用
い、与えられた入力データに応じて結論の可能性を演算
する近似推論装置に対して設けられる。そしてインター
フェイス装置は。

各結論に対する重みを設定する手段、結論の可能性とそ
の結論について設定された重みとの間で所定の演算を行
ない、各結論の得点を算出する手段、得点の大きさの順
序が人間の考える優先度と異なる場合に優先度を入力す
るための手段、および得点の大きさの順序が入力された
優先度と一致するように重みを変更する手段を備えてい
ることを特徴とする。

この発明によるインターフェイス装置はまた。

各結論に対する重みを設定する手段、結論の可能性とそ
の結論について設定された重みとの間で所定の演算を行
ない、各結論の得点を算出する手段、および得点の大き
さの順序が人間の考える優先度と異なる場合に、これら
を一致させるように上記重みを修正するための入力手段
を備えていることを特徴とする。

この発明によると、近似推論装置から得られる結論の可
能性に重みを作用させることにより、結論ごとの得点を
算出している。そして、この得点の順序が人間の考えた
優先順位と一致するように重みを変更している。

したがって、近似推論装置の知識ベースを変更すること
なく、推論対象の特性に合った。または人間の都合に合
致した結論を得ることができる。

実施例の説明 （１）近似推論装置およびインターフェイス装置の全体
構成 第１図に近似推論装置およびインターフェイス装置の全
体構成の一例が示されている。近似推論装置は、知識記
憶装置１１．知識合成装置１２１合成後知識記憶装置１
３．事象値入力装置１４．適合度演算装置１５．動的情
報量演算装置１Ｂ、可能性演算装置１７．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および明瞭性表示装置２３から構
成されている。

近似推論装置と人間（作業者、係員等）とのインターフ
ェイス装置は１重み記憶装置３１．得点演算装置３２．
得点表示装置３３．修正入力装置３４１重み変更量設定
装置３５１重み変更量記憶装置３６および重み変更装置
３７から構成されている。

以下に、これらの装置について故障診断を例にとって詳
述する。

（２）知識記憶装置 知識記憶装置１１は、専門家等が入力した知識を、事象
（故障により生じた状況、測定結果等）と結論（故障の
種類等）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１１に記憶されている２名の専門家ｅｘｔ
　、　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≦ｒ２≦４０．　ｔｈｅ
ｎ　　ｃｌ−＝（１）ｉｆ４０≦ｆｌ≦８０．８０≦ｆ
２≦１００．ｔｈｅｎ　　ｃ２−（２）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
とかある。ｃｌ、　ｃ２は結論てあり、これらをそれぞ
れ結論１，２と呼ぶことかある□。

また、ａ≦ｒ１≦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。

専門家ｅｘ２　： ｉｆ　　３０≦ｆ１≦５０．　１０≦ｆ２≦３０．　　
ｔｈｅｎ　　ｃｌ−（３）ｉｆ　　５０≦ｆ１≦７０．
　７０≦ｆ２≦９０．　　ｔｈｅｎ　　ｅ２・　（４）
（３）知識合成装置 知識合成装置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。

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。

上述した２名の専門家の事象ｆ１から結論ＣＩ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　
（ｆｌ）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≦ｆｌ≦ｆｉＯｔｈｅ
ｎ　　ｃｌ−（５）専門家ｅｘ２　：　ｉｆ　　３０≦
ｆ１≦５０　　ｔｈｅｎ　　ｃｌ−（８）最小値の平均
値”ｉｆ□および最大値の平均値ｍ　　が算出される。

■ａｘ 最小値の標準偏差σ　　および、最大値の標準ｉｎ 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）式〜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ｍ　　。

１ｌＩｉｎ　　　　　　　　　　ｍａｘ最小値の標準偏
差σ、、最大値の標準偏差Ａｉｎ σ　　を用いて、メンバーシップ関数は次式によｌ１ａ
ｘ り表わされる。

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ｆｆ１ｌ
ｎ　　　　　　　　　　　　１ｌａＸれ、傾きはσ　、
またはσ　　によって決定されｆｆ１ｌｎ　　　　　　
　　　　　　ＩａＸる。

一例として、事象ｆｌ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
。

・・・（１１） ただし。

Ｘ　　：事象への入力データの値 Φ（Ｘ）１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第３ａ図は第（
１１）式または第（１２）式の右辺第１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ｆｌ、　ｆ２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性なう必要はな
いため、このようにあらかしめ計算した結果を記憶して
おく。そして推論の都度この記憶装置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。

（５）事象値入力装置 事象値入力装置１４は故障診断対象機器、キボード９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、各事象のデータが入力さ
れたかどうかの情報が明瞭性加算装置２２に与えられる
。

（６）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
、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くてもよい。

（７）動的情報量演算装置と静的情報量演算装置事象ｆ
１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”１１’
　”１２、ｍ２１’　ｍ２２を次のように定める。

ｍ１□：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ｍ２□：
入力データｘ２の結論ｃ１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ｘｌ、　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
１を次のように定義する。

このファジィ・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、結論かあいまいにしか識
別できないほど大きい値となる。つまり、入力データｘ
１の結論Ｃ１に対する適合度”１１と入力データｘ１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Ｅｒ２は次式によって与えらファジィ・エ
ントロピＥｆ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　（ｒｌ）上の結論数は２（ｃｌ。

ｃ２）であるので、ファジィ・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か与えられたときの動的情報量１ｆｌＤ（
Ｘｉ）を求める。ここで、動的情報量１ｆｌｏ（ｘｉ）
とは、推論を行なうときにおける結論を確定するための
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”１１と入力データｘ１の結論ｃ２に対する適合
度ｍ１２の差が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ｒ１についての動的情報量１ｆｌＤ（ｘｉ
）を、最大ファジィ・エントロピから、入力データｘｉ
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。

（以下、余白） 的情報量は次式で与えられる。

Ｉｆｆｓｌｆｆ５−１Ｏ 同じように２事象ｒ２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る。

動的情報量演算装置１Ｂは、適合度演算装置１５で得ら
れた適合度を用いて、第（１５）式および第（１６）式
にしたがって事象ごとに動的情報量を算出する。

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・・・（１７） 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 論ｃｌに対する適合度 事象ｆｌについての入力データＸの結 論ｃ２に対する適合度 ｍ２ｔ（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 において　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（１７）式および第（１８）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が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
りが小さいほど、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合成された知識により得ら
れるメンバーシップ関数から、上述した第（１７〉式お
よび第（１８）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。

（８）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：　’Ｉｔ　ｆｔ　、−Ｉ
ｆＩ　（ｘｉ’）／　　Ｅ　１ｆｌＤ（ｘｉ）＋　　Ｉ
ｆ２Ｄ（ｘ２）コ　　　−（１９）結論１に対する事象
２の重み：Ｗｆ１２Ｉｒ２（ｘ２）／［０Ｄ（ｘｉ）＋
１ｆ２Ｄ（ｘ２）］　　−（２０）結論２に対する事象
１の重み：Ｗｆ２１−ＩＮ　（ｘｉ）／　［ＩｆｌＤ（
ｘｉ）＋Ｉｆ２Ｄ（ｘ２）］　　−（２１）結論２に対
する事象２の重み：ｗｆ２゜−Ｉｆ’２　（Ｘ２）／　
［１Ｎｏ（ｘｉ）＋　１ｆ２Ｄ（ｘ２＞］　　・・・（
２２）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　　
　　　−（２３）結論２の可能性−ｗｆ　　ｘｍ　　＋
ｗｆ　　ｘｍ　　　　−（２４）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。

（９）重み記憶装置 重み記憶装置３１は、各結論に対して設定されている重
みを、第４表に示すような表の形式で、メモリやファイ
ル等に記憶するものである。また。

重み変更装置３７によって変更された重みを取込み記憶
する。各結論の重みの初期値は１．０とする。

結論の重みは人間によって指定してもよい。

第４表 （１０）得点演算装置 得点演算装置３２は、可能性演算袋ｗ１７によって算出
された各結論の可能性の値と重み記憶装置３Ｉに記憶さ
れている各結論の重みとの間で、たとえば次式の演算を
行なって、各結論の成り立つ得点を求めるものである。

ｐ、−ｖ、ｘｗ、　　　　　　　　　　　　　　　　　
　　　　・・・（２５）＋１１ ここで、Ｐ、は結論ｃｊの得点（ｉ−１，２゜３、・・
・） ■、は結論ｃｉの可能性（第（２３）、　（２４）式】 Ｗ、は結論ｃ１の重み（第４表参照） ■ である。

この演算によって ごとに得られる。

第５表のような得点が結論 第５表 （１１）得点表示装置 得点表示装置３３は、得点演算装置３２で算出された得
点を、各結論ごとに表示して人間に知らせるものである
。この装置３３は通信による得点の伝送、メモリやファ
イル等への得点の記憶を行なうものでもよい。この実施
例では得点が上位３個の結論を結論ごとに表示する。表
示する結論の個数は１個、または３個以外の複数個でも
よい。

（１２）修正入力装置 修正入力装置３４は、得点表示装置３３に表示された３
個の結論（故障）の得点の大きさの順序と。

その故障の修理を実際に行なう優先度（または故障の重
要度等）とが異なっていた場合に用いられ１人間が正し
い（と考える）順序を入力するためのものである。得点
の大きさ順序と人間の考える優先度とが一致していれば
、入力する必要はない。

ここで、故障の修理を実際に行なう優先度は。

修理するための工数やコスト、機械や部品の信頼性等を
考慮して決められる。たとえば、工数のなるべくかから
ないものを優先するようなことである。

従来は結論の可能性のみが表示されており１人間か優先
度を考慮して故障の修理の順序を判断していた。この発
明によると人間かあらかじめ優先度を入力することによ
って、優先度を考慮した判断までも自動化することがで
きる。また、優先度を人間が入力するので、そのときの
機械の特性などにあった結果を得ることが可能で、さら
に機械の経年変化等にも対応できる。

（１３）重み変更量設定装置 この重み変更量設定装置３５は８重み変更装置３７で重
み変更に用いる重みの変更量（割合）を第６表に示すよ
うな表の形式で設定（入力）するためのものである。こ
の実施例では、第６表に示すように、結論の可能性の値
の大きさに応じて増加および減少について変更量が決め
られている。この重みの変更量は１人間によって随時、
設定、変更が可能である。

第６表 序であったとする。得点の大きさはｃｌ、　ｃ２．　ｃ
３の順序なので重みの変更が必要である。

第７表 （１４）重み変更量記憶装置 この重み変更量記憶装置３Ｂは１重み変更量設定装置３
５で設定された重みの変更量を、第６表のような表の形
式で記憶しておくものである。この装置３Ｇに記憶され
た変更量が１重み変更量Ｗ３７での重みの変更時に参照
される。

（１５）重み変更装置 この重み変更装置３７は、修正入力装置３４から入力さ
れた人間によって修正された正しい順序（優先度）にし
たがって、結論の重みを修正、変更するものである。

たとえば１人間によって入力された順序（修正順序、優
先度）が第７表のようにｃ２．　ｃｌ、　ａ８の順重み
の変更は次のアルゴリズムにしたがって行なわれる。

１）修正順序が１番のもの 結論の重みを増やすように変更する。重み変更量記憶装
置３６に記憶されている増加変更量のうちその結論の可
能性の値に該当する増加の変更量を参照する。この例で
は結論ｃ２の可能性は０．７であるから第６表より重み
の変更量は１，１となる。したがって、現在の重み１．
１と変更量１，１との積を新しい重みｗｏ、とする。

ｃ２　：　ＷＯ２−１，１×１．．１−１．２１　　　
　　　　　　・・・（２Ｂ）２）修正順序が２番のもの 結論の重みは変更しない。すなわち ｃｌ　：　ＷＯＩ　−１，Ｌ　　　　　　　　　　　　
　・・・（２７）のままである。

３）修正順序が３番のもの 結論の重みを減少させるように変更する。重み変更量記
憶装置３６に記憶されている減少変更量のうちその結論
の可能性の値に該当する減少の変更量を参照する。この
例ではＣ３の可能性は０．６であるから第６表より重み
の変更量は０．９となる。したがって、現在の重み１，
０と変更量０．９との積を新しい重みＷＯ，とする。

】 ｃ３　：　ＷＯｓ　　１．０　×０．９−０．９　　　
　　　　　　・・・（２８）このようにして算出されか
つ変更された新しい重みＷＯ９は１通信インターフェイ
ス装置メモリ　ファイル等を通じて、または直接に重み
記憶装置３１に記憶される。

上記の例の場合、新しい重みと得点は第８表のようにな
り、新しい得点の大きさの順序は人間が入力した優先度
（修正順序）と一致する。

第８表 もし、得点の大きさが人間か入力した優先度と一致しな
い場合には、上記のアルゴリズムを再度繰返すようにし
てもよい。

結論の重み変更のアルゴリズムは上記の例に限らず１種
々のやり方があるのはいうまでもない。

以上のようにして、インターフェイス装置によって５機
械の特性を考慮したり人間の考えに合致した推論結果を
、知識ベース自体を修正することなく得られるようにな
る。

上記実施例では、各結論の重みの変更は５表示された得
点の大きさの順序と人間が考える優先度とが違った場合
に１人間が順序の指定を入力することによって行なわれ
るが２人間が直接に重み自体を変更することも考えられ
る。この場合には。

人力のしやすさを考慮した重み入力装置を設けるとよい
。これによって、適宜５人間による重みの修正が可能と
なる。そして、たとえば１機械の修理を行なったことに
よって、その故障か起こりにくくなったと考えた場合に
は、係員はその故障の重みを下げるようなことを行ない
１機械の特性に適合させることが可能となる。

（１６）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、ある結論を確定する時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９表に示
す。

第９表 第９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ＣΩとする。

第１０表 ただし。

ＣＩ　　−ＣＤ　　−１ｆｌ　／　（ｌｆｌ　＋　Ｉｆ
２ｓ）１１　　　１２　　　　Ｓ　　　　５ Ｃｊ７　−　ＣＩ　　−ＩＦ５　／　（１ｆｌｓ＋　１
ｆ２８）２１　　　２２　　　　Ｓ 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。

（１７）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。

（１８）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。この明瞭性か高いほど、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かできる。

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，Ｏ，
−”１１ ・結論２　（ｃ２）の推論結果に対する明瞭性ｃｎ２−
Ｃ″１２ ｂ）事象２　（ｆ２）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Ｃρ１−
ＣΩ２１ ・推論２　（ｃ２）の推論結果に対する明瞭性Ｃｇ２−
”２２ Ｃ）事象１　（ｆｌ）および事象２　（ｒ２）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Ｃ１１１
−ＣＩ　＋Ｃｊｌ１２１−１．０ ・結論２　（ｃ２）の推論結果に対する明瞭性ＣΩ２−
ＣＩ　　＋　ｃｇ２２−ｉ、。

推論結果の明瞭性Ｃｇのとり得る範囲は。

００　≦　ＣＩ！　　≦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、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
。

（１９）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１１〜２３．３１〜３７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１５．１６．１７．１９．２０．．２２．３２．３７
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図は近似推論装置およびインターフェイス装置の全
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。 １１・・・知識記憶装置。 １２・・・知識合成装置。 １３・・・合成後知謀記憶装置。 １４・・・事象値入力装置。 １５・・・適合度演算装置。 １Ｂ・・・動的情報量演算装置。 １７・・・可能性演算装置 ３１・・・重み記憶装置 ３２・・・得点演算装置。 ３３・・得点表示装置。 ３４・・・修正入力装置。 ３５・・・重み変更量設定装置。 ３Ｂ・・重み変更量記憶装置 ３７・・・重み変更装置。

Claims (2)

【特許請求の範囲】
1. （１）複数の事象と結論との関係を表わす知識を用い，
   与えられた入力データに応じて結論の可能性を演算する
   近似推論装置に対して設けられ，各結論に対する重みを
   設定する手段， 結論の可能性とその結論について設定された重みとの間
   で所定の演算を行ない，各結論の得点を算出する手段， 得点の大きさの順序が人間の考える優先度と異なる場合
   に優先度を入力するための手段，および得点の大きさの
   順序が入力された優先度と一致するように重みを変更す
   る手段， を備えた近似推論装置と人間とのインターフェイス装置
   。
2. （２）複数の事象と結論との関係を表わす知識を用い，
   与えられた入力データに応じて結論の可能性を演算する
   近似推論装置に対して設けられ，各結論に対する重みを
   設定する手段， 結論の可能性とその結論について設定された重みとの間
   で所定の演算を行ない，各結論の得点を算出する手段，
   および 得点の大きさの順序が人間の考える優先度と異なる場合
   に，これらを一致させるように上記重みを修正するため
   の入力手段， を備えた近似推論装置と人間とのインターフェイス装置
   。