JPH0683728A - エラー予測方法及びその装置 - Google Patents

Abstract

(57)【要約】 【目的】 伝送システム１０におけるエラーの検出方法
を提供する。 【構成】 本発明に係るシステム１８は、一様な間隔の
間に前記伝送システムによって収集されたエラーあるい
は欠陥に関するデータを処理して、非一様なオーバーラ
ップしている複数個の間隔の個々の間に発生しうるエラ
ーに係るデータを生成する。前記非一様な間隔の間に測
定されたエラーは、過去のエラーに係るデータに基づい
てトレーニングされたニューラルネットワーク２２内で
選択的に重み付けされて加算され、各々非一様な間隔の
各々の間に発生しうるエラーの予測された数を表す予測
値の組が生成される。その後、前記ニューラルネットワ
ーク２２からの予測値は制御ユニット２４によってスレ
ッショルドがかけられ、前記伝送システム内でのエラー
の可能性を表す警告信号を生成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、通信チャネルを介して
情報を送出する伝送システムにおけるエラー及び欠陥の
発生を性格に予測する方法及びそのシステムに関する。

【０００２】

【従来の技術】今日、通信チャネルを介して音声及び／
あるいはデータ（情報）を伝達する様々なタイプの伝送
システムが存在している。従来、アナログシステムが銅
のケーブルあるいは無線チャネルを介してアナログ情報
を伝送するために用いられてきた。最近では、無線チャ
ネルあるいは光ファイバーケーブルを介して情報をデジ
タル形式で送出するためのデジタルシステムが開発され
てきている。今日のデジタル伝送システムは概してアナ
ログシステムより高い信頼性を有してはいるが、用いら
れるシステムのタイプに依らず、その通信サービスの中
断は発生しうる。サービスの中断は誠に望ましくない。
なぜなら、そのことにより、通信システムのオーナーへ
の収入が失われ、必ずそのユーザに不満感を起こさせる
ものだからである。中断が発生しうる場合にそれを予測
することは望ましい。なぜなら、予めそれが判明してい
ることにより、差し迫った中断によって引き起こされる
結果を回避する、あるいは少なくとも改善する、ために
種々の手段が講じられ得るからである。

【０００３】

【発明が解決しようとする課題】残念ながら、伝送シス
テムの将来発生しうるエラー及び／あるいは欠陥（以下
まとめてエラーと称する）を予測することは非常に困難
な仕事である。エラーを検出するために伝送システムを
モニタすると、解析されなければならない大量のデータ
が生成されてしまう。そのようなデータが全て解析され
た場合においても、将来発生しうるエラーがランダムで
ありかつ非統計的事象であるために、将来のエラーを予
測する見込みは依然として小さい。ケーブルの切断など
のある種の欠陥は予測することが不可能ではあるが、他
のタイプの欠陥あるいはエラー条件は、性能のゆるやか
な劣化によって予測される可能性を有している。この性
能の劣化は、エラーレートをモニタすることにより観測
され得るものである。従来は、”エキスパートシステ
ム”、すなわち固定された個数の規則に依拠するシステ
ムが、エラーを予測する試みにおいて伝送システムのエ
ラーのデータを解析するために用いられてきた。この種
のエキスパートシステムは、伝送システム内の各々のタ
イプの問題となる回路がそれ自体特定のパターンを有し
ていてその帰属が一つあるいは複数個の規則によって保
証されているようなエラーを生成するという前提のもと
に動作している。エキスパートシステムを用いることの
欠点は、発生する可能性を有している全てのタイプのエ
ラーに対して規則が打ち立てられなければならないとい
う点である。多くの場合、エキスパートシステムは特定
のエラーに関する指標をスレッショルド値と比較すると
いった単純な規則を用いている。しかしながら、このよ
うな単純な手続きは、性能のトレンドや複数個のエラー
指標の間の相関を検出するためには充分に強力ではな
く、システム性能の環境に起因する変化などに適応する
柔軟性に欠けている。

【０００４】よって、伝送システムにおけるエラーを正
確かつ効率的に予測する技法が求められている。

【０００５】

【課題を解決するための手段】本発明の望ましい実施例
に従って、伝送システムにおけるエラーあるいは欠陥
（すなわち、”不完全動作”）を予測する技法が提供さ
れる。この技法は、複数個のタイプの”不完全動作”を
検出するのに適した非一様な測定間隔の組をまず設定す
ることによって実現される。この非一様な間隔が設定さ
れると、伝送システムから周期的に受信されるエラーあ
るいは欠陥から、非一様な間隔の各々の間の”不完全動
作”の発生個数が決定される。その後、各々の非一様な
間隔の間に発生した”不完全動作”の個数が、過去の”
不完全動作”に関するデータに基づいて”不完全動作”
の個数に選択的に重み付けをし、かつこの重み付けをさ
れた個数の総和を計算して出力値の組を生成する、ニュ
ーラルネットワークに入力される。この重み付けは、伝
送システムの過去の”不完全動作”のデータによって、
ニューラルネットワークによって生成された各々の値が
非一様な間隔のうちの対応するものが再度巡ってきた際
に発生すると予測される”不完全動作”の予測された発
生個数を表わすように行なわれる。ニューラルネットワ
ークの出力値（予測値）は、その後所定のスレッショル
ド値と比較され、切迫したエラーあるいは欠陥が発生す
る可能性があることを知らせる警告状況が生じ得るか否
かが判断される。

【０００６】本発明に係るニューラルネットワークは、
過去のデータを用いてトレーニングされ、従来技術に係
る規則に基づいたシステムよりもより正確な結果を産み
出すことが確認されている。さらに、本発明に係るシス
テムは、その構造に何等変更を加えることなく、最新の
データによって再トレーニングすることにより、状況の
変化に対応させられうるという柔軟性をも有している。

【０００７】

【実施例】図１は、従来技術に従う伝送システム１０を
示したブロック図である。当該伝送システムは、通信チ
ャネル１６を介して情報を互いに同時に送出することが
可能な第一及び第二のトランシーバ１２及び１４を有し
ている。第一のトランシーバ１２は、キャリアシステム
あるいは無線システムなどの音声あるいはデータもしく
はその双方からなる情報を送受信する公知のシステムで
ある。第二のトランシーバ１４は、通常トランシーバ１
２と同一であるように構成されている。通信チャネル１
６は、無線チャネル、銅ケーブル、あるいは光ファイバ
ーケーブルのうちのいずれかの形態を取る。この具体例
においては、伝送システム１０は、通信チャネル１６を
介して毎秒１．５４４メガビットのレートで情報を送出
するが、このレートはこれより大きくてもあるいは小さ
くてもよい。

【０００８】対応する設計及び製造に対して与えられた
ケアにも拘らず、トランシーバ１２及び１４の内の一方
あるいは双方が部分的あるいは全体的に故障してしまう
ことがあり、その結果チャネル１６を介して送出された
情報にエラーが発生する、またより悪いケースでは情報
が完全に欠落してしまう。この種の問題は、例えば気象
状況などによって引き起こされたチャネル１６の擾乱の
結果としても起こりうる。伝送システム１０における欠
陥の一般的な指標は”フェールした秒数”、すなわち通
信チャネル１６を介して何ら情報が送出されないよう
な、周期的な間隔の間の秒数である。エラーの指標は”
エラー秒”の数、すなわち送出された情報が一つ以上の
エラーを含んでいた、周期的な間隔の間の秒数である。
エラーを含んだ情報でも何ら情報がないよりはましでは
あるが、わずかな数のエラー秒でも通常は許容されな
い。

【０００９】今日、システム１０のような伝送システム
によって伝達される情報への依存度が増加しつつあるた
め、エラー及び中断を最小にすることが非常に重要にな
りつつある。伝送システム１０の管理に責任があるとい
う観点からは、伝送システムのエラーを予測する能力は
非常に有用であると思われる。フェールする時間間隔及
び／あるいはエラー秒の将来における発生が正確に予測
され得るのであれば、その発生を完全に取り除くことは
出来ないまでも低減するための対策がなされうる。

【００１０】図２は、本発明に従う、図１の伝送システ
ム１０におけるエラーあるいは欠陥を予測するシステム
１８のブロック図である。システム１８は、プリプロセ
ッサ２０、ニューラルネットワーク２２、及びポストプ
ロセッサ２６及びスレッショルドの組２８を含む制御ユ
ニット２４を有している。

【００１１】プリプロセッサ２０は、システム１０から
一様な周期的間隔で受信したエラーあるいは欠陥に関す
る入力データを処理し、複数個の非一様な間隔の個別の
一つの間に発生するエラーを反映したエラーあるいは欠
陥の測定の組を作成する。実際には、図１の伝送システ
ム１０が図１の通信チャネル１６を介して伝達されてき
た情報をサンプリングし、連続する一様な間隔の間に発
生したエラーあるいはフェール秒の数を測定する。通
常、各々の間隔は１５分の長さを有しているが必ずしも
そうである必要はない。それより長いあるいは短い間隔
も可能である。

【００１２】重要な傾向（切迫しつつある欠陥を知らせ
るものである可能性がある）を保持しつつ可能な限り
（切迫しつつある欠陥を知らせるものではないエラーと
定義される）雑音を除去するためには、複数個の間隔の
結果を平均する移動平均を用いることが有効であること
を本発明の出願者は見い出している。よって、特定のタ
イプ（例えばフェール秒）の欠陥カウントが、各々観測
時間（例えば１５分）に対応する時系列Ｆ₁，
Ｆ₂，．．．，によって表わされる場合には、

【数１】 をもって特定の時刻ｔにおけるｎにわたる移動平均と定
義することにする。以下、時刻ｔが現時点である場合、
ＦＳ＿ｎという表記法でＦＳ＿ｎ_tを表すこととする。
よって、ＦＳ＿４は、直前の一時間にわたる移動平均を
表す。具体的には、ＦＳ＿１、ＦＳ＿４、ＦＳ＿１６、
及びＦＳ＿９６がニューラルネットワーク２２への入力
として用いられる。これらの間隔の数及び長さの選択
は、直感的な試行錯誤法、あるいはシステムの種々の欠
陥モードに対する時定数に関する知識に基づいた方法な
どの種々の方法に基づいたものである。ここでは、オー
バーラップしつつある各々の１５分間隔、６０分間隔、
４時間間隔及び２４時間間隔の終了時毎にプリプロセッ
サ２０はその間隔内に発生した欠陥に関する情報を、伝
送システム１０によって１５分間隔で供給される情報か
ら収集する。プリプロセッサは、各々１５分間隔、６０
分間隔、４時間間隔及び２４時間間隔において発生した
フェール秒の平均数を表す値であるＦＳ＿１、ＦＳ＿
４、ＦＳ＿１６及びＦＳ＿９６の組のうちの個々のもの
を出力する。

【００１３】プリプロセッサ２０によるＦＳ＿１、ＦＳ
＿４、ＦＳ＿１６及びＦＳ＿９６の値の出力は、ニュー
ラルネットワーク２２によって受信される。このニュー
ラルネットワークの詳細は図３に示されている。このニ
ューラルネットワークは、ディー・イー・ルメルハート
（Ｄ．Ｅ．Ｒｕｍｅｌｈａｒｔ）及びジェイ・エル・マ
ックレルランド（Ｊ．Ｌ．ＭｃＣｌｅｌｌａｎｄ）によ
る”並列分散処理”第１巻（マサチューセッツ州ケンブ
リッジ、ＭＩＴプレス、１９８６年）において記述され
ているものと同様の通常の３層ニューラルネットワーク
である。図３に示されているように、ニューラルネット
ワーク２２はニューロン３０₁₁−３０₃₄よりなるマトリ
クス及びバイアスニューロン３０₁₅を有している。各々
のニューロン３０₁₁−３０₃₄及び３０₁₅は、重みを付け
た出力信号を入力信号の関数として出力する単一方向信
号チャネルとして機能する。このように、各々のニュー
ロン３０₁₁−３０₃₄及び３０₁₅は、実際の（すなわち生
物体内の）ニューロンをエミュレートしている。望まし
い実施例においては、各々のニューロン３０₁₁−３０₃₄
及び３０₁₅は、入力データに関する重み付けを行なった
加算及びＳ字状の伝達関数を実行するように機能する。
このＳ字状の伝達関数は、公知の有限単調関数であり、
例えば前掲のルメルハート及びマックレルランドによる
参照文献に示されているようなＦ（ｘ）＝（１＋ｅ^-x）
^-1によって例示される非線型応答関数である。

【００１４】ニューロン３０₁₁−３０₃₄は、ニューロン
３０₁₁−３０₁₄、３０₂₁−３０₂₄及び３０₃₁−３０₃₄と
からなる３つの個別の列すなわち層に配列されている。
ニューロン３０₁₁−３０₁₄よりなる第一の層は入力層と
呼ばれる。なぜなら、プリプロセッサ２０によって出力
されたエラー値ＦＳ＿１、ＦＳ＿４、ＦＳ＿１６及びＦ
Ｓ＿９６の出力のうちの個々のものがこの層に属する対
応するニューロンに入力されるからである。ニューロン
３０₂₁−３０₂₄からなる第二の層は”隠された”層と呼
ばれる。なぜなら、ニューロン３０₂₁−３０₂₄は入力信
号を受信することもネットワーク２２から外部に出力さ
れる信号を出力することもないからである。ニューロン
３０₂₁−３０₂₄の各々には入力層におけるニューロン３
０₁₁−３０₁₄の全てからの信号、及びバイアスニューロ
ン３０₁₅からの信号が個々に供給されている。このバイ
アスニューロンという名前は、ニューロン３０₁₅には一
定レベルのバイアス新語が供給されているという事実に
よる。隠された（すなわち第二の）層における各々のニ
ューロン３０₂₁−３０₂₄は、第三の層におけるニューロ
ン３０₃₁−３０₃₄の個々に重み付けがなされた出力信号
を供給するが、バイアスニューロン３０₁₅からの信号も
各々第三層内のニューロン３０₃₁−３０₃₄に供給され
る。

【００１５】ニューロン３０₃₁−３０₃₄よりなる第三の
層は出力層と呼ばれる。すなわち、各々ＯＦＳ₁、ＯＦ
Ｓ₂、ＯＦＳ₃及びＯＦＳ₄のうちの対応するものによっ
て表わされるこの層のニューロンからの出力信号が、ニ
ューラルネットワーク２２からの出力の個々のものを表
わしているからである。ニューラルネットワーク２２の
出力信号ＯＦＳ₁、ＯＦＳ₂、ＯＦＳ₃及びＯＦＳ₄は、各
々直後のオーバーラップしている１５分間隔、１時間間
隔、４時間間隔及び２４時間間隔の間に発生すると予測
されたフェール秒の数の値を表わしている。これらの時
間間隔は現時点より開始し、その所定の長さだけ将来に
わたって持続する。

【００１６】ニューラルネットワーク２２内での情報の
流れをよりよく理解するために、隠された層内の各々の
ニューロン３０₂₁−３０₂₄が各ニューロン３０₁₁−３０
₁₅からの重み付けがなされた信号を受信すると考える。
数学的には、各々のニューロン３０₂₁−３０₂₄によっ
て”見られる”（すなわち受信される）信号の値ｈ
_jは、以下の数式によって表現されうる：

【数２】 ここで、ｗ_jiは、入力層内の個々のニューロン３０₁₁−
３０₁₄を表わしているｘ_iから受信された信号の重みを
表わしており、ｗ_j0はバイアスニューロン３０₁₅から受
信された信号の重みを表わしている。各々のニューロン
３０₂₁−３０₂₄は、以下の関係式によって与えられる信
号Ｈ_j（ｊ＝１、２、３、４）を生成する：

【数３】 ここで、Ｆは前述されたＳ字状関数を表わしている。

【００１７】同様に、出力層（第三層）内の各々のニュ
ーロン３０₃₁−３０₃₄は、隠された層内の各々のニュー
ロン３０₂₁−３０₂₄及びバイアスニューロン３０₁₅から
の重み付けがなされた信号を受信する。数学的には、ニ
ューロン３０₃₁−３０₃₄の各々によって”見られる”信
号ｏ_k（ｋ＝１、２、３、４）は以下の関係式によって
与えられる：

【数４】 ここで、ｗ’_kjは隠された層内のニューロン３０₂₁−３
０₂₄からの信号に対する重みを表わし、ｘ_jは式（３）
のＨ_jの値を表わしている。

【００１８】出力層内のニューロン３０₃₁−３０₃₄によ
って生成される出力値ＯＦＳ₁、ＯＦＳ₂、ＯＦＳ₃及び
ＯＦＳ₄は、数学的には次の関係式によって与えられ
る：

【数５】

【００１９】式（３）と（５）とを組み合わせることに
よって、各々の出力値（予測値）ＯＦＳ_k（ｋ＝１、
２、３、４）は次の関係式によって与えられる：

【数６】 ここで、βは重みｗ_ji、ｗ_j0、ｗ’_kj、及びｗ’_k0のす
べてからなるベクトルを表わし、ｘは欠陥入力値ＦＳ＿
１、ＦＳ＿４、ＦＳ＿１６及びＦＳ＿９６からなるベク
トルを表わしている。

【００２０】ベクトルβは、前掲のルメルハート及びマ
ックレルランドによる参照文献において説明されている
ように、通常の後方伝播アルゴリズムを用いて設定され
る。ここでは、ＯＦＳ_k値がＳ字状関数Ｆの値域（通常
０と１との間）によって限定されていることに留意され
たい。トレーニングセットＦ₁、Ｆ₂、．．．は、トレー
ニング用に、各々の値Ｆ_i（ｉ＝１、．．．）を観測さ
れた最大のＦ_iの値で割ることにより前段正規化され
る。この最大の値は、その後、以下に記述されているよ
うに後段正規化定数として用いられる。実際には、図１
のプリプロセッサ２０によって処理された図１の伝送シ
ステム１０における過去の欠陥データがニューラルネッ
トワーク２２に入力され、ニューラルネットワーク２２
は出力値ＯＦＳ₁、ＯＦＳ₂、ＯＦＳ₃及びＯＦＳ₄を生成
する。出力値はデータに関する実際の欠陥値と比較さ
れ、重みベクトルβが調節される。このプロセスは、ニ
ューラルネットワーク２２が所定の許容値以内でトレー
ニングパターンを学習してしまうまで反復される。言い
換えれば、このプロセスは、出力値ＯＦＳ₁、ＯＦＳ₂、
ＯＦＳ₃及びＯＦＳ₄が、各々最小２乗平均誤差で、直後
の１５分間隔、１時間間隔、４時間間隔及び２４時間間
隔内に発生するフェール秒の実際の数を予測するまで反
復される。

【００２１】実際の具体例においては、トレーニングの
ために用いられる過去のデータは図１の伝送システムか
ら取得されプリプロセッサ２０によって処理されたおよ
そ１０００組のサンプルよりなるものであった。ニュー
ラルウエア社（ＮｅｕｒａｌＷａｒｅ Ｉｎｃ．）製の
コンピュータプログラムであるニューラルワークス（Ｎ
ｅｕｒａｌ Ｗｏｒｋｓ）がパーソナルコンピュータ上
で実行され、重みベクトルβが設定された。重みベクト
ルはサンプルデータに依存し、相異なったサンプルデー
タを用いると相異なった重みベクトルが生成されうるこ
とに留意されたい。

【００２２】出力値ＯＦＳ₁、ＯＦＳ₂、ＯＦＳ₃及びＯ
ＦＳ₄は、伝送システム１０に関する正規化された予測
値である。ニューラルネットワーク２２の出力は図１の
制御ユニット２４への入力であり、この制御ユニット２
４は前述のトレーニングプロセスの間に観測された最大
値を乗ずることによって各々の予測値を後段正規化す
る。その後、後段正規化された値は、対応する間隔にわ
たっての当該システムに対して許容されうる公称最大エ
ラー、あるいは欠陥値、として解釈される対応するスレ
ッショルド値と比較される。後段正規化された値がスレ
ッショルド値を超過している場合には、警告信号が警告
システムに対して送出される。

【００２３】通常、ポストプロセッサ２６に対するスレ
ッショルド値は、伝送システム１０内の回路（図示せ
ず）において許容されうる性能規定値に関するアセスメ
ント及びどのようなスレッショルド値が不正確な予測を
最小にしつつ正確な予測を最大にするかというアセスメ
ントに従って選択される。ポストプロセッサ２６に対す
るスレッショルド値は既知のエラー値によるトレーニン
グの後に一度設定されるだけであるが、この値は適応動
的（アダプティブダイナミック）スレッショルド設定を
実現するために容易に連続的に更新されうる。例えば、
スレッショルド値は、誤った警告に関するある確率を超
過することなく適切な欠陥検出確率を実現するように調
節されうる。

【００２４】より好ましい実施例においては、プリプロ
セッサ２０、ニューラルネットワーク２２及び（ポスト
プロセッサ２６及びスレッショルドの組２８よりなる）
制御ユニット２４によって実行される機能が、各々、例
えばエイ・ティー・アンド・ティー（ＡＴ＆Ｔ）社製の
モデル６３８６コンピュータなどの単一のコンピュータ
によって実行される。あるいは、プリプロセッサ２０、
ニューラルネットワーク２２及び制御ユニット２４によ
って実行される機能が個別のコンピュータによって実行
されてもよい。

【００２５】以上、伝送システム１０におけるオーバー
ラップしている時間間隔の間に発生する欠陥（すなわち
フェール秒の数）を正確に予測するためにニューラルネ
ットワーク２２の利用に依拠する技法が記述された。こ
の技法は、フェール秒の数の予測以外にも、プリプロセ
ッサ２０へその種の情報が予め入力されうるものである
限りは、エラー秒の数を予測するためにも用いられう
る。

【００２６】以上の説明は、本発明の一実施例に関する
もので，この技術分野の当業者であれば、本発明の種々
の変形例が考え得るが、それらはいずれも本発明の技術
的範囲に包含される。

【００２７】

【発明の効果】以上述べたごとく、本発明によれば、伝
送システムにおけるエラー及び欠陥の発生を正確に予測
しうるシステム及びその方法が提供される。

【図面の簡単な説明】

【図１】従来技術に係る伝送システムの概略を示したブ
ロック図。

【図２】図１に示されているシステムによって送出され
る情報の伝送における欠陥を予測する本発明に従うシス
テムを模式的に示したブロック図。

【図３】図２に示されているシステムの一部を形成して
いるニューラルネットワークのブロック図。

【符号の説明】

１０ 伝送システム １２、１４ トランシーバ １６ 通信チャネル １８ 予測システム ２０ プリプロセッサ ２２ ニューラルネットワーク ２４ 制御ユニット ２６ ポストプロセッサ ２８ スレッショルドの組 ３０ ニューロン

───────────────────────────────────────────────────── フロントページの続き (72)発明者 アハメッド エイチ．アブデルモネム アメリカ合衆国 07961 ニュージャージ ー コンヴェント ステーション、ピトニ ー プレース 403 (72)発明者 ロバート ジェイ．ティ．モリス アメリカ合衆国 95032 カリフォルニア ロス ゲイトス、カレッジ アヴェニュ ー 153

Claims (7)

【特許請求の範囲】
1. 【請求項１】 通信チャネル（１６）を介して情報を送
   出するシステム（１０）におけるエラーあるいは欠陥
   （以下エラーと称する）を周期的間隔の間に測定された
   エラーに従ってエラーを予測する方法において、 （ａ） 複数個の一様な時間間隔にわたってエラーの平
   均値を計算することによって複数個の非一様な長さのエ
   ラー測定間隔の各々の間に発生するエラーの数を決定す
   るステップと、 （ｂ） 前記非一様な間隔に対するエラーの数を選択的
   に重み付けをして加算しかつ中間値を得るためにＳ字状
   関数を適用するステップと、 （ｃ） 前記中間値に対して選択的に重み付けを行なう
   ステップと、 （ｄ） 前記選択的に重み付けのなされた値を加算しか
   つ予測値を得るためにＳ字状関数を適用するステップ
   と、からなることを特徴とするエラー予測方法。
2. 【請求項２】 前記（ａ）ステップが、 前記周期的な等しい長さを有する間隔の間に発生するエ
   ラーの数の移動平均を計算するステップと、 連続した等しい長さの間隔において決定されたエラーの
   数を前記非一様な長さの間隔に対応する時間が経過する
   まで積算するステップと からなることを特徴とする請
   求項第１項に記載の方法。
3. 【請求項３】 前記（ｃ）ステップが、前記伝送システ
   ムに対して取得された過去のデータに対する互いにオー
   バーラップした非一様な間隔の組の各々におけるエラー
   の数を決定するステップと、 各非一様な間隔に対するエラーの数の重み付けを行なう
   ステップと、 前記非一様な間隔の各々におけるエラーの数を予測する
   出力値を得るために前記非一様な間隔に対するエラーの
   重み付けがなされた数を加算するステップと、 重み付けがなされたエラーの数を加算する段階と、エラ
   ーの実際の数を比較する段階と、前記予測されたエラー
   の数がエラーの実際の数から所定の許容範囲以内になる
   まで前記公称重み付け値を調節する段階とからなるステ
   ップを再実行するステップと、からなることを特徴とす
   る請求項第１項に記載の方法。
4. 【請求項４】 通信チャネル（１６）を介して情報を送
   出するシステム（１０）におけるエラーを複数個の非一
   様な間隔の各々の間に測定されたエラーあるいは欠陥に
   基づいてエラーを予測する装置（１８）において、 各々前記非一様な間隔の個々のものの間に発生する可能
   性があるエラーの数の予測値を表す出力値の組を得るた
   めに、前記非一様な間隔の各々の間に測定されたエラー
   の数を選択的に重み付けし、前記選択的に重み付けされ
   たエラーの数を加算するニューラルネットワーク（２
   ２）と、 前記ニューラルネットワークによって生成された出力値
   を現在の値と比較し、この出力値が現在の値以上の場合
   は警告を発生する手段（２４）とを有することを特徴と
   するエラー予測装置。
5. 【請求項５】 前記ニューラルネットワーク（２２）
   が、３層に配置されたマトリクス状ニューロン（３０₁₁
   −３０₃₄、３０₁₅）を有しており、 第一の層内のニューロンが、各々前記非一様な間隔の個
   々のものに対する前記エラーの数を受信し、それらに従
   って重み付けを行なった出力信号を生成し、 第二の層内のニューロンが、各々前記第一の層内の全て
   のニューロンからの重み付けを行なった出力信号を受信
   し、それらに従って重み付けを行なった信号を生成し、 第三の層内のニューロンが、各々前記第二の層内の全て
   のニューロンからの重み付けを行なった出力信号を受信
   し、それらに従って個々の出力値を生成する、ことを特
   徴とする請求項第４項に記載の装置。
6. 【請求項６】 前記ニューラルネットワークによって生
   成された出力値を調節する前記手段が、 前記ニューラルネットワークの出力値を個別のスレッシ
   ョルド量によって調節する手段（２８）と、 前記予測された値をスレッショルド値の組と比較し、ス
   レッショルド値を超過している場合には警告信号を発す
   る手段（２６）とを有していることを特徴とする請求項
   第４項に記載の予測装置。
7. 【請求項７】 前記非一様な間隔を設定する前記手段
   と、前記ニューラルネットワークと、前記ニューラルネ
   ットワークの前記出力値を調節する前記手段が全体とし
   て単一のコンピュータよりなることを特徴とする請求項
   第４項に記載の装置。