JPH0488429A

JPH0488429A - 近似推論装置

Info

Publication number: JPH0488429A
Application number: JP2196261A
Authority: JP
Inventors: Hideji Ejima; 江島　秀二; Taiji Yoshikawa; 泰司吉川
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５人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
明瞭性および結論ごとの明瞭性加算値を演算する近似推
論装置において　明瞭性加算値をより高めるために有効
な入力すべき事象をガイダンスする。このガイダンスに
したがって事象データを人間に入力させるかまたは自動
的に入力する。これにより、効率的に明瞭性（信頼性）
の高い結論を得ることができる。

発明の背景技術分野二の発明は、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、　ＺｈａｎｇＨｏｎｇｍ　ｉ
　ｎ　　ＡＮ　ＥＸＰＥＲＴ　ＳＹＳＴＥＭ　ＭＩＴＩ
（Ｔ）ＩＩＮＫＩＮＧ　ＩＮＩＭＡＧＥＳ”　、　Ｐｒ
ｅｐｒｉｎｔｓ　ｏｆ　５ｅｃｏｎｄ　ＩＰｓＡ　Ｃｏ
ｎｇｒｅｓｓ。

Ｔｏｋｙｏ、　Ｊｕｌｙ　２０−２５．１９８７．　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　このような従来の近似推論方式では、入
力した事象データに基づいて結論の可能性を導き出す場
合、すべての事象に関するデータを入力しないと可能性
はもとより明瞭性も低い値となるために、結論を人間が
正確に判断てきなかった。

また、すべての事象についてのデータを入力すれば明瞭
度は高くなるが、故障診断のようにその処理に迅速性が
要求される場合にはあまりに時間かかかりすぎるのです
べてのデータを入力することは無理である。

さらに、専門家が取扱う場合は経験により効率的な事象
データのみを選択して入力することかある程度可能であ
るが、初心者の場合、経験がないためにすべての事象デ
ータを入力しないと明瞭性が高くならないという問題点
があった。

発明の概要発明の目的この発明は、結論に大きな影響を及ぼす事象データを効
率よく入力し、できるだけ数の少ない事象データで高い
明瞭性（信頼性）をもつ結論を得ることができるように
することを目的とする。

発明の構成９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、上記記憶手段に記憶
されている関係を用いて各事象の静的情報量を演算する
手段、および上記演算手段によって算出された静的情報
量を事象と関連させて大きい順に出力する手段を備えて
いることを特徴とする。

上記静的情報量演算手段によって算出された各事象の静
的情報量について大きいものから順に対応する事象の事
象データを入力するよう指示する手段を備えることによ
り、この指示にしたがって人間（作業者）が事象データ
を入力することができる。

また、上記静的情報量演算手段によって算出された各事
象の静的情報量について大きいものから順に対応する事
象の事象データを入力する手段を備えることにより１人
間による操作なしに事象データが入力される。

上記静的情報量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１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
明瞭性演算手段を備えることにより、各結論の明瞭性が
判断できる。

上記明瞭性演算手段によって算出された明瞭性加算値が
少なくとも１つの結論について所定値に達するまで事象
データ入力と明瞭性加算とを繰返すよう制御する手段を
備えることにより、上記結論についての信頼性を高める
ことかできる。

上記近似推論装置は、各事象の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を備えている。

上記近似推論手段は好ましくは、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。

この発明によると、各事象のもつ静的情報量かその大き
い順に並べられて出力されるので、これにしたがって静
的情報量の大きい順に各事象の事象データを入力するこ
とが可能となる。事象の静的情報量はその事象のメンバ
ーシップ関数が結論を識別する能力を示しているので、
静的情報量の大きい順に事象値データを入力することに
よりより少ない事象データの入力（事象データの入力数
か少なくて）より高い明瞭性をもつ結論を得ることがで
きる。近似推論か効率的に行なえ、処理時間も短くてす
む。とくに、どの事象についての事象データから先に入
力してよいか判断てきないまたは判断が困難な初心者に
とっては、事象データの順番を指示してくれるので、迷
うことなく効率よく結論を導き出すことができる。

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、上記記憶手段に記憶
されている関係を用いて各事象の静的情報量を演算する
静的情報量演算手段、上記静的情報量演算手段から得ら
れる静的情報量を用いて結論ごとに各事象の明瞭性を演
算する明瞭性演算手段、および上記明瞭性演算手段から
得られる結論ごとの各事象の明瞭性を大きいものから順
に表示する手段を備えていることを特徴とする。

上記近似推論装置はまた。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明瞭
性加算手段を備えている。

上記近似推論装置はさらに、上記明瞭性加算手段によっ
て算出された明瞭性加算値が少なくとも１つの結論につ
いて所定値に達するまで事象データ入力と明瞭性加算と
を繰返すよう制御する手段を備えている。

上記近似推論装置はさらに、各事象の入力データを上記
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を備えている。

この発明の近似推論装置によると、結論ごとの各事象の
明瞭性の大きさの順序が指示されるので、この大きさの
順序にしたがって事象値データを入力することかでき、
上述した場合と同じように１事象データの少ない入力数
で明瞭性の高い結論を短時間で効率よく得るこ゛とがで
きるとともに１初心者であっても簡単にかつ能率よく操
作することができるようになる。

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、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明瞭性を
演算する演算手段、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に明瞭性加算値を得る加算手段
、および所定の結論について明瞭性加算値を最大限に増
大させる事象を選択する手段を備えている。

上記近似推論手段により得られた結論のうち可能性の最
も高いものから上記選択手段による事象の選択を行なわ
せるようにするとよい。

上記近似推論手段は好ましくは、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２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。

上記選択手段によって選択された事象の事象データを入
力するよう指示する表示手段を備えることにより１人間
（作業者、利用者）がこの指示にしたがって事象データ
を入力することができるようになる。

上記選択手段によって選択された事象の事象データを入
力する手段を備えることにより１人間による操作なしに
事象データが自動的に入力されるようになる。

上記加算手段によって算出された明瞭性加算値か上記所
定の結論について所定値に達するまで事象データ入力と
明瞭性加算とを繰返すよう制御する手段を備えることに
より、上記所定の結論についての明瞭性を所定値まで高
めることができる。

上記選択手段による事象の選択を所定数の結論について
繰返し行なうよう制御する手段を備えることにより、多
くの結論について事象データの追加入力が可能となる。

上記選択手段による選択にしたがって入力された事象デ
ータを含めて、すべての入力データを上記記憶手段にあ
てはめることにより結論の可能性を再演算するよう上記
近似推論手段を制御する手段を設けることにより、上記
選択手段による選択にしたがって入力された事象データ
を用いた再推論が行なわれ、明瞭性の高い結論の可能性
についての情報が得られる。

以上のようにしてこの発明の近似推論装置によると、明
瞭性加算値を最大限に増大させる事象が選択されるので
、この選択された事象の事象データを入力することによ
り、すべての事象に関するデータを入力しなくても結論
判断に十分な明瞭性加算値を早期に確保できるため、短
い期間で効率的に結論を出すことができるようになる。

事象データの入力数が少なくて結論を評価することが困
難または危険であると考えられる場合。

可能・性の高い結論□がいくつか存在する場合１重要と
思われる事象のデータがまだ入力されていないと考えら
れるような場合等において、上記選択手段を起動するこ
とにより、最も有効に働く事象のデータを入力すること
が可能となり、必ずしも専門家でなくても効率よく結論
を出すことができる。とくに初心者にとってはデータを
入力すべき事象を１つずつ指示してくれるので、能率的
な入力操作が可能となる。

設計時に設定した知識が不適当であれば、多くの事象デ
ータを入力しないと明瞭加算値が高くならない。この発
明によると、設計段階で作成した知謀の評価が可能とな
り、最適な設計をサポートできるようになる。

実施例の説明（１）近似推論装置の全体構成第１図および第２図に近似推論装置の全体構成の一例が
示されている。第１図はこの発明の第１の実施例による
構成を表わし、第２図はこの発明の第２の実施例による
構成を表わしている。

これらの図において、近似推論装置は、知識記憶装置１
１．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２３を含んでいる。これらの装置１１〜２３は第１実
施例（第１図）および第２実施例（第２図）に共通のも
のである。

第１図に示す第１実施例の近似推論装置はさらに、静的
情報量表示兼入力指示装置３１を備えている。

第２図に示す第２実施例の近似推論装置はさらに１事象
選択演算装置３２および事象入力指導表示装置３３を備
えている。

以下、まず両実施例に共通の構成について説明し９次に
各実施例の構成および動作について別個に説明する。

（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かできる。

知識記憶装置ｌ】に記憶されている２名の専門家ｅｘｔ
　、　ｅｘ２の知識の例を規則（ルール）の形式て以下
に示す。

専門家ｅｘｌ　：ｊｆ２０≦ｆ１≦６０，０≦ｆ２≦４０゜””ａｉｔ≦
ｆｉ≦ｂｉｔ”” ４０≦ｒｌ≦８０．　６（１；　ｆ２≦１００”、ａｉ
２≦Ｎ≦ｂｉ２”” ａ　、、≦ｆｉ≦　ｂ　、。

ＩＪ　　　　　　　　　　　ＩＪ専門家ｅｘ２ｉｆ３０≦ｆ１≦５０．１０≦ｆ２≦３０゜・＝　、　
ａ　　≦ｆｉ≦ｂ１１゜５０≦ｆｌ≦７０．　７０≦１２≦９０゜””　ａ’＋
２≦ｆ　ｉ≦ｂ　Ｉ　２−　＝ｈｅｎｈｅｎｈｅｎｈｅｎｈｅｎ・・・（１）・・　く２）・・（３）・・・（４）ｉｒ＝−、ａ−−≦ｆｉ≦ｂ、、、−ｔｈｅｎ　　　ｃ
ｊＩＪ　　　　　　　　　ＩＪ・・・（６）専門家ｅｘｌｆｌ　　ｆ２　　ｆｉは事象であり、これらをそれぞれ
事象１．事象２．事象ｌと呼ぶことがある。事象の添字
ｌ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、≦ｆｉ≦ｂｌｊのように表わされたａ　ｉ
ｊ。

ＩＪｂｌ、をそれぞれ最小値、最大値と呼ぶ。

ＩＪ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（以下余白）（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≦ｆｌ≦６０　　ｔｈ
ｅｎ　　ｃｌ・（７）専門家ｅｘ２　：　ｉｆ　　３０
≦ｆ１≦５０　　ｔｈｅｎ　　ｃｌ−＝（８）最小値の
平均値ｍ、および最大値の平均値凪Ｉｎｍ　　が算出される。

ＩａＫ２０＋３０ □。１□−−２５川（９）鳳ａｘＨ＋　５０噛５５・・・（１０）最小値の標準偏差σ　、および、最大値の標準ｉｎ偏差σ　　が算出される。

ＩａＫ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（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ｍ　　。

１１１１ｎ　　　　　　　　　　　　　　　　　　　　
　　　ＩａＸ最小値の標準偏差σ１．最大値の標準偏差
ａスｎ σ　　を用いて、メンバーシップ関数は次式によ１ａＸ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
）Ｇａｕｓｓ（ｘ）　：入力Ｘにおけるガウス分布の値で
ある。

第３図にガウス分布の一例を示す。二〇ガウス分布にお
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　　　　　　
　　　　　　ＩａＫれ、傾きはσ　、またはσ　　によ
って決定され１１ｎ　　　　　　　　　　　　１ｌｌａ
Ｘ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４ａ図から第４Ｃ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４ａ図は第（１３）式または第（１４）式の右辺第１
項を、第４ｂ図は第（１３）式または第（１４）式の右
辺第２項を、第４Ｃ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ｒｌ、　ｆ’２．　ｆｉについて、結論ｃ１．　ｅ２
．　ｃｊを求めるためのメンバーシップ関数の例を、第
５ａ図、第５ｂ図および第５ｃ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。

（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ｒ
１の事象値（入力データ）をｘｌ、事象ｆ２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６ａ図および第６ｂ図に示すように各適合度１１　　
１２　　１ｊ　　　２１°”２２”’２ｊ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ｘｉの結論ｃ２のメンバーシップ関
数に対する適合度ｍ１ｊ：入力データＸｉ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ｃｌ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６ｃ図に示すように、適合度ｍ、ｊを入力デ
ータ（事象値）χ１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Ｘ１．　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
。

ここでファジィ壷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Ｅｌ
’ｌを次のように定義する。

Ｅｆｊ−−主（（ｍ、／　Ｍｉ）　ｌ　ｏｇ　（ｍ、ｊ
／Ｍ、　）　１・・・（１５）ここでＭ　、−、Ｅ、　ｍ　ｉｊ、、、　（１６）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ｘ１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１ｆ’１ｏ（ｘｊ
）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ｆｉについての動的情報量ＩｆｆＤ（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。

ｌｆｉｐ（ｘｉ）−ｌｏｇ（ｎ）＋壬１（ｍｉｊ／Ｍ、
　）　ｌ　ｏｇ　（ｍ１ｊ／Ｍ、　）　１・・・（１７
）入力データｘｉが与えられなかった事象ｆｉ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７式％ｍｉＪ（ｘ’ｋ”事象ｆｉについての入力データｘｉｋ
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５Ｃ図に示すように、
事象ｒｉのレンジ幅ｘｉ１〜ｘｉ、をδ間隔て（ｐ−１
）個に分割している。第（１８）式の（１／ｐ）［Σ　
、１．］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ｊｉ！　（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１合成された知謀により得ら
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ｖｉは次のようになる。

ｖｉ　−１ｒｉ　（ｘｉ）／　、Ｘ、　ＩＮ、（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　（ｗｉｘｍｉｊ）・・（２１〉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、可能性か高い結論を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
置に伝送したリ、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伝する時の各事象の
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。

たたし。

Ａ、巨Σ ｊｋ−１すなわち。

ｍｌ　ｊ（Ｘ　ｌ　ｋ）・・　（２３）事象ｆｉに結論ｃｊのメンバーシップ関数が存在すれば
Ａ１．＞０Ｊ事象ｆ　ｉ　ニ結論ｃｊのメンバーシップ関数か存在し
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ｃｊのメンバーシップ関数か存在する事象ｒｉ
についてのみその静的情報量１ｒｉｓ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、相対的な識別能力か直観的に分りやす
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
値を読み比すようにする。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。

Ｃｐ、−Σ　Ｃ１１・・（２４〉ｊ　　＋−＋　　　ｌｊ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ｆ１の明瞭性ＣＬ、は０として取Ｊ扱う。すなわち、入力データｘｉか与えられた事象の明
瞭性ＣＩ１．．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Ｂ、のとり得る範囲はコ０．０　≦ＣＬ≦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１０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、使用することかできる事象の中
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か得られると言える
。

（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）静的情報量表示兼入力指示装置（第１図）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７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兼入
力指示装置３１に記憶される。、第７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１ｆ＋ｓは上述のように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。

静的情報量表示兼入力指示装置３１は、データを入力す
べき事象の順番を、その静的情報量が大きい順に表示指
示するものである。この表示は、第７図に示すようなテ
ーブルに対応する事象を表わす番号を加えて画面に表わ
してもよいし、事象データを入力するその都度入力すべ
きデータの事象を画面に表わして指示するものでもよい
。人間（作業者）はこの表示をみて事象値入力装置１４
から事象データを静的情報量が大きい事象の順序で入力
する。または　事象データがセンサからの検出信号によ
って表わされるような場合には、指示装置３１は事象値
入力装置１４を、静的情報量が大きい事象の順序で各事
象のセンサからの検出信号を取込むように制御する。

第１実施例の近似推論装置は、近似推論を行なう前に装
置３１に静的情報量を表示し、これにしたがって人間に
事象データを入力させまたは事象データを入力するよう
入力装置１４を制御して推論に必要なデータを確保する
。そしてこの後、適合度演算装置１５．可能性演算装置
１７等を起動して近似推論を行なわせる。

第８図は静的情報量表示兼入力指示装置３工による処理
手順を示している。

まず静的情報量演算装置１９によって算出された各事象
の静的情報量をその大きさの順序で表示し、または入力
装置１４に入力指示を与え、事象データの入力を促すま
たは入力するよう制御する（ステップ４１）。事象デー
タが入力されると（ステップ４２）、データが入力され
た事象に関して。

その明瞭性を加算装置２２において結論ごとに加算させ
る（ステップ４３）。所定の結論について明瞭性の加算
値が所定値（その結論を信頼できるに足る値であって一
般に１に近い値）に達したときに処理を終える（ステッ
プ４４）。所定複数の結論のそれぞれについて明瞭性加
算値が所定値に達するまでステップ４２．４３を繰返す
ようにしてもよい。

明瞭性の加算値が所定値に達しなくても結論の判断か可
能であると人間（作業者）が判断したときには事象デー
タ入力を中止させてもよい。

第１実施例では静的情報量の大きさを基準にして事象デ
ータを入力させるようにしているが、静的情報量を用い
て算出された結論ごとの各事象の明瞭性の大きさを基準
にして、結論ごとに、明瞭性の大きい順序で対応する事
象の事象データを入力させるようにしてもよい。この場
合にも結論ごとに明瞭性の加算値が所定値に達したとき
に処理を終える。

以上のようにして第１の実施例によると、各事象のもつ
静的情報量かその大きい順に並べられて出力されるので
、これにしたがって静的情報量の大きい順に各事象の事
象データを入力することが可能となる。事象の静的情報
量はその事象のメンバーシップ関数か結論を工別する能
力を示しているので、静的情報量の大きい順に事象値デ
ータを入力することにより、より少ない事象データの入
力（事象データの入力数が少なくて）より高い明瞭性を
もつ結論を得ることかできる。近似推論が効率的に行な
え、処理時間も短くてすむ。とくに、との事象について
の事象データから先に入力してよいか判断てきないまた
は判断が困難な初心者にとっては、事象データの順番を
指示してくれるので、迷うことなく効率よく結論を導き
出すことができる。

（１５）事象選択演算装置および事象入力指導表示装置
（第２図）第２実施例は、入力装置１４から入力された各事象のデ
ータに基づいて、結論の可能性の演算および明瞭性加算
を含む近似推論演算を一旦実行したときに、既に入力さ
れた事象データではまだ充分に高い明瞭性をもつ結論が
得られていない場合に、事象データを追加的に入力する
ために有用に用いられる。たとえば、事象データの入力
数が結論を評価するのに少ないと考えられる場合（可能
性の高い結論の明′瞭性が低い場合）、それぞれについ
て明瞭性の値はある程度高いが複数の結論についてそれ
らの可能性の値がほぼ同程度なので的確に最終的結論を
判断できない場合等である。

事象データの入力数が少ない場合や結論に対して特に重
要な事象についてのデータか入力されていない場合には
一般には可能性、明瞭性とも低い。事象選択演算装置３
２は５明瞭性記憶装置２１に記憶されている結論ごとの
各事象の明瞭性についてのデータを参照して、結論ごと
に明瞭性を最大限に高める事象（その事象に関してデー
タがまだ入力されていないもの）を選択するものである
。

この選択された事象は事象入力指導表示装置３３に与え
られ、その事象に関してデータを入力すべきことが表示
装置３３に表示される。これを見て人間（作業者）は表
示された事象に関するデータを入力装ｆｉｉ１４から入
力する。または事象選択演算装置３２て選択された明瞭
性を最大限に増大させる事象は入力装置１４に与えられ
る。これに応答して入力装置１４は、各事象に関するセ
ンサ等からその事象の検知信号を読取って取込む。上記
の処理は結論の可能性が最も高いものから行なうことが
好ましい。

第９図から第１１図は与えられた事象データに基づいて
算出された近似推論結果を示している。第９図は明瞭性
記憶装置２１に記憶されている結論ごとの各事象の明瞭
性ＣＤ、、の値である。第１０図は１コ事象データ入力済フラグ・テーブルを示し、結論ごとに
各事象について入力済フラグが設けられている。入力装
置１４から事象データが入力されたちのについては入力
済フラグが１にセットされている。入力済フラグが０の
ものは事象データが未入力のものである。この入力済フ
ラグ・テーブルは入力装置１４で作成される。第１１図
は、各結論について可能性と明瞭性加算値Ｃ１１，とを
示すものである。この図では結論の可能性の高いものか
ら順に配列されている。結論の可能性は可能性演算装置
１７により得られ、明瞭性加算値Ｃ１，は明瞭性加算装
置２２て得られる。

上述した第９図から第１１図に示す各種データは、近似
推論が一旦終了したときに事象選択演算装置３２に与え
られる。事象選択演算装置３２はこれらのデータを用い
て第１２図に示す処理を実行する。

第１２図を参照して、まず、第１１図に示すデータから
可能性の最も高い結論を選択する（ステップ５１）。こ
の結論について明瞭性加算値Ｃｇ、が所定値（結論を評
価または確定できる程度に大きい値）以上かどうかがチ
エツクされる（ステップ５２）。明瞭性加算値ＣＤ、が
所定値以上であれば次に可能性の大きな結論が選択され
る（ステップ６０）。

選択された結論について明瞭性加算値Ｃｇ、が所定値以
下であれば、第９図に示すデータを用いて９選択された
結論に関係する事象の中で明瞭性ＣＤ、、の最も高い事
象を選択しくステップ５３）。

１コ第１０図に示す入力済フラグ・テーブルを参照して１選
択された事象について事象データが入力済であるかどう
かがチエツクされる（ステップ５４）。未入力であれば
、その事象ｆｉの番号を事象入力指導表示装置３３また
は入力装置１４に与える（ステップ５５）。

事象番号を受取ると事象入力指導表示装置３３はその事
象番号の事象データを入力するよう表示する。人間はこ
の表示をみて表示された事象番号の事象データを入力装
置１４から入力する。入力装置１４は事象番号を受取る
と、その事象番号の事象に関するセンサ等から事象デー
タを読取って取込む。事象データが無いものまたは不明
なものについては必ずしも入力しなくてもよいようにし
ておくことが好ましい。

事象データが入力されると、明瞭性加算装置２２はその
結論におけるその事象の明瞭性の値をそれまでの明瞭性
加算値に加算して明瞭性加算値Ｃｐ。

を更新する（ステップ５６）。そして新たな明瞭性加算
値が所定値以上になったかどうかがチエツクされる（ス
テップ５７）。ステップ５７における所定値は上述した
ステップ５２の所定値と同じでも異なる値でもどちらで
もよい。

明瞭性加算値が所定値に達しなければ第９図のデータを
参照して、同じ結論において明瞭性Ｃ１１，、が次に大
きいものを選択して（ステップ］Ｊ５８）ステップ５２に戻り、ステップ５３〜５７の処理
を繰返す。

明瞭性加算値ＣＬが所定値以上になれば、その結論につ
いての処理を終える。

ステップ５２〜５Ｂ、　ＥｉＯの処理は、可能性の高い
結論から順に所定数の結論について繰返す（ステップ５
９）。

明瞭性加算値が所定値に達しなくても結論についての判
断が可能と思われると人間が判断したときには２その結
論についての上記の処理を中止させるようにしてもよい
。

事象入力指導表示装置３３は画面に表示するのみならず
、プリンタにより印字して出力したり１通信を利用して
メモリやファイルに記憶するものでもよい。

所定数の結論について上述の処理か終了すると、適合度
演算装置１５．動的情報量演算装置】６可能性演算装置
１７等を再起動し、新たに入力された事象データを加え
た事象データを用いて近似推論が再度実行され、得られ
る新たなデータ（結論の可能性、明瞭性加算値等）が表
示装置ｉｌｌ、　２３に表示される。

以上のようにして、第２実施例によると、第１回目（初
期）近似推論ではすべての事象データを入力する必要は
なく、暫定的に入力された事象データに基づいて第１回
目（初期）近似推論か行なわれる。そして、この近似推
論により得られたデータを用いて、明瞭性加算値を最大
限に増大させる事象が選択される。この選択された事象
の事象データを入力することにより、すべての事象に関
するデータを入力しなくても結論判断に十分な明瞭性加
算値を早期に確保できるため、短い期間で効率的に結論
を出すことができるようになる。

第２実隼例はとくに、事象データの入力数が少なくて結
論を評価することが困難または危険であると考えられる
場合、可能性の高い結論がいくつか存在する場合１重要
と思われる事象のデータがまた入力されていないと考え
られるような場合等において、最も有効に働く事象のデ
ータを入力することが可能となり、必ずしも専門家でな
くても効率よく結論を出すことができる。とくに初心者
にとってはデータを入力すべき事象を１つずつ指示して
くれるので、能率的な入力操作が可能となる。

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ビ二一夕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１５．１Ｂ、　１７．１９．２０．２２．３１．３２
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図は第１の実施例を示すもので、近似推論装置の全
体構成を示すブロック図である。第２図は第２の実施例を示すもので、近似推論装置の全
体的構成を示すブロック図である。第３図から第６Ｃ図は両実施例に共通の事項を説明する
ためのものである。第３図はガウス分布を示すグラフである。第４ａ図から第４Ｃ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５ａ図、第５ｂ図および第５ｃ図は２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６ａ図、第６ｂ図および第６ｃ図は適合度を求める様
子を示すグラフである。第７図および第８図は第１の実施例を説明するためのも
のである。第７図は静的情報量テーブルを示す図である。第８図は静的情報量表示兼入力指示装置の処理手順を示
すフロー・チャートである。第９図から第１２図は第２の実施例を説明するためのも
のである。第９図は結論ごとの各事象の明瞭性を示すテーブルであ
る。第１０図は入力済フラグ・テーブルを示す図である。第１１図は結論ごとに可能性と明瞭性加算値とを示すも
のである。第１２図は主に事象選択演算装置の処理手順を示すフロ
ー・チャートである。１１・・知識記憶装置。１２・・・知慮合成装置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・・・静的情報量表示兼入力指示装置３２・・・事
象選択演算装置３３・・・事象入力指導表示装置。以

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、上記記憶手段に記憶されている関係を用いて各事象の静
的情報量を演算する手段、および上記演算手段によって算出された静的情報量を事象と関
連させて大きい順に出力する手段、を備えた近似推論装
置。
（２）上記静的情報量演算手段によって算出された各事
象の静的情報量について大きいものから順に対応する事
象の事象データを入力するよう指示する手段，を備えた請求項（１）に記載の近似推論装置。
（３）上記静的情報量演算手段によって算出された各事
象の静的情報量について大きいものから順に対応する事
象の事象データを入力する手段，を備えた請求項（１）
に記載の近似推論装置。
（４）上記静的情報量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、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明瞭性演
算手段、を備えた請求項（２）または（３）に記載の近似推論装
置。
（５）上記明瞭性演算手段によって算出された明瞭性加
算値が少なくとも１つの結論について所定値に達するま
で事象データ入力と明瞭性加算とを繰返すよう制御する
手段、を備えた請求項（４）に記載の近似推論装置。
（６）各事象の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、を備えた請求項（２）から（５）のいずれか１項に記載
の近似推論装置。
（７）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（６）に記載の近似推論装置。
（８）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各事象の静
的情報量を演算する静的情報量演算手段、上記静的情報量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演算する明瞭性演算手段
、および上記明瞭性演算手段から得られる結論ごとの各事象の明
瞭性を大きいものから順に表示する手段。を備えた近似推論装置。
（９）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明瞭性加算手段、を備えた請求項（８）に記載の近似推論装置。
（１０）上記明瞭性加算手段によって算出された明瞭性
加算値が少なくとも１つの結論について所定値に達する
まで事象データ入力と明瞭性加算とを繰返すよう制御す
る手段、を備えた請求項（９）に記載の近似推論装置。
（１１）各事象の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、を備えた請求項（１０）に記載の近似推論装置。
（１２）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（１１）に記載の近似推論装置。
（１３）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
各事象の明瞭性を演算する演算手段、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に明瞭性加算
値を得る加算手段、および所定の結論について明瞭性加算値を最大限に増大させる
事象を選択する手段、を備えた近似推論装置。
（１４）上記所定の結論が、上記近似推論手段により得
られた結論の可能性の最も高いものである、請求項（１
３）に記載の近似推論装置。
（１５）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（１３）に記載の近似推論装置。
（１６）上記選択手段によって選択された事象の事象デ
ータを入力するよう指示する表示手段、を備えた請求項（１３）に記載の近似推論装置。
（１７）上記選択手段によって選択された事象の事象デ
ータを入力する手段、を備えた請求項（１３）に記載の近似推論装置。
（１８）上記加算手段によって算出された明瞭性加算値
が上記所定の結論について所定値に達するまで事象デー
タ入力と明瞭性加算とを繰返すよう制御する手段、を備えた請求項（１６）または（１７）に記載の近似推
論装置。
（１９）上記選択手段による事象の選択を所定数の結論
について繰返し行なうよう制御する手段、を備えた請求
項（１３）に記載の近似推論装置。
（２０）上記選択手段による選択にしたがって入力され
た事象データを含めて、すべての入力データを上記記憶
手段にあてはめることにより結論の可能性を再演算する
よう上記近似推論手段を制御する手段、を備えた請求項（１６）から（１９）のいずれか１項に
記載の近似推論装置。