JPH0488428A

JPH0488428A - 近似推論装置

Info

Publication number: JPH0488428A
Application number: JP2196260A
Authority: JP
Inventors: Hideji Ejima; 江島　秀二
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1990-07-26
Filing date: 1990-07-26
Publication date: 1992-03-23

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（ルール）を
あらかじめ記憶しておき、入力データをこの知識にあて
はめることにより推論を行ない、結論の可能性を算出す
るとともに、得られる各結論の可能性に関する各事象の
明瞭性を演算する近似推論装置において、−の結論に関
係する事象の中で静的情報量または明瞭性の低いものを
選択的に削除する。これにより、ルールを整理すること
ができ、処理時間の短縮化を図り　得られる結論の信頼
性を高めることができる。

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、　ＺｈａｎｇＨｏｎｇｍｉｎ　
　ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＷＩＴＨＴ）Ｉ
ＩＮＫＪＮＧ　ＩＮ］　ＭＡＧＥＳ″、　Ｐｒｅｐｒｉ
ｎｔｓ　ｏｆ　５ｅｃｏｎｄ　ＩＰｓＡ　Ｃｏｎｇｒｅ
ｓｓ。

Ｔｏｋｙｏ、　　ノｕｌｙ　　２０−２５．　　１９８
７．　　Ｐ、７６５　　）　　。

二の近似推論方式は、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、このような従来の装置においては１結論
を導き出すために有用な事象も有用でない事象もすべて
ルールの中に組入れていた。このため、実際の近似推論
において多くの事象データの入力が必要となり、そのた
めに推論時間が長くかかっていた。これは故障診断など
のように短詩′間のうちに的確な結論が要求されるアプ
リケーションにおいては大きなデメリットとなっていた
。

発明の概要発明の目的この発明は有用でない事象をルールから削除してルール
（結論と事象との関係を表わす知識）を整理することが
できる近似推論装置を提供することを目的とする。

発明の構成２作用および効果この発明による近似推論装置は、事象と結論との関係を
あらかじめ記憶しておく記憶手段、入力データを上記記
憶手段に記憶されている関係にあてはめることにより結
論の可能性を演算する近似推論手段、上記記憶手段に記
憶されている関係を用いて結論ごとに各事象の静的情報
量または明瞭性を演算する演算手段、および所定の結論
に関して、上記演算手段によって演算された静的情報量
または明瞭性を表示する表示手段を備えている。

この発明による近似推論装置はさらに、上記表示手段に
表示された結論に関して、所定の事象を上記関係から除
去すべきことを入力するために事象除去入力手段を備え
ている。

この発明による近似推論装置においては、上記事象除去
入力手段から入力された事象を上記関係から除去した後
の事象と結論との関係に基づいて上記近似推論手段によ
って結論の可能性が再演算される。

さらにこの発明による近似推論装置においては、上記事
象除去入力手段から入力された事象を上記関係から除去
した後の事象と結論との関係を用いて上記演算手段によ
って静的情報量または明瞭性が再演算される。

この発明による近似推論装置は、事象と結論との関係を
あらかじめ記憶しておく記憶手段２上記記憶手段に記憶
されている関係を用いて結論ごとに各事象の静的情報量
または明瞭性を演算する演算手段、所定の結論に関して
、上記演算手段によって演算された静的情報量または明
瞭性を表示する表示手段、上記表示手段に表示された結
論に関して、所定の事象を上記関係から除去すべきこと
を入力する手段、および上記除去入力手段から入力され
た事象を上記関係から除去した後の事象と結論との関係
に入力データをあてはめることにより結論の可能性を演
算する近似推論手段を備えている。

そして、上記除去入力手段から入力された事象を上記関
係から除去した後の事象と結論との関係を用いて上記演
算手段によって静的情報量または明瞭性が再演算される
。

この発明によると、−の結論に関係する複数の各事象の
静的情報量または明瞭性が上記表示手段に表示される。

この表示をみて作業者は静的情報量または明瞭性の低い
事象、すなわちあまり有用とは考えられない事象を削除
すべきことを上記除去入力手段により入力することがで
きる。このようにして、結論と事象との関係を表わす知
識（ルール）が整理され、より簡潔で有効な結論と事象
との関係が得られる。

このようにして整理された結論と事象との関係を表わす
知識を用いて、結論の可能性を得るための近似推論、お
よび静的情報量または明瞭性の演算が再び行なわれるこ
とになる。

以上のようにしてこの発明によると、−旦設定した（設
計した）結論と事象との関係（ルール）における各事象
について有用かどうかの判断か可能になるために、近似
推論装置の評価が可能となる。有用でない事象は除去さ
れ、整理されたより効果的かつ簡潔な結論と事象との関
係が得られるので、少ない事象入力データを用いて充分
実用的な近似推論が可能となり、推論時間の短縮化を図
ることができる。静的情報量または明瞭性の低い事象が
多ければ得られる結論の可能性も不明確となるが、この
発明によると上記のような事象が削除されているから信
頼性の高い結論の可能性を得ることができる。

実施例の説明（１）近似推論装置の全体構成第１図に近似推論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１
２．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１６．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．明瞭性表示装置２３、静的情報量表示
装置３１．表示指令装置３２および事象除去装置３３か
ら構成されている。

以下に、これらの装置について詳述する。

（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
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（ルール）の形式で以下
に示す。

専門家ｅｘｌ　　：ｉｆ　　２０≦ｆｌ≦６０．　０　≦ｆ２≦４０゜・、
　ａ　　≦ｒ１≦ｂ　　、−ｔｈｅｎ　　ｃｌｉｌ　　
　　　１１・・・（１）ｉｆ　　４０≦ｆｌ≦８０．　６０≦ｆ２≦１００゜−
、ａ　、≦ｆ’ｉ≦ｂ　ｉ２、−　　ｔｈｅｎ　　ｃ２
・・・（２）皇ｆ　　・・・　、　ａ　ｉｊ≦　ｒ１≦　ｂ　　ｉｊ
　、　　・−ｔｈｅｎ　　　ｃｊ・・・（３）専門家ｅｘ２　：ｉｆ　　３０≦ｆｌ≦５０．１０≦ｆ２≦３０゜−、ａ
　、　　≦ｆ１≦ｂ１１゜ｔｈｅｎ　　　ｃｌ・・・（４）ｉｆ　　　５０≦ｆ１≦７０．　７０≦１２≦９０゜・
・・、ａ　≦ｆｉ≦ｂｉ２　’・・・ｔｈｅｎ　　　ｃ
２・・・（５）ｉｆ−、ａ、−≦Ｎ≦ｂ、、、−ｔｈｅｎ　　ｃｊＩＪ
　　　　　　　　１コ・・・（８）［１，ｒ２．　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
呼ぶことがある。結論の添字ｊは１〜ｎの範囲の値をと
る。

また、ａｌ、≦ｆｊ≦ｂ１ｊのように表わされたａ　ｉ
ｊ。

１コｂｏ、をそれぞれ最小値、最大値と呼ぶ。

］Ｊ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第　　２表専門家ｅｘ２（３）知識合成装置知識合成装置１２は、知識記憶装置ｔｌｌ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ｒ１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）を求める規則を抽比する
と次のように表わされる。

専門家ｅｘｔ　　：ｉｆ　　２０≦ｆ１≦６０　　ｔｈ
ｅｎ　　ｃｌ−（７）専門家ｅｘ２　：　１ｆ８０≦ｆ
１≦５０　　ｔｈｅｎ　　ｃｌ＝−（８）最小値の平均
値ｍ　、および最大値の平均値ｌｎｍ　　が算出される。

ａＸ２０＋　８０　−２５　　　　　　　・・・（９）１１
’ｌ、　　　　ｇ即】ｎ　　　　　、２第　　３表最小値の標準偏差σ　、および、最大値の標準１ｎ偏差σ　　が算出される。

ＩａＸ二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（８）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）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　　。

１１１１ｎ　　　　　　　　　　　　　　　　　　　　
　　　　ｌ１ａＸ最小値の標準偏差σ、、最大値の標準
偏差ｉｎ σ　　を用いて、メンバーシップ関数は次式によｌａＸり表わされる。

・・・（１３）ただし。

Ｘ　　：事象への入力データの値 Φ（Ｘ）二人力データＸが事象に適合する程度（適合度
）（ｉａｕｓｓ（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■１　ｎ　　　　　　　　
　　　　ＩａＸれ、傾きはσ　、またはσ　　によって
決定され１１１　　　　　　　　　　　　ｌａＸ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（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（１８）式は次のようになる
。

・・・（１４）第３ａ図は第（１８）式または第（１４）式の右辺第１
項を、第３ｂ図は第（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４
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、　ｒ２．　ｒＮ：：　−）　ＬＮ　テ、結論ｃ
ｌ、　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。

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。

（８）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
、入力データか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ＭＩＮ−ＭＡＸ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ｆ
１の事象値（入力データ）をｘｌ、事象ｒ２の事象値を
ｘ２．事象ｆｉ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”１１　
’　ｍ１２　’　”ｌｊ　’　”２１　’　ｍ２２　’
　”２ｊを次０ように定める。

”　１１　’入力データｘｉの結論Ｃ１のメンバーシッ
プ関数に対する適合度 ”１２’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ｊｒｌｌｊ：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．入力データｘ２の結論Ｃ１のメンバーシップ関
数に対する適合度 ”２２・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ｅｊ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．を入力デ
ータ（事象値）ｘｉの結論ｃｊのメンバーシップ関数に
対する適合度とする。

これらの適合度は入力データｘｉ、　ｘ２．　ｘｉ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。

人力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。

Ｅｒｉ　−、’４　ｆ　（ｍ、／　Ｍ、　）　ｌｏｇ　
（ｍ、／Ｍｉ）　１・・・（１５）ここでＭ、−Σ　ｍ・・　　　　　　　　　　　　　　・・　
（１８）１＋−１１３二のファジィ・エントロピは、情報識別能力の指標の一
種で、入力データｘｉを与えたときに、結論が明確に忠
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が与えられたときの動的情報量Ｉｆｆ、（
ｘｉ）を求める。ここで、動的情報量１ｆｉＤ（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
事象の識別能力である。

そこで、事象目についての動的情報量１ｆｉａ（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Ｅｆｔを引いた
ものと定義する。

Ｉｆｉｎ（ｘｉ）−１Ｃｇ（ｎ）＋、）？−ｉ（ｍｉｊ
／Ｍ、　）　ｌ　ｏｇ　（ｍｉｊ／Ｍ、　）　１・・・
（１７）入力データｘｉ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１５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・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。事象ｉについての静
的情報量は次式％式％ｍ　ｉｊ（ｘ　’ｋ）：事象ｒｉについての入力データ
Ｘ２にの結論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ｆｉのレンジ幅Ｘｌｌ〜ｘｊｐをδ間隔で（ｐ−１
）個に分割している。第（１８）式の（１／ｐ）［Σ　
８１．］は各Ｘ　ｌ　ｋ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か大きいほど。

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）ツ：プ関数が
結論を識別する能力を示してい赤る。

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（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ｖｌは次のようになる。

ｖｉ＝　Ｉｆｆ　（ｘｉ）／１子　１ｆｉ、（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、とじて算出する。

たとえば上記の例ではＰｒ、−Σ　（ｖｊ　ｘ　ｍ　ｉｊ）　　　　　　　・
−（２１）Ｊ　　　　　１＋１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で算出
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Ｗ２０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。

Ａ１．−Σ　ｍ、、（ｘｉ　　）ＩＪ　　＊−＋　　ＩＪ　　ｋすなわち・・・（２３）事象ｆ　ｉに結論ｃｊのメンバーシップ関数が存在すれ
ばＡ、、＞Ｏｌコ事象ｆＩに結論ｃｊのメンバーシップ関数が存在しなけ
ればＡ、、−０Ｊ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ｅｊのメンバーシップ関数が存在する事象ｒｌ
についてのみその静的情報量１ｆｉｓ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、明瞭性演算袋！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１己憶する装置である
。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１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。

（１，−１壬、Ｃρ８．　　　　　　　　　・・・（２
４）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ｒｉの明瞭性ｃｐ、、は０として取
Ｊ扱う。すなわち、入力データｘｊが与えられた事象の明
瞭性ＣＬ、についてのみ第（２４）式の加算が行１コなわれる。

推論結果の明瞭性ｃＩ！、のとり得る範囲は。

コ０．０　≦Ｃ１，≦１．０コである。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
。

（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）静的情報量表示装置と表示指令装置上述のよう
に各事象についての静的情報量が演算装置１９で演算さ
れ、その結果は第６図に示すように、結論ごとにテーブ
ルの形で演算装置１９または静的情報量表示装置３１に
記憶される。第６図のテーブルにおいて、順番は静的情
報量の大きさの順番である。

静的情報量表示装置３１は１表示指令装置３２から結論
を特定する番号ｊまたはコードが入力されたときに　そ
の結論に関係する静的情報量を第６図のテーブルから読
出し１それらのうちで大きい順に５つおよび小さい順に
５つ１合計１０の静的情報量を表示する。作業者がこれ
らの表示をみて事象間で静的情報量のばらつきが大きい
と判断したような場合にすべての事象の静的情報量をみ
たいときには表示指令装置３２から全事象についての表
示指令を入力する。すると表示装置３１は、所与の結論
に関するすべての事象の静的情報量を表示する。

このようにして２作業者は所望の結論についての各事象
の静的情報量、すなわち各事象が結論に対して有用かど
うか（寄与するかどうか）を表示をみて判断することが
できる。

上述のように結論ごとの各事象の明瞭性ｃ、ｐ、。

Ｊは静的情報量を正規化することにより求められるので、
この明瞭性Ｃ１１１、を第６図のテーブルのよＪうな形で記憶しておき、静的情報量に代えて明瞭性ｃｎ
、、を表示装置３１に表示するようにしてもよＪい。

（１５）事象除去装置事象除去装置３３は、静的情報量表示袋！８１に表示さ
れた各事象の静的情報量（または明瞭性Ｃ１）、、）を
見て１作業者が削除すべきと判断したＪ事象を入力するためのものである。

たとえば作業者は表示装置３１に表示された静的情報量
か大きい５つの事象と静的情報量が小さい５つの事象と
を比較して、それらの静的情報量の差か非常に大きい（
たとえば小さい静的情報量の２倍以上である）ものがあ
るときには１静的情報量の小さい事象を削除すべきこと
を装置３３から入力する。

（１Ｂ）可能性、明瞭性等の再演算ある結論について削除すべき１または複数の事象が事象
除去装置３３から入力されると１可能性明瞭性等の再演
算が行なわれる。すなわち削除すべき事象を表わすデー
タは一方では適合度演算装置１５に送られ、この装置１
５における適合度演算において、削除すべきものとされ
た事象の上記の結論に関するメンバーシップ関数の適合
度の演算が省略される。したかって、可能性演算装置１
７における可能性演算においても削除すべきものとされ
た事象の入力データは算入されないことになる。

事象の削除は上述した知識を表わす規則からその事象を
除去することを意味する。このようにして、該当する結
論について装置３３から入力された事象を除去した規則
（ルール）にしたがって新たに算出された可能性が表示
装置１８に表示される。

これにより１作業者はその事象の削除が妥当であったか
どうかなどの判断をすることができる。

同じように、装置３３から入力された削除すべき事象を
表わすデータは静的情報量演算装置１９にも与えられ、
削除すべきものとされた事象を除去した規則にしたがっ
て静的情報量が再演算される。

また、明瞭性演算および明瞭性加算も再度行なわれない
。このようにして再演算された結論ごとの明瞭性は表示
装置２３に表示され、静的情報量は表示装置３１に表示
される。

静的情報量の表示、事象の削除入力、削除された事象を
除いた規則にしたがう再演算は、結論の番号」を変えな
がら、各結論ごとに繰返し行なわれる。そして、最終的
にはすべての結論についての規則がより簡潔な形に整理
される。この処理を簡単にまとめると第７図に示すよう
に表わされる。

上述した各装置１１〜２３．３１〜３３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。たとえば知工合成装置１２各種演算装置
１５．１６．１７．１９．２０．２２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、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図は静的情報量テーブルを示すものである。第７図は事象の削除処理を示すフロー・チャートである
。３２・・・表示指令装置。３３・・・事象除去装置。

Claims

【特許請求の範囲】（１）事象と結論との関係をあらかじめ記憶しておく記
憶手段，入力データを上記記憶手段に記憶されている関係にあて
はめることにより結論の可能性を演算する近似推論手段
，上記記憶手段に記憶されている関係を用いて結論ごとに
各事象の静的情報量または明瞭性を演算する演算手段，
および所定の結論に関して，上記演算手段によって演算された
静的情報量または明瞭性を表示する表示手段。を備えた近似推論装置。（２）上記表示手段に表示された結論に関して，所定の
事象を上記関係から除去すべきことを入力する手段をさ
らに備えた請求項（１）に記載の近似推論装置。（３）上記除去入力手段から入力された事象を上記関係
から除去した後の事象と結論との関係に基づいて結論の
可能性を演算するよう上記近似推論手段を制御する手段
をさらに備えた請求項（２）に記載の近似推論装置。（４）上記除去入力手段から入力された事象を上記関係
から除去した後の事象と結論との関係を用いて静的情報
量または明瞭性を演算するよう上記演算手段を制御する
手段をさらに備えた請求項（２）に記載の近似推論装置
。（５）上記近似推論手段が，入力されたデータを上記関係によって表わされるメンバ
ーシップ関数を用いて適合度に変換する適合度演算手段
，この適合度を用いて事象ごとの動的情報量を求める動的
情報量演算手段、および上記適合度と動的情報量とを用いて結論の可能性を求め
る可能性演算手段から構成される請求項（１）に記載の近似推論装置。（８）上記結論の可能性を表示する表示装置をさらに備
えている請求項（１）に記載の近似推論装置。（７）上記演算手段から得られる静的情報量を用いて結
論ごとに各事象の明瞭性を算出し、この算出した明瞭性
を用いて、または上記演算手段から得られる明瞭性を用
いて、実際にデータが入力された事象の明瞭性を加算し
て結論ごとの明瞭性を演算する加算手段、をさらに備えた請求項（１）に記載の近似推論装置。（８）上記明瞭性加算手段から得られる推論結果に対す
る明瞭性を表示する明瞭性表示手段、をさらに備えた請求項（７）に記載の近似推論装置。（９）事象と結論との関係をあらかじめ記憶しておく記
憶手段。上記記憶手段に記憶されている関係を用いて結論ごとに
各事象の静的情報量または明瞭性を演算する演算手段。所定の結論に関して、上記演算手段によって演算された
静的情報量または明瞭性を表示する表示手段。上記表示手段に表示された結論に関して、所定の事象を
上記関係から除去すべきことを入力する手段、および上記除去入力手段から入力された事象を上記関係から除
去した後の事象と結論との関係に入力データをあてはめ
ることにより結論の可能性を演算する近似推論手段、を備えた近似推論装置。（１０）上記除去入力手段から入力された事象を上記関
係から除去した後の事象と結論との関係を用いて静的情
報量または明瞭性を演算するよう上記演算手段を制御す
る手段をさらに備えた請求項（９）に記載の近似推論装
置。