JPH0486921A - 近似推論のための知識ベース形成方法および装置 - 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 事象と結論との関係を表わす専門家の知識データからな
る近似推論のための知識ベースを一旦設定したのち、こ
れを再構築するための方法および装置である。結論ごと
の各事象の明瞭性の値、または事象ごとの２つの結論間
の静的情報量の値を用いて、相互関連性かきわめて低い
事象と結論との関連性を解除することにより、知識ベー
スから不要なデータを削除し、知識ベースを簡潔なもの
とする。これにより、知識ベース・ファイルの容量を最
小限におさえかつ短時間で近似推論の結果か得られるよ
うになる。

発明の背景 技術分野 この発明は、事象と結論との関係を表わす専門家の知識
を用いて推論を行なう近似推論のための知識ベースの形
成方法および装置に関する。

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、　ＺｈａｎｇＨｏｎｇＩＩｉｎ
　　ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＷＩＴＨＴｌ
（ＩＮＫＩＮＧ　ＩＮＩＭＡＧＥＳ’　、　Ｐｒｅｐｒ
ｉｎｔｓ　ｏｆ’　５ｅｃｏｎｄ　ＩＦＳＡ　Ｃｏｎｇ
ｒｅｓｓ。

Ｔｏｋｙｏ、Ｊｕｌｙ　　２０−２５．　１９８７．　
　Ｐ、７８５　　）　　。

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。

このような近似推論方式においては、事象と結論との関
係を表わす知識データからなる知識ベースがあらかじめ
設定されている。そして、事象データを入力し、この事
象データを知識ベースにあてはめることにより結論の可
能性が導き出される。

このような知識ベースにおいて、ある結論に対して情報
量の高い事象が適当個数関連している場合にはいくつか
の事象データを入力すれば信頼性の高い結論が得られ、
効率の良い事象データ入力が可能である。しかしながら
情報量の低い事象が多く含まれかつある結論に関連して
いるような場合には、すべての事象に対してデータを入
力することが必要であり、そうであっても信頼性の高い
結論が得られるとは限らない。たとえば故障診断のよう
に短時間で正確な結論を出したい場合には非常に不便で
あった。

また、専門家の過去の経験により入力されたデータによ
り作成された知識ベースの場合、経験者の個性、経験の
度合いによって入力された知識データにばらつきか生じ
るという問題点があった。

発明の概要 発明の目的 この発明は、効率のよい近似推論が可能となるように、
−旦設定された知識ベースを再構築する方法および装置
を提供することを目的とする。

発明の構成１作用および効果 この発明による近似推論のための知識ベース形成方法は
、設定された事象と結論の関係を表わす専門家の知識を
一旦記憶し、記憶した知識を用いて結論ごとに各事象の
明瞭性を演算し、結論ごとに、各事象の明瞭性の値をチ
ェックすることにより小さい値の明瞭性をもつ事象を検
出し、検出した事象の対応する結論との関連付けを解除
することを特徴とする。

関係するすべての事象との関連付けが解除された結論を
削除するようにするとよい。

この発明による近似推論のための知識ベース形成装置は
、設定された事象と結論との関係を表わす専門家の知識
を記憶する手段、上記記憶手段に記憶されている知識を
用いて結論ごとに各事象の明瞭性を算出する明瞭性演算
手段、および結論ごとに、小さい値の明瞭性をもつ事象
の対応する結論との関連付けを解除する手段を備えてい
る。

人間とのインターフェイスとして、上記明瞭性演算手段
により算出された明瞭性を表示する表示手段と、解除確
認または解除指令を入力するための入力手段とを設ける
とよい。この場合には上記解除手段は上記入力手段から
の入力に応答して事象と結論との関連付けを解除するよ
うに動作する。

事象と結論との関連付けの解除を自動的に行なわせるよ
うにすることもできる。この場合には。

上記解除手段は、上記明瞭性演算手段により算出された
明瞭性の値をチェックし、所定値以下の明瞭性をもつ事
象を検出し、検出した事象の対応する結論との関連付け
を解除するように構成される。上記解除手段にさらに、
関連するすべての事象との関連付けが解除された結論を
削除する機能をもたせるとよい。

この発明による近似推論のための知識ベース形成方法は
、設定された事象と結論の関係を表わす専門家の知識を
一旦記憶し、記憶した知識を用いて、事象ごとに、２つ
の結論間の静的情報量を演算し、事象ごとに、２つの結
論間の静的情報量が小さいものを抽出し、その結論間静
的情報量に関連する２つの結論のうち他の結論との結論
間静的情報量が小さい方の結論について対応する事象と
の関連付けを解除することを特徴とする。

関係するすべての結論との関連付けが解除された事象を
削除するとよい。

この発明による近似推論のための知識ベース形成装置は
、設定された事象と結論との関係を表わす専門家の知識
を記憶する手段、上記記憶手段に記憶されている知識を
用いて、事象ごとに、２つの結論間の静的情報量を算出
する結論間静的情報量演算手段、および事象ごとに、小
さい値の結論間静的情報量に関連する２つの結論のうち
他の結論との結論間静的情報量が小さい方の結論につい
て対応する事象との関連付けを解除する手段を備えてい
る。

人間とのインターフェイスとして、上記結論間静的情報
量演算手段により算出された結論間静的情報量を表示す
る表示手段と、解除確認または解除指令を入力するため
の入力手段とを設けるとよい。この場合に上記解除手段
は上記入力手段からの入力に応答して結論と事象との関
連付けを解除するように動作する。

自動的に事象と結論との関連付けを解除する構成とする
こともできる。この場合に上記解除手段は、上記結論間
静的情報量演算手段により算出された結論間静的情報量
の値をチェックし、所定値以下の結論間静的情報量に関
連する２つの結論を抽出する機能をもつ。

上記解除手段はさらに、関連するすべての結論との関連
付けが解除された事象を削除する機能をもたせるとよい
。

以上のようにしてこの発明によると、情報量の低い事象
との関連付けを多く持っている結論、事象との関連付け
は多く持っているけれども情報量の低い事象が多く含ま
れている知識において、推論に有効でない結論と事象と
の関連付けが解除されることにより、知識ベースが再構
築され、必要最小限の事象と結論の関係が形成される。

したかって効率的で信頼性の高い近似推論を短時間で行
なうことが可能となる。また、再構築を行なうことによ
って知識記憶データ容量を最小限におさえることができ
、データ格納装置の容量が少なくてすむ。

実施例の説明 （１）近似推論装置の全体構成 第１図は第１の実施例による近似推論装置の全体構成を
示すものである。第８図は第２の実施例による近似推論
装置の全体構成を示すものである。これら両実施例に共
通の要素として、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１３．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．可能性表示装置１８．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２
３を備えている。

第１実施例（第１図）の近似推論装置はさらに知識ベー
ス再構築装置８１１表示装置３２および入力装置３３を
備えている。第２実施例（第８図）の近似推論装置はさ
らに、知識ベース再構築装置４１゜表示装置４２．入力
装置４３および結論間静的情報量演算装置４４を備えて
いる。

まず両実施例に共通の要素について説明し、その後各実
施例に特有の構成および動作について説明する。

（２）知識記憶装置 知識記憶装置１１は、専門家等が人力した知識を、事象
と結論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ｅｘｌ
　、　ｅｘ２の知識の例を規則の形式で以下に示す。

専門家ｅｘｌ　： ｉｆ’　　２０≦ｆ’ｌ≦６０．　０　≦ｆ２≦４０゜
−、ａ　　≦ｆｉ≦ｂ　　、・ｔｈｅｎ　　ｃｌｔｌ　
　　　　ｉｌ ・・・（１） ｉｆ　　４０≦ｆ１≦８０．　６０≦ｆ２≦１００゜”
”　ａｉ２≦ｆ’ｉ≦ｂ１２゜ ｔｈｅｎ ・・・（２） ｉｆ−、ａ、−≦ｆ’ｉ≦ｂ　　　、−ｔｈｅｎ　　ｃ
ｊｌコ　　　　　　　　１ｊ ・・・（３） 専門家ｅｘ２　＋ Ｈ３０≦ｆ１≦５０．１０≦ｆ２≦３０゜−、ａ　　≦
ｆｉ≦ｂ　　、−ｔｈｅｎｌｌ　　　　　ｉｌ Ｉ ・・・（４） ｉｆ　　　５０≦ｆＬ≦７０．　７０≦ｆ２≦９０゜−
、ａ　　≦ｆ’ｆ≦ｂ１２”’ ｔｈｅｎ　　　ｃ２ ・・・（５） ｉｆ ・・・　、ａ　０．≦ｆｉ≦　ｂ　１．、・・・１３　
　　　　　　１コ ｔｈｅｎ　　　Ｃｊ ・・・（６） 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。

第　　１ 表 専門家ｅｘｌ ｆｌ、　ｆ’２．　ｆｉは事象であり、これらをそれぞ
れ事象１．事象２．事象ｉと呼ぶことがある。事象の添
字ｉは１〜ｍの範囲の値をとる。ｃｌ、　ｃ２．　ｃｊ
は結論であり、これらをそれぞれ結論１．結論２゜結論
ｊと呼ぶことかある。結論の添字ｊは１〜ｎの範囲の値
をとる。

また、ａｌ、≦ｆｉ≦ｂ１．のように表わされたａｌ、
。

１．１　　　　　　　　１，１　　　　　　　　　　　
　　　　　　　　　　１Ｊｂ、、をそれぞれ最小値、最
大値と呼ぶ。

Ｊ 専門家ｅｘ２ 第　　２ 表 （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ｃ１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（４）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≦ｆ１≦８０　　ｔｈ
ｅｎ　　ｃｌ−（７）専門家ｅｘ２　：　ｉｆ　　３０
≦ｒｌ≦５０　　ｔｈｅｎ　　ｃｌ−（８）最小値の平
均値ｍ、および最大値の平均値１！Ｉｎ ｍ　　が算出される。

＋５ａＸ ２０＋　３０　　＝　２５．、、　（９゜ｍ　　、　　
　■ ｉｌｎ　　　　　２ ”　ｎ＋ａｘ ８０＋５０ ・・・（１０） 最小値の標準偏差σ　、および。

１１１口 偏差σ　　が算出される。

ａ＋ａＸ 最大値の標準 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（６）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。

（以下余白） 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ｍｍａｘ’ｌ１
ｌｎ 最小値の標準偏差σ、、最大値の標準偏差１１ｎ σ　　を用いて、メンバーシップ関数は次式によＩＩａ
ｘ り表わされる。

・・・（１３） たたし Ｘ　　：事象への入力データの値 Φ（Ｘ）二人力データＸか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ｆｆ１ｌｎ　　　　　　
　　　　　　ＩＩａＸれ、傾きはσ　、　またはσ　　
によって決定され１１１ｎ　　　　　　　　　　　　１
ｎａＸる。

一例として、事象ｆ１から結論ｃ１を求めるためのメン
バーシップ関数は、第（９）式から第〈１２）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（１３）式は次のようになる
。

・・・（１４） 第３ａ図は第（１３）式または第（１４）式の右辺第１
項を、第３ｂ図は第り１３）式または第（１４）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（１３）式または第（１４）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、　ｆ’２．　ｆｉについて、結論ｃＬ、　ｃ２
．　ｃｊを求めるためのメンバーシップ関数の例を、第
４ａ図、第４ｂ図および第４ｃ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行なう必要はな
いため、このようにあらかじ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はキーボード、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
のデータか入力されたかどうかの情報か明瞭性加算装置
２２に与えられる。

事象値は確定値のみならず言語値やメンバーシップ関数
で与えてもよい。

（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
、入力データが確定値の場合には第（１３〉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。入力データが言語値やメンバーシ
ップ関数の場合には、たとえば旧Ｎ−ＭＡＸ演算を用い
て適合度が算出されよう。

（７〉動的情報量演算装置と静的情報量演算装置事象ｒ
１の事象値（入力データ）をＸｌ、事象ｒ２の事象値を
ｘ２．事象ｒｊの事象値をｘｉ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１１１２
°　ｌｊ　　　２１　　２２°ｍ２ｊを次０ように定め
る。

ｍ１１：入力データｘ１の結論ｃ１のメンバーシップ関
数に対する適合度 ｍ１２：入力データｘ１の結論ｃ２のメンバーシップ関
数に対する適合度 ｍＬｊ　’入力データｘ１の結論ｃｊのメンバーシップ
関数に対する適合度 ｍ２１：人力データｘ２の結論Ｃ１のメンバーシップ関
数に対する適合度 ｍ２２：入力データｘ２の結論Ｃ２のメンバーシップ関
数に対する適合度 ｍ２ｊ’入力データｘ２の結論ｃｊのメンバーシップ関
数に対する適合度 一般に、第５ｃ図に示すように、適合度ｍ１．を】Ｊ 入力データ（事象値）　ｘｌの結論ｃｊのメンバーシッ
プ関数に対する適合度とする。

これらの適合度、ｉは入力データｘｉ、　ｘ２．　ｘｉ
か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。

ここでファジィ串エントロピという概念を考える。

入力ｘｉが与えられたときのファジィ・エントロピＥｆ
ｉを次のように定義する。

Ｅｆｔ−−、：　＋　（ｍ、／　Ｍ、　）　ＩＯｇ　（
ｍ、／Ｍ、　）　１・・・（１５） ここで Ｍ、　−Σ　ｍ、、　　　　　　　　　　　　　　　　
　・・・（１６）１　　　　　ノー＋　　　　　ｌｊ このファジィψエントロピは１情報識別能力の指標の一
種で、入力データｘｉ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、結論があいまいにしか識
別できないほど大きい値となる。

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 次に、このファジィ・エントロピＥｆｔを使用して、入
力データｘｉか与えられたときの動的情報量Ｉｆ’ｉ　
（ｘｉ）を求める。ここで、動的情報量１ｆｉＤ（ｙ；
ｉ）とは、推論を行なうときにおける結論を確定するだ
めの事象の識別能力である。

そこで、事象ｆｉについての動的情報量１ｆｔｐ（ｘｔ
）を、最大ファジィ・エントロピから、入力データｘ１
が与えられたときのファジィ・エントロピＥｆｔを引い
たものと定義する。

ＩｆｆＤ（ｘｉ）＝ｌｏｇ（ｎ）＋、Ｘ　ｌ（ｍｌｊ／
Ｍ、　）　ｌ　ｏｇ　（ｍｉｊ／Ｍ１）　１・・・（１
７） 入力データｘ１が与えられなかった事象ｆ１の動的情報
量は零となる。

動的情報量演算装置１６は、適合度演算装置工５で得ら
れた適合度を用いて、第（１７）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Φエントロピーの平均を引いたも
のを、事象全体の静的情報量とする。事象ｉについての
静的情報量は次式％式％ ｍｉｊ（ｘｉｋ）：事象ｆｉについての入力データＸｌ
ｋの結論ｃｊのメンバーシップ 関数に対する適合度 静的情報量を求めるときには、第４ｃ図に示すように、
事象ｆｌのレンジ幅ｘ１□〜Ｘ　ｌ　ｐをδ間隔て（ｐ
−１）個に分割している。第（１８）式の（１／ｐ）［
＞Ｔｈ　　、、、］は各ｘｉｋについてファジィ・エン
トロピを計算してそれらの平均を求める演算を表わして
いる。

第（１８）式および第（１９）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２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（１８）式お
よび第（１９）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事象ｆｉごとの
重みｗｉは次のようになる。

ｗｉ　−１ｆ’ｉ　（ｘｉ）／　、）ＲＩｆｆＤ（ｘｉ
）　　　　　−（２０）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、各結論ｃｊの可能性
Ｐｒ、として算出する。

たとえば上記の例では Ｐｒ、　　−Σ　　（ｖｉｘ　ｍ　、、）　　　　　　
　　　　−（２１）ｊ　　　　　＋−＋　　　　　　　
　　　　ＩＪ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）可能性表示装置 この可能性表示装置１８は、可能性演算装置１７て算出
された可能性を結論ごとに表示するものである。この可
能性の表示は、すべての結論について表示するようにし
てもよいし、可能性が高い結論を１個または複数個表示
するものでもよい。また１通信によって可能性を他の装
置に伝送したり、可能性をメモリやファイルに記憶して
もよい。

（１０）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、ある結論の可能性を評価する時の各事象の
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。

結論ごとの各事象の明瞭性は次式により求められる。

ただし。

Ａｏ、−Σ　ｍ、（ｘｉ） １コ　　　　ｋ−１１３ｋ すなわち。

・・・（２３） 事象ｆｉに結論ｃｊのメンバーシップ関数が存在すれば
Ａ、、＞Ｏ ｊ 事象ｒｉに結論ｃｊのメンバーシップ関数が存在しなけ
ればＡ　、、−０ Ｊ 結論ごとの各事象の明瞭性を表わす第（２２）式の分母
は、結論ｃｊのメンバーシップ関数か存在する事象ｆｉ
についてのみその静的情報量１ｆｘｓの総和をとるもの
である。

明瞭性は静的情報量を第（２２）式によって正規化した
ものであるので、相対的な識別能力が直観的に分りやす
くなっている。

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。

（１１）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。

（１２）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
の明瞭性を結論ごとに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結論ごとの総和をと
る。この明瞭性の総和は、推論結果の明瞭性を示す。こ
の明瞭性が高いほど、推論結果（結論）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ができる。

推論結果に対する（すなわち、結論ごとの）明瞭性は次
式にしたがって算出される。

ｃｎ、−１子＋Ｃ１１Ｊ　　　　　　　　　　　・・・
（２４）ただし、第（２４）式において入力データｘｉ
が与えられなかった事象ｆｉの明瞭性Ｃρ５．はＯとし
て取Ｊ 扱う。すなわち、入力データｘｊか与えられた事象の明
瞭性ｃｎ、、についてのみ第（２４）式の加算が行Ｊ なわれる。

推論結果の明瞭性Ｃ１，のとり得る範囲は。

０．０　≦Ｃｇ、≦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かできる事象の中で、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
。

（１３）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。

（１４）第１実施例 第１図を参照して、第１実施例の近似推論装置は知識ベ
ース再構築装置３１１表示装置３２および入力装置３３
を備えている。第１実施例では、専門家の知識が一旦知
識記憶装置１１に蓄えられ、知識合成装置１２でそれら
が合成されたのち、静的情報量演算装置１９および明瞭
性演算装置２０で、結論ごとの各事象の明瞭性Ｃρ１ｊ
が算出される。この算出された明瞭性Ｃｇ１．が知識ベ
ース再構築装置３１にＪ 与えられることにより、知識ベース再構築装置３１によ
って知識記憶装置１１に記憶された知識および知識合成
装置１２で合成された知識のうち不要なものが削除され
、これらの知識ベースの再構築が行なわれる。

知識ベース再構築装置３１は明瞭性演算装置２０から結
論ごとの各事象の明瞭性の値ｃｎ、、を受取るＪ と、これらを第６図に示すように、結論ｃｊごとに、明
瞭性の値ＣＩ１．をその小さい順番に事象とＪ 関連付けて並びかえ、明瞭性テーブルをつくる。

第６図において、横方向の並びは結論を表わし。

縦方向の並びは明瞭性の値ＣＤ、、の大きさの順番Ｊ を表わしている。各欄において、上側のｆｉ（ｃｊ）は
結論ｃｊに関連する事象ｆ１を表わし、下側の数字（０
，０３４、０，０７６等）は明瞭性の値ＣＤ、、を示し
１コ ている。下から２番目の列の事象数は各結論に関連付け
られている事象の数を表わす。最下段の列は明瞭性の値
の合計を示し、明瞭性は結論ごとに正規化されているか
ら、それらの結論ごとの合計値は必ず１となる。

知識ベース再構築装置３１は第６図に示す明瞭性テーブ
ルを参照して第７図に示す処理を行なう。

まず一番目の結論Ｃ１について次のような処理を行なう
。最も小さい明瞭性の値（第６図では０．００６　）が
所定値（たとえば０．０１程度に設定される）以下かど
うかを判断しくステップ５３）、そうであれば、知識記
憶装置１１において、所定値以下の明瞭性の値をもつ事
象（第６図ではｆｌ（ｃｌ））と結論ｃ１との関連付け
を解除する（ステップ５４）。

事象ｒ１と結論ＣＩとの関連付けを解除するとは、たと
えば上述した第（１）式または第（４）式において、結
論ｃ１についての事象ｆ１に関する知識２０≦ｒ１≦６
０または３０≦ｆ１≦５０を削除することを意味する。

第（１）式または第（４）式において、、結論ＣＩと他
の事象ｆ２．　ｆ’ｉ等との関係はそのまま保持される
。上記事象ｆ１が結論Ｃ１とのみ関係し、他の事象とは
全く関係していない場合にはこの事象ｆ１そのものを削
除してしまってもよい。明瞭性の値が所定値以下でなけ
れば結論と事象との関連付は解除処理は行なわれない。

結論ｃ１に関連するすべての事象について、その明瞭性
の小さい順にステップ５３．５４の処理が繰返される（
ステップ５２）。

そして　結論Ｃ１についてステップ５２〜５４の処理が
終了したら次に結論Ｃ２について同様の処理を行なう。

このようにして、すべての結論について順番にステップ
５２〜５４の処理を行なっていく（ステップ５１）。

上述した結論と事象との関連付は解除処理を繰返すこと
により、関連していた事象のすべてがその結論との関連
付けを解除されてしまったような結論かありうる。そこ
で、このようなすべての事象との関連付けが無くなって
しまった結論は知識記憶装置１１から削除される（ステ
ップ５６．５７）。

この処理はすべての結論について行なわれる（ステップ
５５）。

以上のようにして、明瞭性の非常に低い（すなわち近似
推論に有効に働くことかない）結論と事象との関連付け
が解除され、知識記憶装置１１内に記憶されている知識
か整理される。

結論と事象との関連付けの解除処理において。

所定値よりも小さい明瞭性の値をもつ事象名をその明瞭
性の値とともに表示装置３２に表示し、および／または
その事象の明瞭性の値は所定値よりも小さいので解除す
べき旨を表示装置３２に表示し。

人間による解除確認または解除指令が入力装置３３から
入力されたことに応答して、知識記憶装置１１における
その事象と結論との関連付けを解除するようにしてもよ
い。

結論の削除処理についても同様である。

第７図の処理では事象と結論との関連付けの解除または
結論の削除は知識記憶装置１１の知識について行なわれ
ているが１合成後知識記憶装置１３に記憶されている合
成後知識について行なうようにしてもよい。

以上のようにして、知識記憶装置１１内に記憶されてい
る知識（知識ベース）か整理されると、知識ベース再構
築装置３１は知識合成装置１２を起動して、整理後の知
識の再合成処理を行なわせる。この再合成処理は上述し
た合成処理と同じようにして行なわれる。知識の再合成
指令は知識ベース再構築装置３１か第７図に示す処理終
了後に自動的に出力するようにしてもよいし９人力装置
３３からの人間の入力に応答して出力してもよい。

再合成された知識は合成後知識記憶装置１３に記憶され
るとともに静的情報量演算装置１９に与えられ、静的情
報量および明瞭性の再演算か行なわれる。

そして、必要ならば再演算後の明瞭性が再び知識ベース
再構築装置３１に与えられ、第７図に示す知識ベース再
構築処理が再度行なわれる。この知識ベース再構築処理
は必要に応じて何回でも繰返し行なうことかできるのは
いうまでもない。

このようにして、最終的に信頼性の高い知識ベースが得
られる。

知識ベース再構築処理によって知識ベースが確定したの
ちに、適合度、動的情報量、結論の可能性、明瞭性加算
等を含む近似推論演算か、入力する事象データに応答し
て行なわれる。

（１５）第２実施例 第８図を参照して、第２実施例の近似推論装置は知識ベ
ース再構築装置４１２表示装置４２．入力装置４３およ
び結論間静的情報量演算装置４４を備えている。第２実
施例では知識ベース再構築のために結論間静的情報量と
いう概念か用いられる。

事象１についての静的情報量は上述したように第（１８
）式で表わされ、その事象１に関係するすべての結論を
導くためのメンバーシップ関数を用いて演算される。

これに対して結論間静的情報量Ｉｒｉ　　は、あるｌｔ 事象ｌに関係する２つの結論ｃｓ、　ｃｔを導くための
メンバーシップ関数を用いて９次式にしたがって演算さ
れる。ここでｓ、ｔは結論を特定する添字で１〜ｎの値
をとる。

・・・（２５） 事象ｉに関係する結論か３個以上ある場合には、それら
の結論の中から２つの結論を組合せる組合せの数の半数
だけその事象ｉに関して結論間静的情報量が得られる。

結論間静的情報量もまた。２つの結論のメンバーシップ
関数間の重なりが大きいほど小さな値となり（情報量が
小さい）１重なりが小さいほど大きな値となる（情報量
か大きい）。

結論間静的情報量演算装置４４は、知識合成装置１２か
ら得られる合成後の知識を用いて、事象ごとに、結論間
静的情報量を演算して第９図に示すような情報量テーブ
ルを作成する。第９図は事象１についての情報量テーブ
ルであり、事象１について結論ｃｌ、　ｃ３．　ｃｓお
よびｅｔが関連している場合において、これらの結論の
中から２つの結論を組合せたときの結論間静的情報量を
示している（たたし結論Ｃ３とｅＳとの間の結論間静的
情報量Ｉｆｉ３Ｓおよび結論ｃ１とｅＳとの間の結論間
静的情報量Ｉｆ１Ｓは図示されていない）。このような
情報量テーブルは知識ベース再構築装置４１に与えられ
る。

知識ベース再構築装置４１は情報量テーブルを参照して
第１０図に示す処理を実行する。

ある事象ｆｉについて結論間静的情報量を情報量テーブ
ルから取出し、各結論間静的情報量か所定値以下かどう
かをそれぞれ判断する（ステップ６２、６３）。所定値
以下の結論間静的情報量がある場合には、その結論間静
的情報量に関係する２つの結論のうちのどちらを削除す
べきかを判断する。そのために、２つの結論のそれぞれ
について、その結論が関係している結論間静的情報量の
合計値を算出しくステップＢ４）１合計値の小さい方の
結論について事象ｆｉとの関連付けを知識記憶装置１１
において解除する（ステップ６５．８６）。

たとえば第９図において結論ｃｓとｃｔの間の静的情報
量Ｉｆｆ　　か所定値よりも小さいと判断されたｔ 場合には、結論ｃｓが関連する他の結論間静的情報量の
合計ＩＦ　　と、結論ｃｔが関連する他の結輪間静的情
報量の合計ＩＰ、とが算出される。すなわち、結論ｃｓ
が関連する他の結論間静的情報量はＩｆｉ　　とｌ　ｒ
　］　３　ＳであるのでＩＦ８−　Ｉｆｆ、　＋　ｌｆ
ｆ３Ｓｓ となる。同様にＩＦ　　−ｌＮ１ｔ＋１ｆｉ３ｔとなる
。もしＩＰ　　＞ＩＰ　　ならば結論ｅｔの事象「ｉと
の関連付けｓ　　　　　　　ｔ が解除され、　ＩＰ　　＜ＩＦｔならば結論ａＳの事象
ｆｉとの関連付けが解除される。

上記の処理は事象ｒ１からｒｏｌについて順番に行なわ
れる（ステップ６１）。

最後に、関連していたすべての結論との関連付けが解除
されてしまった事象があるかどうかがチェックされ、も
しあればその事象が知識記憶装置１１から削除される（
ステップ６８．６９）。

以上のようにして、結論間静的情報量が非常に低い（す
なわち近似推論に有効に働くことがない）２つの結論の
うちの一方の結論と事象との関連付けか解除され、知識
記憶装置１１内に記憶されている知識が整理される。

事象と結論との関連付けの解除処理において。

所定値よりも小さい結論間静的情報量の２つの結論、お
よびこれらの２つの結論がそれぞれ関連する他の結論間
静的情報量の合計を表示装置４２に表示し、および／ま
たはある結論の結論間静的情報量および上記合計は小さ
いので解除すべき旨を表示装置４２に表示し２人間によ
る解除確認または解除指令が入力装置４３から入力され
たことに応答して８知識記憶装置１１におけるその結論
と事象との関連付けを解除するようにしてもよい。

事象の削除処理についても同様である。

第１０図の処理では結論と事象との関連付けの解除また
は事象の削除は知識記憶装置１１の知識について行なわ
れているが１合成後知識記憶装置１３に記憶されている
合成後知識について行なうようにしてもよい。

以上のようにして、知識記憶装置１１内に記憶されてい
る知識（知識ベース）が整理されると、知識ベース再構
築装置４１は知識合成装置１２を起動して、整理後の知
識の再合成処理を行なわせる。この再合成処理は上述し
た合成処理と同じようにして行なわれる。知識の再合成
指令は知識ベース再構築装置４１が第１０図に示す処理
終了後に自動的に出力するようにしてもよいし、入力装
置４３からの人間の入力に応答して出力してもよい。

そして、必要ならば合成後の知識が再び結論間静的情報
量演算装置４４に与えられ、同じようにして事象ごとに
結論間静的情報量か算出され、この情報量データが知識
ベース再構築装置４１に与えられ、第１０図に示す知識
ベース再構築処理か再度行なわれる。この知識ベース再
構築処理は必要に応じて何回でも繰返し行なうことかで
きるのはいうまでもない。

このようにして、最終的に信頼性の高い知識ベースが得
られる。

知識ベース再構築処理によって知識ベースか確定したの
ち、再構築（再合成）された知識は合成後知識記憶装置
１３に記憶されるとともに静的情報量演算装置１９に与
えられ、静的情報量および明瞭性の演算が行なわれる。

また９合成後知識記憶装置１３に記憶された知識に基づ
いて、装置１５．１６゜１７、２２等によって適合度、
動的情報量、結論の可能性、明瞭性加算等を含む近似推
論演算が、入力する事象データに応答して行なわれる。

上述した各装置１１〜２３．３１〜３３．４１〜４４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１５．１６．１７．１９．２０．２２３
１、４１．４４はプログラムにしたがって動作するＣＰ
Ｕによって好適に実現される。

【図面の簡単な説明】

第１図は第１の実施例による近似推論装置の全体構成を
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、第４ｂ図および第４Ｃ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、第５ｂ図および第５Ｃ図は適合度を求める様
子を示すグラフである。 第６図は明瞭性テーブルを示す図である。 第７図は知識ベース再構築処理を示すフロー・チャート
である。 第８図は第２の実施例による近似推論装置の全体構成を
示すブロック図である。 第９図は情報量テーブルを示す図である。 第１０図は知識ベース再構築処理を示すフロー・チャー
トである。 １１・・・知識記憶装置。 １２・・・知識合成装置。 １３・・・合成後知識記憶装置。 １４・・・事象値入力装置。 １５・・・適合度演算装置。 １６・・・動的情報量演算装置。 １７・・・可能性演算装置。 １８・・・可能性表示装置。 １９・・・静的情報量演算装置。 ２０・・・明瞭性演算装置。 ２１・・・明瞭性記憶装置。 ２２・・・明瞭性加算装置。 ２３・・・明瞭性表示装置。 ３１、４１・・・知識ベース再構築装置。 ３２、４２・・・表示装置。 ３３、４３・・・入力装置。 ４４・・・結論間静的情報量演算装置。 第２図 ｍｍｉｍ ｍ１ｎス 第４ａ図 事象ｆ 第４ｂ図 事象ｆ２ 第４ｃ図 事東ｆ 第５ａ図 秋月 第５ｂ図 事像ｆ２ 第５Ｃ図 事象ｆ 第 図 第 図 ｃｅ］Ｄ 第９図

Claims (14)

【特許請求の範囲】
1. （１）設定された事象と結論の関係を表わす専門家の知
   識を一旦記憶し、 記憶した知識を用いて結論ごとに各事象の明瞭性を演算
   し、 結論ごとに、各事象の明瞭性の値をチェックすることに
   より小さい値の明瞭性をもつ事象を検出し、検出した事
   象の対応する結論との関連付けを解除する、 近似推論のための知識ベース形成方法。
2. （２）関係するすべての事象との関連付けが解除された
   結論を削除する、 請求項（１）に記載の近似推論のための知識ベース形成
   方法。
3. （３）設定された事象と結論との関係を表わす専門家の
   知識を記憶する手段、 上記記憶手段に記憶されている知識を用いて結論ごとに
   各事象の明瞭性を算出する明瞭性演算手段、および 結論ごとに、小さい値の明瞭性をもつ事象の対応する結
   論との関連付けを解除する手段、 を備えた近似推論のための知識ベース形成装置。
4. （４）上記明瞭性演算手段により算出された明瞭性を表
   示する表示手段と、解除確認または解除指令を入力する
   ための入力手段とを備え、上記解除手段は上記入力手段
   からの入力に応答して事象と結論との関連付けを解除す
   る、 請求項（３）に記載の近似推論のための知識ベース形成
   装置。
5. （５）上記解除手段は、上記明瞭性演算手段により算出
   された明瞭性の値をチェックし、所定値以下の明瞭性を
   もつ事象を検出し、検出した事象の対応する結論との関
   連付けを解除する、 請求項（３）に記載の近似推論のための知識ベース形成
   装置。
6. （６）上記解除手段はさらに、関連するすべての事象と
   の関連付けが解除された結論を削除する、請求項（５）
   に記載の近似推論のための知識ベース形成装置。
7. （７）同一事象、同一結論に関して複数の知識がある場
   合にこれらを合成する手段をさらに備えている請求項（
   ３）から（６）に記載の近似推論のための知識ベース形
   成装置。
8. （８）設定された事象と結論の関係を表わす専門家の知
   識を一旦記憶し、 記憶した知識を用いて、事象ごとに、２つの結論間の静
   的情報量を演算し、 事象ごとに、２つの結論間の静的情報量が小さいものを
   抽出し、その結論間静的情報量に関連する２つの結論の
   うち他の結論との結論間静的情報量が小さい方の結論に
   ついて対応する事象との関連付けを解除する、 近似推論のための知識ベース形成方法。
9. （９）関係するすべての結論との関連付けが解除された
   事象を削除する、 請求項（８）に記載の近似推論のための知識ベース形成
   方法。
10. （１０）設定された事象と結論との関係を表わす専門家
    の知識を記憶する手段、 上記記憶手段に記憶されている知識を用いて、事象ごと
    に、２つの結論間の静的情報量を算出する結論間静的情
    報量演算手段、および 事象ごとに、小さい値の結論間静的情報量に関連する２
    つの結論のうち他の結論との結論間静的情報量が小さい
    方の結論について対応する事象との関連付けを解除する
    手段、 を備えた近似推論のための知識ベース形成装置。
11. （１１）上記結論間静的情報量演算手段により算出され
    た結論間静的情報量を表示する表示手段と、解除確認ま
    たは解除指令を入力するための入力手段とを備え、上記
    解除手段は上記入力手段からの入力に応答して結論と事
    象との関連付けを解除する、 請求項（１０）に記載の近似推論のための知識ベース形
    成装置。
12. （１２）上記解除手段は、上記結論間静的情報量演算手
    段により算出された結論間静的情報量の値をチェックし
    、所定値以下の結論間静的情報量に関連する２つの結論
    を抽出する、 請求項（１０）に記載の近似推論のための知識ベース形
    成装置。
13. （１３）上記解除手段はさらに、関連するすべての結論
    との関連付けが解除された事象を削除する、請求項（１
    ２）に記載の近似推論のための知識ベース形成装置。
14. （１４）同一事象、同一結論に関して複数の知識がある
    場合にこれらを合成する手段をさらに備えている請求項
    （１０）から（１３）に記載の近似推論のための知識ベ
    ース形成装置。