JPH02260039A - Multistage fuzzy inference device - Google Patents
Multistage fuzzy inference deviceInfo
- Publication number
- JPH02260039A JPH02260039A JP1083405A JP8340589A JPH02260039A JP H02260039 A JPH02260039 A JP H02260039A JP 1083405 A JP1083405 A JP 1083405A JP 8340589 A JP8340589 A JP 8340589A JP H02260039 A JPH02260039 A JP H02260039A
- Authority
- JP
- Japan
- Prior art keywords
- inference
- rule
- fuzzy
- evaluation
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 116
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 abstract 6
- 230000035945 sensitivity Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 25
- 230000014509 gene expression Effects 0.000 description 12
- 101100404841 Leptosphaeria maculans NIIA gene Proteins 0.000 description 10
- 238000013523 data management Methods 0.000 description 10
- 238000011017 operating method Methods 0.000 description 3
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 229940001610 axiron Drugs 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000473 propyl gallate Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N titanium dioxide Inorganic materials O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Abstract
Description
【発明の詳細な説明】
産業上の利用分野
本発明は、専門家の知識を計算機によって利用するファ
ジィ推論が可能なエキスパートシステムに関するもので
ある。DETAILED DESCRIPTION OF THE INVENTION Field of Industrial Application The present invention relates to an expert system capable of fuzzy inference using the knowledge of experts using a computer.
従来の技術
近年、人工知能や知識工学分野の発展にともなって、専
門家の知識を計算機に記憶させ、各種故障診断、意思決
定支援、設計支援などを行うエキスパートシステムがさ
かんに開発されている。専門家が知識を用いて、推論を
行うと同様に、エキスパートシステムは各種のシステム
のプロセスを推論で実行し、利用者の必要とする情報を
得ることができる。エキスパートシステムでよく用いら
れる前向き多段推論ではｒｌＦ−ＴＨＥＮ・・・」形式
のプロダクションルールを用いるが、その多段推論の推
論過程は探索木を形成して、その探索木の探索を行うこ
とを意味している。Conventional Technology In recent years, with the development of artificial intelligence and knowledge engineering fields, expert systems have been actively developed that store the knowledge of experts in computers and perform various fault diagnosis, decision support, design support, etc. Just as experts use their knowledge to make inferences, expert systems can use inferences to execute various system processes and obtain the information that users need. Forward multi-stage inference, which is often used in expert systems, uses production rules of the form "rlF-THEN...", but the inference process of multi-stage inference means forming a search tree and searching that search tree. ing.
しかし、通常では、上位の探索点から下方に探索する一
方通行の探索は最終結果が利用者の満足する解答が得ら
れる保証がないため、横型探索、縦型探索、知的探索な
どの探索手法（バックトラック手法）が用いられて最良
解が得られている。However, normally, one-way search that searches downward from a higher search point does not guarantee that the final result will be an answer that satisfies the user, so search methods such as horizontal search, vertical search, and intellectual search are used. (backtrack method) was used to obtain the best solution.
しかし、上記の推論法は二値論理の推論法であり、その
ルールの中にあいまいな表現を許さず、人間にとって使
いかっての悪いものであった。一方、あいまいな推論を
行う手法として、ファジィ推論（システムと制御、Ｖｏ
ｌ 、２８．Ｎｏ、７ 、ｐｐ４４２−４４Ｇ（１９８
４）に掲載の「ファジィ制御」で説明されているＭａｘ
−Ｍｌｎ演算等）があるが、ファジィ推論による最良探
索手法は確立していない。However, the above reasoning method is a binary logic reasoning method that does not allow ambiguous expressions in its rules, making it difficult for humans to use. On the other hand, fuzzy inference (system and control, Vo.
l, 28. No. 7, pp442-44G (198
Max explained in "Fuzzy Control" published in 4)
-Mln operation, etc.), but the best search method using fuzzy inference has not been established.
以下、従来のエキスパートシステムの構成を示す第１０
図、ルール知識ベースの説明図である第１１図、及びシ
ステムの動作方法のフローチャートである第１２図を参
考にして従来の二値論理による前向き推論型のエキスパ
ートシステムについて説明する。Below, the 10th section shows the configuration of the conventional expert system.
11, which is an explanatory diagram of the rule knowledge base, and FIG. 12, which is a flowchart of the operating method of the system, a conventional forward inference type expert system using binary logic will be described.
第１０図において、１０１は知識ベースのプロダクショ
ンルールに専門知識を、または推論の過程でシステム側
からの質問に対して回答を入力するための入力装置、１
０２は知識ベースのデータを編集するためのエディタ部
、１０３は専門家による知識を計算機の内部に蓄えるた
めのルール知識ベース、１０４はルール知識ベース１０
３からプロダクションルールを取り出すためのデータ管
理部、１０５は利用者の入力に応じた事実を解釈し、デ
ータ管理部１０４からのプロダクションルールとの適合
から推論結論を導き、この結果が利用者の必要とする最
終的な結果ではなく中間的結果である場合はさらに利用
者の要求に応じて結論を導き出すための専門知識やその
知識に付随する各種のデータの提示を行う推論機構部、
１０６はデータ管理部１０４によって得られたプロダク
ションルールを取り込み、利用者からの入力値データが
適合するプロダクションルールを検知し、推論を行うな
どの推論機能を実行する作業領域部である。In FIG. 10, reference numeral 101 denotes an input device for inputting specialized knowledge into knowledge-based production rules or answers to questions from the system during the inference process;
02 is an editor section for editing knowledge base data; 103 is a rule knowledge base for storing expert knowledge inside the computer; and 104 is a rule knowledge base 10.
A data management unit 105 for extracting production rules from the data management unit 105 interprets the facts according to the user's input, draws an inference conclusion from the conformity with the production rules from the data management unit 104, and uses this result to meet the user's needs. If the result is not a final result but an intermediate result, an inference mechanism unit that presents specialized knowledge and various data associated with that knowledge to draw a conclusion according to the user's request;
Reference numeral 106 denotes a work area unit that takes in the production rule obtained by the data management unit 104, detects a production rule to which input value data from the user is compatible, and executes an inference function such as inference.
第１１図はルール知識ベースの一例を示す図である。ル
ール知識ベースの内容を以下に説明する。FIG. 11 is a diagram showing an example of a rule knowledge base. The contents of the rule knowledge base are explained below.
ルール知識ベース１０３は専門家の知識を蓄積するが、
通常は知識を各知識源に分割して入力する。The rule knowledge base 103 accumulates the knowledge of experts,
Normally, knowledge is divided and input into each knowledge source.
例えば、１１０１は株の売買に関する知識源を示し、１
１０２は、ある会社（８社）への資金投資に関する知識
源である。ルール知識ベースにはこの様な知識源が複数
個存在している。各々の知識源では複数のプロダクショ
ンルールが蓄積されている。例えば、１１０１では「も
し、手持ちの資金が１子方円を下回り、Ａ社の株価が８
００円以上に上昇したならば、Ａ社の株を１万株売りな
さいコや、 「もし、手持ちの資金がまだ１子方円以上
あるならば１株を売らない」等のルールが蓄積されてい
る。これらのルールは推論実行中に、最新の入力データ
として「手持ちの資金が８００万円、Ａ社の株価が１０
００円に上昇した」等の情報が利用者によって入力され
た場合には知識源１１０１の初めのプロダクションルー
ルが適合し、縦型探索、横型探索等のバックトラック手
法により、次の知識源である知識源Ｂが導かれる。知識
源Ｂにおいて、もし、株の売買による利益が１５０万円
であった場合には、知識源１１０２の初めのプロダクシ
ョンルールが適合し、中間結果として「８社への資金投
資を５０万円行う」という決定がなされる。For example, 1101 indicates a knowledge source regarding buying and selling stocks;
Reference numeral 102 is a knowledge source regarding financial investment in a certain company (8 companies). Multiple such knowledge sources exist in the rule knowledge base. Each knowledge source stores multiple production rules. For example, in 1101, ``If the funds on hand are less than 1 yen and Company A's stock price is 8.
Rules such as ``If the price rises above 000 yen, sell 10,000 shares of Company A'' and ``If you still have more than 1 Kokata yen, do not sell 1 share'' have been accumulated. ing. These rules are applied during inference execution when the latest input data is ``Funds on hand is 8 million yen, Company A's stock price is 10 million yen''.
00 yen" is input by the user, the first production rule of the knowledge source 1101 is applicable, and backtracking methods such as vertical search and horizontal search are used to determine the next knowledge source. Knowledge source B is guided. In knowledge source B, if the profit from buying and selling stocks is 1.5 million yen, the first production rule of knowledge source 1102 is applicable, and the intermediate result is ``Invest 500,000 yen in 8 companies.'' ” decision is made.
以上の構成を用いて、以下に第１２図のフローチャート
を用いて、その動作手順を説明する。Using the above configuration, the operating procedure will be described below using the flowchart of FIG. 12.
まず、処理１２０１において、専門家は知識として蓄え
るべきプロダクションルールを入力装置１０１から入力
する。この入力の際にはエディタ部１０２のエデイティ
ング機能を用いて入力し、入力された知識データはルチ
ル知識ベース１０３にその計算機の設定されたデータ書
式に従って蓄積される。処理１２０２では専門家による
知識の蓄積が終了した後、システムの利用者はシステム
側の質問事項に、入力装置１０１を用いて「はい」「い
いえ」、または質問事項の回答を入力する。First, in process 1201, the expert inputs production rules to be stored as knowledge from the input device 101. This input is performed using the editing function of the editor section 102, and the input knowledge data is stored in the rutile knowledge base 103 according to the data format set for the computer. In process 1202, after the expert has finished accumulating knowledge, the system user inputs "yes", "no", or answers to the questions on the system side using the input device 101.
処理１２０３では入力された利用者のデータは作業領域
部１０８に一次的に記憶され、推論機構部１０５はルー
ル知識ベース１０３に蓄えられている複数個のプロダク
ションルールをデータ管理部１０４を介して作業領域部
１０Ｂに取り込む。処理１２０４では推論機構部１０５
が作業領域部１０６の利用者の入力データに適合するプ
ロダクションルールを検知して、推論を行い、適合する
プロダクションルールから推論結果を導き出す。処理１
２０５では結果が得られた後、得られた推論結果が利用
者の必要とする問題の最終結果である場合には推論機構
部１０５はその推論結果を最終結果とするが、推論結果
が中間結果である場合には通常の推論やバックトラック
手法による推論を継続する。この一連の操作としての多
段推論を繰り返すことにより、利用者の求める最終的な
結果を導出し、結果を利用者に表示できる。In process 1203, the input user data is temporarily stored in the work area section 108, and the inference mechanism section 105 works on the plurality of production rules stored in the rule knowledge base 103 via the data management section 104. It is taken into the area section 10B. In the process 1204, the inference mechanism unit 105
detects a production rule that matches the input data of the user in the work area section 106, performs inference, and derives an inference result from the compatible production rule. Processing 1
In 205, after the result is obtained, if the obtained inference result is the final result of the problem required by the user, the inference mechanism unit 105 makes the inference result the final result, but the inference result is not an intermediate result. If so, continue inference using normal inference or backtracking method. By repeating this multi-stage inference as a series of operations, the final result desired by the user can be derived and the result can be displayed to the user.
発明が解決しようとする課題
しかしながら、このような従来の方法ではバックトラッ
ク手法等による多段推論により、利用者の要求する最良
の解を得ることができるが、利用者のあいまいな表現を
取り扱うことができず、利用者はルール知識ベースの表
現形式に合致するように知識を作成して、多段推論を実
行しなければならなかった。Problems to be Solved by the Invention However, although these conventional methods can obtain the best solution requested by the user through multi-stage reasoning using backtracking techniques, they cannot handle ambiguous expressions by the user. Users had to create knowledge that matched the expression format of the rule knowledge base and perform multi-stage inference.
本発明は、上記従来技術の課題に鑑み、あいまいさを取
り扱えるファジイ数を用いて、そのファジイ数を組み込
み可能なエキスパートシステムに、新たに最良探索機能
を考案し、利用者のあいまいさが取り扱えて、満足する
最良解を容易に探索できる多段ファジィ推論装置を構築
することを目的とする。In view of the above-mentioned problems of the prior art, the present invention uses fuzzy numbers that can handle ambiguity, and devises a new best search function in an expert system that can incorporate the fuzzy numbers. The purpose is to construct a multistage fuzzy inference device that can easily search for the best solution that satisfies the following.
課題を解決するための手段
本発明は、特定個数のルールの前件部の適合度合を前記
前件部適合度合記憶部から取り出し、適合度合の高い順
に推論ルールを探索する横型探索計算部を有することを
特徴とする多段ファジィ推論装置である。Means for Solving the Problems The present invention includes a horizontal search calculation section that retrieves the degrees of conformity of the antecedent parts of a specific number of rules from the antecedent portion conformity degree storage section and searches for inference rules in descending order of degree of conformity. This is a multi-stage fuzzy inference device characterized by the following.
また、本発明は特定のルールに注目し、そのルールに関
し多段推論を可能な限り行い、多段推論が不可能になっ
た場合にはそのルールが属する知識源の中の他のルール
、またはその知識源が導かれた親知識源で、そのルール
の次に前件部の適合度が高いルールを探索する縦型探索
計算部を存することを特徴とする多段ファジィ推論装置
である。In addition, the present invention focuses on a specific rule, performs multi-stage inference regarding that rule as much as possible, and when multi-stage inference becomes impossible, other rules in the knowledge source to which the rule belongs or its knowledge This multi-stage fuzzy inference device is characterized in that it includes a vertical search calculation section that searches for a rule with the next highest degree of fitness for the antecedent part after that rule in the parent knowledge source from which the source is derived.
さらに、本発明は、バックトラック開始後に順次発生す
る探索先として、現在、推論を実行しているルールが導
かれた親ルールを前記推論過程記憶部から取り出し、そ
のルールの後件部の中で、前記評価値記憶部の評価値が
現在の評価値に次ぐ知識源の探索命令を発見する最良解
探索計算部を有することを特徴とする多段ファジィ推論
装置である。Furthermore, the present invention retrieves from the inference process storage section the parent rule from which the rule currently inferring is derived as a search destination that occurs sequentially after the start of backtracking, and in the consequent part of that rule. , a multi-stage fuzzy inference device characterized in that the evaluation value in the evaluation value storage unit includes a best solution search calculating unit for discovering a search command for a knowledge source whose evaluation value is next to the current evaluation value.
また、本発明は、バックトラック開始後に順次発生する
探索先として、現在、推論を実行しているルールが導か
れた親知識源の中で現在のルールの次に前記評価値記憶
部の値が高いルールを探索する最大評価値探索計算部を
有することを特徴とする多段ファジィ推論装置である。In addition, the present invention provides a method for determining the value of the evaluation value storage unit next to the current rule among the parent knowledge sources from which the rule currently executing inference has been derived as a search destination that occurs sequentially after the start of backtracking. This is a multi-stage fuzzy inference device characterized by having a maximum evaluation value search calculation unit that searches for high rules.
さらに、本発明は、バックトラック開始後に順次発生す
る探索先として、現在、推論を実行しているルールが導
かれた親知識源の中で現在のルールの次に前記指標演算
部の演算結果が高いルールを探索する最大演算結果探索
計算部を有することを特徴とする多段ファジィ推論装置
である。Furthermore, in the present invention, as a search destination that occurs sequentially after the start of backtracking, the calculation result of the index calculation unit is next to the current rule among the parent knowledge sources from which the rule currently inferring is being derived. This is a multi-stage fuzzy inference device characterized by having a maximum calculation result search calculation unit that searches for high rules.
作用
本発明は前記した構成により、ファジィ推論と二値論理
の推論とを可能とするエキスパートシステムに、新たに
最良探索機能方法を提案することにより、利用者の満足
する知識源を探索して、最適な解を容易に得る多段ファ
ジィ推論装置を提供できる。Effect of the present invention With the above-described configuration, the present invention proposes a new best search function method to an expert system that enables fuzzy inference and binary logic inference, thereby searching for a knowledge source that satisfies the user. A multi-stage fuzzy inference device that easily obtains an optimal solution can be provided.
実施例 以下に、本発明の実施例を図面を用いて説明する。Example Embodiments of the present invention will be described below with reference to the drawings.
第１図は本発明の特許請求の範囲第１項記載の多段ファ
ジィ推論装置の一実施例の構成図である。FIG. 1 is a block diagram of an embodiment of a multi-stage fuzzy inference device according to claim 1 of the present invention.
第１図において、１１は入力装置で、プロダクションル
ールを蓄積するルール知識ベースに知識を入力するため
、または推論の過程でシステム側からの質問に対して回
答するための装置。１２はエディタ部で、ルール知識ベ
ースのデータを編集する。１３はルール知識ベース部で
、ファジィ推論、および二値論理の推論が可能なプロダ
クションルールを蓄積する。ただし、ファジィ推論を行
うプロダクションルールとはルールの条件部がファジイ
数、もしくは通常の二値論理的な表現で記述されている
が、結論部はファジイ数で表現されているものをいい、
二値論理の推論を行うプロダクションルールとは、ルー
ルの条件部がファジイ数、もしくは通常の二値論理的な
表現であるが、結論部は二値論理的なアクシ１ン表現（
実行文）が記述されているものをいう。１４はデータ管
理部で、前記ルール知識ベース１３からプロダクション
ルールを取り出す。１５は推論機構部で、前記入力装置
１１からの利用者の入力に応じた事実を解釈し、前記デ
ータ管理部１４からのプロダクションルールとの適合か
らファジィ推論、および二値論理の推論を行うための各
種機能を準備する。１６は作業領域部で、前記推論機構
部１５から各種機能を取り込み、前記データ管理部１４
によって得られたプロダクションルールに利用者からの
入力データを適合し、ファジィ推論、および二値論理の
推論を行う。１７はファジィ評価知識ベースで、推論実
行後の結果の評価を行うためのｒｌＦ・・・Ｔ［ＩＥＮ
Ｎ」形式で表現されているプロダクションルールである
。１１０は前件部適合度合記憶部で、前記作業領域部１
６においてデータに適合する各ルールの前件部の適合度
合を記憶する。１８は横型探索計算部で、特定個数のル
ールの前件部の適合度合を前記前件部適合度合記憶部１
１０から取り出し、適合度合の高い順に推論ルールを探
索する。In FIG. 1, reference numeral 11 denotes an input device, which is used to input knowledge into a rule knowledge base that stores production rules, or to answer questions from the system side during the inference process. Reference numeral 12 denotes an editor section for editing the data of the rule knowledge base. Reference numeral 13 denotes a rule knowledge base section that stores production rules that enable fuzzy inference and binary logic inference. However, a production rule that performs fuzzy inference is one in which the condition part of the rule is written using fuzzy numbers or normal binary logic expression, but the conclusion part is expressed using fuzzy numbers.
A production rule that performs binary logic inference is a rule whose condition part is a fuzzy number or a normal binary logic expression, but the conclusion part is a binary logic axi1 expression (
(executable statement) is written. 14 is a data management unit that extracts production rules from the rule knowledge base 13; Reference numeral 15 denotes an inference mechanism unit for interpreting facts according to the user's input from the input device 11 and performing fuzzy inference and binary logic inference based on compliance with production rules from the data management unit 14. Prepare various functions. Reference numeral 16 denotes a work area section which takes in various functions from the inference mechanism section 15 and which takes in various functions from the data management section 14.
The input data from the user is applied to the production rules obtained by the method, and fuzzy inference and binary logic inference are performed. 17 is a fuzzy evaluation knowledge base, rlF...T[IEN
This is a production rule expressed in "N" format. Reference numeral 110 denotes an antecedent suitability storage section, which stores the work area section 1.
In step 6, the degree of conformity of the antecedent part of each rule that conforms to the data is stored. Reference numeral 18 denotes a horizontal search calculation unit which stores the degree of conformity of the antecedent parts of a specific number of rules in the antecedent part conformity degree storage unit 1.
10 and search for inference rules in descending order of degree of suitability.
１９は評価管理部で、前記ファジィ評価知識ベース部１
７の評価値が満足できるまで前記横型探索計算部１８を
用いてルールを探索し、多段推論を繰り返し実行させる
管理部である。Reference numeral 19 denotes an evaluation management section, which includes the fuzzy evaluation knowledge base section 1;
This is a management unit that searches for rules using the horizontal search calculation unit 18 until an evaluation value of 7 is satisfied, and repeatedly executes multi-stage inference.
次に、第１図〜第４図、および第１３図を用いて、第１
の発明に関して、前記のように構成された多段ファジィ
推論装置の横型探索方法の説明を行うが、まず、ファジ
イ数を用いた多段推論方法を説明する。Next, using Figures 1 to 4 and Figure 13,
Regarding the invention, a horizontal search method of the multi-stage fuzzy inference device configured as described above will be explained. First, a multi-stage inference method using fuzzy numbers will be explained.
第２図はルール知識ベースで、知識源ＫＳＯとしてＥ株
売買による資金維持」の知識源２１、知識源ＫＳＩＩＡ
として「投資」の知識源２２を持っている。Figure 2 shows the rule knowledge base, knowledge source 21 of ``Maintaining funds by buying and selling E shares'' as knowledge source KSO, knowledge source KSIIA.
I have 22 sources of knowledge about investment.
各ルールは「約１千万円」等のファジイ数を用いて記述
する。以下に、ファジィ推論過程を説明する。Each rule is described using fuzzy numbers such as "approximately 10 million yen". The fuzzy inference process will be explained below.
１）利用者による初期入力として、入力装置１１、エデ
ィタ部１２を用いて、第１３図の初期データが入力され
たとする。このデータ表は多段推論の実行中にプロダク
ションルールの後件部のアクション表現により、各アト
リビュートの値が順次変更される。このデータ表はノー
ドと呼ばれ、ノードの集まりを黒板という。1) Assume that the initial data shown in FIG. 13 is input by the user using the input device 11 and the editor section 12. In this data table, the value of each attribute is sequentially changed by the action expression of the consequent part of the production rule during the execution of multi-stage inference. This data table is called a node, and a collection of nodes is called a blackboard.
２）ルール知識ベース１３から知識源ＫＳＯがデータ管
理部１４を介して作業領域部１ｅに入力される。2) Knowledge source KSO is input from the rule knowledge base 13 to the work area section 1e via the data management section 14.
この知識源に初期ノードを対応させる。Make the initial node correspond to this knowledge source.
３）前記作業領域部１６で、推論機構部１５の機能を用
いてファジィ推論と二値論理による推論を行う。この例
題では、入力の「当社の資金二９８０万円」、「Ａ社の
株価＝８５０円」が知識源ＫＳＯのルールの前件部に適
合する。ルール番号１〜３までの二値論理による推論で
は、例えば最大の適合度合を持つルールを選択する等に
より、１つのルールを選ぶ。この例題では仮に、
第１番目のルール：
μ＝μＦ目（９８０００００） μＦ＋２（８５０）
＝０．８
第２番目のルール：
μ＝μＦ２１ （９８０００００） μＦ２２（８５
０）＝０．６
第３番目のルール：
μ＝μｐｓ＋ （９８０００００） μＦ３２（８５
０）＝０．２
となったとすると、第１のルールが選択される。3) The work area section 16 uses the functions of the inference mechanism section 15 to perform fuzzy inference and binary logic inference. In this example, the inputs ``Our company's funds of 29.8 million yen'' and ``Company A's stock price = 850 yen'' match the antecedent part of the rule of the knowledge source KSO. In inference using binary logic for rule numbers 1 to 3, one rule is selected, for example, by selecting the rule with the highest degree of suitability. In this example, the first rule is: μ=μFth (9800000) μF+2 (850)
=0.8 Second rule: μ=μF21 (9800000) μF22(85
0)=0.6 Third rule: μ=μps+ (9800000) μF32(85
0)=0.2, the first rule is selected.
ただし、Ｆｌｌ等は第１番目のルールの第１フアジイ変
数である「約１千万円」を表すファジイ数である。一方
、第４番目以降のルールはファジィ推論のためのブロダ
クシ習ンルールであり、通常のファジィ推論が行われる
。However, Fll etc. are fuzzy numbers representing "approximately 10 million yen" which is the first fuzzy variable of the first rule. On the other hand, the fourth and subsequent rules are basic learning rules for fuzzy inference, and normal fuzzy inference is performed.
４）二値論理の推論では１つのルールが選択され、その
後件部のアクション表現を実行する。一方、ファジィ推
論では結果のファジイ数を対応するノードの値に結果を
書き込む。この例題では二値論理の推論はルール番号１
が選択されるので、アクシロン表現ａｄｄｃｏｐｙ Ｎ
ｌｌＡｓ ｇｏｔｏ ＫＳＩＩＡｌ およびａｄｄｃ
Ｏｐｙ ＮＩＩＢｌｇｏｔｏ ＫＳＩＩＢを実行する。4) In binary logic reasoning, one rule is selected and the action expression of its consequent is executed. On the other hand, in fuzzy inference, the resulting fuzzy number is written into the value of the corresponding node. In this example, the inference of binary logic is rule number 1.
is selected, so the axilon expression addcopy N
llAs goto KSIIAl and addc
Run Opy NIIBlgoto KSIIB.
ａｄｄｃｏｐｙ ＮＩＩＡとは「Ａ社の株の売買数
を１万株減らす」というアクシロン表現を実行して、推
論以前のノードにアクシＰン表現の結果を書き加えて、
新たなノード旧ＩＡを発生させることを意味している。addcopy NIIA executes the axiron expression "reduce the number of shares traded in company A by 10,000 shares" and writes the result of the axiron expression to the node before the inference,
This means generating a new node old IA.
また、ｇｏｔｏ ＫＳＩＩＡとは次の知識源ＫＳＩＩＡ
に行き、多段推論を継続することを意味する。ａｄｄｃ
ｏｐｙ Ｎ１１ｌｋ 、ｇｏｔ。Also, goto KSIIA is the next knowledge source KSIIA
It means to go to , and continue multi-stage reasoning. addc
opy N11lk, got.
ＫＳＩＩＢについても同様である。一方、ファジィ推論
はその結果をノード旧ＩＡ、 および旧ＩＢに書き込
む。The same applies to KSIIB. On the other hand, fuzzy inference writes its results to nodes old IA and old IB.
５）ノードＮＩＩＡ、 お上びノードＮＩ ＩＢをフ
ァジィ評価知識ベース１７に代入する。ファジィ評価知
識ベース１７の一例を第４図に示す。いま、ノードＮＯ
からノードＮＩＩＡに変化したことによる利益が百万円
、ノードＮＯからノード旧ＩＢに変化したことによる利
益が８０万円とする。それぞれの利益から、第４図の推
論の図を用いて、ファジィ推論を行い、結果の満足度を
得る。例えば、この例題では（ＮＯ→ＮＩＩＡの満足度
）＝０．８
（ＮＯ→旧ＩＢの満足度）＝０．７
となる。5) Assign nodes NIIA and NIIB to the fuzzy evaluation knowledge base 17. An example of the fuzzy evaluation knowledge base 17 is shown in FIG. Now node no.
Assume that the profit from changing from node NIIA to node NIIA is 1 million yen, and the profit from changing from node NO to node old IB is 800,000 yen. From each benefit, fuzzy inference is performed using the inference diagram in Figure 4, and the satisfaction level of the result is obtained. For example, in this example, (NO → Satisfaction with NIIA) = 0.8 (NO → Satisfaction with old IB) = 0.7.
６）次に、推論を継続するために次の知識源を選択する
。いま、仮に知識源ＫＳＩＩＡを選択したとする。6) Then select the next knowledge source to continue reasoning. Now, suppose that knowledge source KSIIA is selected.
知識源ＫＳＩＩＡではノードのアトサビエート１０社の
経常利益（８８年度）」の値が入力されていないため、
利用者に入力装置１１、エディタ１２を用いて回答を入
力してもらう。もし、 １０社の経常利益（８８年度）
は４８００万円」が入力されたとすると、再び、二値論
理の推論とファジィ推論とを実行し、その結果をファジ
ィ評価知識ベース１７に代入して多段推論を継続する。In the knowledge source KSIIA, the value of "Ordinary profit of the 10 node Atsaviate companies (1988)" has not been entered,
A user is asked to input an answer using an input device 11 and an editor 12. Ordinary profits of 10 companies (FY 1988)
48 million yen" is input, binary logic inference and fuzzy inference are executed again, and the results are substituted into the fuzzy evaluation knowledge base 17 to continue multi-stage inference.
たとえば、推論が行われ、その結果、ルール番号１が選
択され、ａｄｄｃｏｐｙ Ｎ２１とｇｏｔｏ ＫＳ２１
を実行するなどする。For example, an inference is made and the result is that rule number 1 is selected, addcopy N21 and goto KS21
etc.
この様にして、多段推論が実行され、推論結果が利用者
の満足するものである場合には推論は終了するが、推論
した結果が利用者の必要とする最終的な結果ではなく中
間的結果である場合には、さらに推論を継続して、最終
的に利用者の求める結果を導出し、結果を利用者に表示
する。In this way, multi-stage inference is executed, and if the inference result satisfies the user, the inference ends, but the inference result is not the final result required by the user, but an intermediate result. If so, the inference is continued to finally derive the result desired by the user, and the result is displayed to the user.
第３図に、多段ファジィ推論装置のノードの探索図を示
す。ただし、図中の点線による円とく〉中の値は各ルー
ル番号と入力データに対するそのルールの前件部の適合
度合を表し、（）の値はそのルールのファジィ評価知識
ベース部での評価値をあられす。例題のファジィ推論の
多段推論ではノードＮＯ，ＮＩＩＡ、 Ｎ２１の経路
をたどって、推論を実行している。FIG. 3 shows a node search diagram of the multistage fuzzy inference device. However, the value inside the dotted circle in the figure represents the degree of conformity of the antecedent part of that rule to each rule number and input data, and the value in parentheses is the evaluation value of that rule in the fuzzy evaluation knowledge base part. Hail. In the multi-stage inference of the fuzzy inference example, the inference is executed by following the path of nodes NO, NIIA, and N21.
次に、第１の発明について説明する。第１の発明では、
横型探索計算部１８は特定個数のルールの前件部の適合
度合を前記前件部適合度合記憶部１１０から取り出し、
適合度合の高い順に推論ルールを探索する。すなわち、
第３図において、レベル１では前件部の適合度合が０．
８．０．６．０．２となっており、レベル２では０．２
．０．１となっているので、ノード番号ＮＯ１旧ｌＡ１
Ｎ１１Ｂ１ 旧２、Ｎ１３、Ｎ２１゜Ｎ２２ム、Ｎ２
２Ｂの順に推論が実行される。このようにして、ファジ
ィ評価知識ベース部の評価値が満足できるまで推論が繰
り返し実行される。この探索方法は通常のエキスパート
システムでの横型探索法と類似しているが、ファジイ数
を用いた探索法であるところが異なっている。Next, the first invention will be explained. In the first invention,
The horizontal search calculation unit 18 retrieves the degrees of conformity of the antecedent parts of a specific number of rules from the antecedent part conformity degree storage unit 110,
Search for inference rules in descending order of suitability. That is,
In FIG. 3, at level 1, the degree of relevance of the antecedent part is 0.
8.0.6.0.2, and level 2 is 0.2
．． Since it is 0.1, node number NO1 old lA1
N11B1 Old 2, N13, N21゜N22mu, N2
Inference is performed in the order of 2B. In this way, inference is repeatedly executed until the evaluation value of the fuzzy evaluation knowledge base section is satisfied. This search method is similar to the horizontal search method used in ordinary expert systems, but differs in that it uses fuzzy numbers.
次に、本発明の第２の発明について説明する。Next, the second invention of the present invention will be explained.
第５図は本発明の特許請求の範囲第２項記載の多段ファ
ジィ推論装置の一実施例の構成図である。FIG. 5 is a configuration diagram of an embodiment of a multi-stage fuzzy inference device according to claim 2 of the present invention.
第５図において、５１から５７まではそれぞれ、本発明
の第１の発明の実施例の構成図（第１図）の１から７ま
でと同じであるので、ここでは詳細な説明は省略する。In FIG. 5, 51 to 57 are respectively the same as 1 to 7 in the configuration diagram (FIG. 1) of the first embodiment of the present invention, so detailed explanation will be omitted here.
５８は縦型探索計算部で、特定のルールに注目し、その
ルールに関し多段推論を可能な限り行い、多段推論が不
可能になった場合にはそのルールが属する知識源の中の
他のルール、またはその知識源が導かれた親知識源で、
そのルールの次に前件部の適合度が高いルールを探索す
る。５９は評価管理部で、前記ファジィ評価知識ベース
部５７の評価値が満足できるまで前記縦型探索計算部５
８を用いてルールを探索し、多段推論を繰り返し実行さ
せる管理部である。58 is a vertical search calculation unit that focuses on a specific rule, performs multi-stage inference as much as possible regarding that rule, and if multi-stage inference becomes impossible, uses other rules in the knowledge source to which the rule belongs. , or the parent knowledge source from which that knowledge source was derived,
After that rule, a rule with the next highest degree of suitability for the antecedent part is searched for. Reference numeral 59 denotes an evaluation management section which executes the vertical search calculation section 5 until the evaluation value of the fuzzy evaluation knowledge base section 57 is satisfied.
This is a management unit that searches for rules using 8 and repeatedly executes multi-stage inference.
前記のように構成された本発明の多段ファジィ推論装置
の縦型探索方法を説明するために、以下に、第５図、お
よび第３図を用いて更に詳しい内容を説明する。In order to explain the vertical search method of the multi-stage fuzzy inference device of the present invention configured as described above, further details will be explained below using FIGS. 5 and 3.
第２の発明では、第５図の縦型探索計算部５８は特定の
ルールに注目し、そのルールに関し多段推論を可能な限
り行い、多段推論が不可能になった場合にはそのルール
が属する知識源の中の他のルール、またはその知識源が
導かれた親知識源で、そのルールの次に前件部の適合度
が高いルールを探索する。すなわち、第３図において、
レベル１では前件部の適合度合が０．８．０．Ｇ、０．
２となっており、レベル２では０．２．０．１となって
いるので、ノード番号Ｎ０１ＮＩＩＡ、 Ｎ２１１Ｎ２
２Ａ１Ｎ２２Ｂ、 ＮＩＩＢ、 ・・・の順に推論
が実行される。このようにして、ファジィ評価知識ベー
ス部の評価値が満足できるまで推論が繰り返し実行され
る。この探索方法は通常のエキスパートシステムでの縦
型探索法と類似しているが、ファジイ数を用いた探索法
であるところが異なっている。In the second invention, the vertical search calculation unit 58 in FIG. 5 focuses on a specific rule, performs multi-stage inference as much as possible regarding that rule, and when multi-stage inference becomes impossible, the vertical search calculation unit 58 in FIG. Search for a rule that has the next highest degree of fitness for its antecedent part in other rules in the knowledge source or in the parent knowledge source from which the knowledge source is derived. That is, in Figure 3,
At level 1, the degree of relevance of the antecedent part is 0.8.0. G, 0.
2, and at level 2 it is 0.2.0.1, so the node numbers N01NIIA, N211N2
Inference is performed in the order of 2A1N22B, NIIB, . In this way, inference is repeatedly executed until the evaluation value of the fuzzy evaluation knowledge base section is satisfied. This search method is similar to the vertical search method used in normal expert systems, but differs in that it uses fuzzy numbers.
次に、本発明の第３の発明について説明する。Next, the third invention of the present invention will be explained.
第６図は本発明の特許請求の範囲第３項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第６図において、６１から６７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。６１１は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部６７の評価値を記憶す
る。FIG. 6 is a block diagram of an embodiment for realizing a multi-stage fuzzy inference device according to claim 3 of the present invention. In FIG. 6, 61 to 67 are respectively 1 to 7 of the configuration diagram (FIG. 1) of the embodiment of the first invention of the present invention.
Since this is the same as above, detailed explanation will be omitted here. Reference numeral 611 denotes an evaluation value storage unit that stores evaluation values of the fuzzy evaluation knowledge base unit 67 of rules for which inference has been made in the past.
８１０は推論過程記憶部で、推論の過程を記憶する。６
８は最良解探索計算部で、パックトラック開始後に順次
発生する探索先として、現在、推論を実行しているルー
ルが導かれた親ルールを前記推論過程記憶部６１０から
取り出し、そのルールの後件部の中で、前記評価値記憶
部６１１の評価値が現在の評価値に次ぐ知識源の探索命
令を発見する。６９は評価管理部で、前記ファジィ評価
知識ベース部６７の評価値が満足できるまで前記最良解
探索計算部６８を用いてルールを探索し、多段推論を繰
り返し実行させる管理部である。810 is an inference process storage unit that stores inference processes. 6
Reference numeral 8 denotes a best solution search calculation unit, which retrieves from the inference process storage unit 610 the parent rule from which the rule currently being inferred was derived as a search destination that occurs sequentially after the start of the pack track, and extracts the consequent of that rule. In the section, a search command for a knowledge source whose evaluation value in the evaluation value storage section 611 is next to the current evaluation value is discovered. Reference numeral 69 denotes an evaluation management section that searches for rules using the best solution search calculation section 68 until the evaluation value of the fuzzy evaluation knowledge base section 67 is satisfied, and repeatedly executes multi-stage inference.
前記のように構成された本発明の多段ファジィ推論装置
の最良解探索方法を説明するために、以下に、第６図、
第２図、および第３図を用いて更に詳しい内容を説明す
る。In order to explain the best solution search method of the multi-stage fuzzy inference device of the present invention configured as described above, FIGS.
Further details will be explained using FIGS. 2 and 3.
第３の発明では、第６図の最良解探索計算部６８はバッ
クトラック開始後に順次発生する探索先として、現在、
推論を実行しているルールが導かれた親ルールを前記推
論過程記憶部Ｅ３１０から取り出し、そのルールの後件
部の中で、前記評価値記憶部６１１の評価値が現在の評
価値に次ぐ知識源の探索命令を発見する。たとえば、現
在、ノードＮ２１を実行しているとすると、現在のルー
ルは第２図の知識源ＫＳＩＩＡの第１ルールである。こ
のルールが導かれた親ルールは知識源ＫＳＯの第１ルー
ルである。第３図ではノードＮＩＩＡの評価値０．８に
次ぐ評価値を持つノードは評価値０．７のノードＮＩＩ
Ｂとなる。In the third invention, the best solution search calculation unit 68 in FIG.
The parent rule from which the rule that is performing inference has been derived is retrieved from the inference process storage unit E310, and the knowledge that the evaluation value in the evaluation value storage unit 611 is next to the current evaluation value in the consequent part of the rule Discover the source search command. For example, if node N21 is currently running, the current rule is the first rule of knowledge source KSIIA in FIG. The parent rule from which this rule is derived is the first rule of the knowledge source KSO. In Figure 3, the node with the evaluation value next to node NIIA with an evaluation value of 0.8 is node NII with an evaluation value of 0.7.
It becomes B.
したがって、多段推論はノード番号Ｎ０１ＮＩＩＡ、
１２１１ＮＩＩＢ１ ・・・の順に推論が実行され
る。このようにして、ファジィ評価知識ベース部の評価
値が満足できるまで推論が繰り返し実行される。Therefore, the multi-stage inference is node number N01NIIA,
Inference is executed in the order of 1211NIIB1... In this way, inference is repeatedly executed until the evaluation value of the fuzzy evaluation knowledge base section is satisfied.
次に、本発明の第４の発明について説明する。Next, the fourth aspect of the present invention will be explained.
第７図は本発明の特許請求の範囲第４項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第７図において、７１から７７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。７１０は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部７７の評価値を記憶す
る。FIG. 7 is a block diagram of an embodiment for realizing a multi-stage fuzzy inference device according to claim 4 of the present invention. In FIG. 7, 71 to 77 are respectively 1 to 7 of the configuration diagram (FIG. 1) of the embodiment of the first invention of the present invention.
Since this is the same as above, detailed explanation will be omitted here. Reference numeral 710 denotes an evaluation value storage unit that stores evaluation values of the fuzzy evaluation knowledge base unit 77 of rules for which inference has been made in the past.
７８は最大評価値探索計算部で、バックトラック開始後
に順次発生する探索先として、現在、推論を実行してい
るルールが導かれた親知識源の中で現在のルールの次に
前記評価値記憶部７１０の値が高いルールを探索する。Reference numeral 78 denotes a maximum evaluation value search calculation unit, which selects the evaluation value storage next to the current rule among the parent knowledge sources from which the rule currently executing inference has been derived, as a search destination that occurs sequentially after the start of backtracking. A rule with a high value of section 710 is searched.
７９は評価管理部で、前記ファジィ評価知識ベース部７
７の評価値が満足できるまで前記最大評価値探索計算部
７８を用いてルールを探索し、多段推論を繰り返し実行
させる管理部である。79 is an evaluation management section, which includes the fuzzy evaluation knowledge base section 7;
This is a management unit that searches for rules using the maximum evaluation value search calculation unit 78 until an evaluation value of 7 is satisfied, and repeatedly executes multi-stage inference.
前記のように構成された本発明の多段ファジィ推論装置
での最大評価値探索方法を説明するために、以下に、第
７図、および第８図を用いて更に詳しい内容を説明する
。第８図は多段推論のノードの探索図であるが、第３図
の場合と比較して、各ルールの前件部の適合度合、およ
びファジィ評価知識ベース部による評価値とが異なって
いる。In order to explain the maximum evaluation value search method in the multi-stage fuzzy inference device of the present invention configured as described above, the details will be explained below using FIGS. 7 and 8. FIG. 8 is a search diagram of nodes in multi-stage inference, but compared to the case of FIG. 3, the degree of conformity of the antecedent part of each rule and the evaluation value by the fuzzy evaluation knowledge base section are different.
第４の発明では、第７図の最大評価値探索計算部７８は
バックトラック開始後に順次発生する探索先として、現
在、推論を実行しているルールが導かれた親知識源の中
で現在のルールの次に前記評価値記憶部７１０の値が高
いルールを探索する。In the fourth invention, the maximum evaluation value search calculation unit 78 in FIG. Next to the rule, the rule with the highest value in the evaluation value storage section 710 is searched.
たとえば、第８図において、現在の実行ノードがＮ２１
とすると、このルールが導かれた親知識源はレベル１を
示している。レベル１のノードの中でノードＮＩＩＡの
０．８以外で、ファジィ評価知識ベース部の値が最も高
いのは０．８５のノード旧２である。したがって、最大
評価値探索計算部は知識源ＫＳＩ ＩＡの第１ルールの
次に、ＫＳＯの第２ルールを選択する。ノードは番号Ｎ
Ｏ，旧ＩＡ、 Ｎ２１、旧２、・・・の順に選択され
る。このようにして、ファジィ評価知識ベース部の評価
値が満足できるまで推論が繰り返し実行される。For example, in FIG. 8, the current execution node is N21
Then, the parent knowledge source from which this rule was derived indicates level 1. Among the level 1 nodes, other than node NIIA of 0.8, the highest value of the fuzzy evaluation knowledge base part is node old 2 of 0.85. Therefore, the maximum evaluation value search calculation unit selects the second rule of KSO after the first rule of knowledge source KSI IA. Node is number N
O, old IA, N21, old 2, . . . are selected in this order. In this way, inference is repeatedly executed until the evaluation value of the fuzzy evaluation knowledge base section is satisfied.
次に、本発明の第５の発明について説明する。Next, the fifth invention of the present invention will be explained.
第９図は本発明の特許請求の範囲第５項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第９図において、９１から９７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。９１１は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部９７の評価値を記憶す
る。FIG. 9 is a configuration diagram of an embodiment for realizing a multi-stage fuzzy inference device according to claim 5 of the present invention. In FIG. 9, 91 to 97 are respectively 1 to 7 of the configuration diagram (FIG. 1) of the embodiment of the first invention of the present invention.
Since this is the same as above, detailed explanation will be omitted here. Reference numeral 911 denotes an evaluation value storage section that stores evaluation values of the fuzzy evaluation knowledge base section 97 of rules for which inference has been made in the past.
９１０は指標演算部で、データに適合する各ルールの前
件部の適合度と前記評価記憶部８１１の評価値との演算
を行う。９８は最大演算結果探索計算部で、バックトラ
ック開始後に順次発生する探索先として、現在、推論を
実行しているルールが導かれた親知識源の中で現在のル
ールの次に前記指標演算部９１０の演算結果が高いルー
ルを探索する。９８は評価管理部で、前記ファジィ評価
知識ベース部９７の評価値が滴定できるまで前記最大演
算結果探索計算部９８を用いてルールを探索し、多段推
論を繰り返し実行させる管理部である。Reference numeral 910 denotes an index calculation unit that calculates the fitness of the antecedent part of each rule that matches the data and the evaluation value of the evaluation storage unit 811. Reference numeral 98 denotes a maximum calculation result search calculation unit, which selects the index calculation unit next to the current rule in the parent knowledge source from which the rule currently performing inference has been derived as a search destination that occurs sequentially after the start of backtracking. A rule with a high calculation result of 910 is searched. Reference numeral 98 denotes an evaluation management section that searches for rules using the maximum calculation result search calculation section 98 until the evaluation value of the fuzzy evaluation knowledge base section 97 can be titrated, and repeatedly executes multi-stage inference.
前記のように構成された本発明の多段ファジィ推論装置
での最大演算結果探索方法を説明するために、以下に、
第９図、および第８図を用いて更に詳しい内容を説明す
る。In order to explain the maximum operation result search method in the multi-stage fuzzy inference device of the present invention configured as described above, the following will be explained.
Further details will be explained using FIGS. 9 and 8.
第５の発明では、第９図の最大演算結果探索計算部９８
はバックトラック開始後に順次発生する探索先として、
現在、推論を実行しているルールが導かれた親知識源の
中で現在のルールの次に前記指標演算部９１０の演算結
果が高いルールを探索する。たとえば、第８図において
、現在の実行ノードがＮ２１とすると、このルールが導
かれた親知識源はレベル１を示している。上記、前件部
とファジィ評価知識ベース部の評価値との演算として特
許請求の範囲第６項の乗算を用いたとすると、レベル１
の各ノードの乗算値は０．５８（ＮＩＩＡ）、０．４９
（Ｎ１１Ｂ）、０．５１（Ｎ１２）、０．５８４４（Ｎ
１３）となる。したがって、ノードＮＩＩＡ以外で、乗
算値の値が最も高いのは０．５１１１４４のノードＮ１
３となり、最大演算結果探索計算部は知識源ＫＳＩＩＡ
の第１ルールの次に、ＫＳＯの第３ルールを選択する。In the fifth invention, the maximum calculation result search calculating section 98 in FIG.
is a search destination that occurs sequentially after starting backtracking.
Among the parent knowledge sources from which the rule for which inference is currently being performed is derived, a search is made for a rule for which the calculation result of the index calculation unit 910 is the next highest after the current rule. For example, in FIG. 8, if the current execution node is N21, the parent knowledge source from which this rule is derived indicates level 1. Assuming that the multiplication in claim 6 is used as the operation between the antecedent part and the evaluation value of the fuzzy evaluation knowledge base part, level 1
The multiplication value of each node is 0.58 (NIIA), 0.49
(N11B), 0.51 (N12), 0.5844 (N
13). Therefore, other than node NIIA, the node N1 with the highest multiplication value is 0.511144.
3, and the maximum calculation result search calculation part is the knowledge source KSIIA
Next to the first rule of , select the third rule of KSO.
ノードは番号Ｎ０１ＮＩＩＡ。The node is number N01NIIA.
Ｎ２１． Ｎ１３、・・・の順に選択される。このよ
うにして、ファジィ評価知識ベース部の評価値が満足で
きるまで推論が繰り返し実行される。N21. N13, . . . are selected in this order. In this way, inference is repeatedly executed until the evaluation value of the fuzzy evaluation knowledge base section is satisfied.
ただし、第１の発明から第５の発明において、知識源の
中で用いられるファジィ推論の結果はそれぞれ、対応す
るノードの値にその結果が書き込まれる。However, in the first to fifth inventions, each fuzzy inference result used in the knowledge source is written into the value of the corresponding node.
前記のように、本実施例においてはファジィ推論と従来
の二値論理の推論とのプロダクシ日ソル−ルからなる知
識源を用いて、新たに最良探索機能を考慮する推論方法
を提案することにより、利用者の満足する知識源を探索
して、最適な解を容易に得る多段ファジィ推論装置を提
供できるだけでなく、利用者にとって、より人間の感性
にマツチした多段ファジィ推論装置が構築できる。As mentioned above, in this example, we propose an inference method that newly considers the best search function by using a knowledge source consisting of the production method of fuzzy inference and conventional binary logic inference. Not only can we provide a multi-stage fuzzy inference device that searches for knowledge sources that satisfy the user and easily obtain an optimal solution, but also we can construct a multi-stage fuzzy inference device that better matches human sensibilities for the user.
なお、本実施例ではファジィ推論の演算をＭａｘ−Ｍｌ
ｎ演算としたが、Ｍｍｉｎ演算の代わりに代数積、限界
積、激烈積などのｔ−ｎｏｒＩ１１演算を、また、Ｍａ
ｘ演算の代わりに代数和、限界和、激烈和などのｔ−ｃ
ｏｎ。In addition, in this embodiment, the fuzzy inference calculation is performed using Max-Ml.
n operations, but instead of Mmin operations, t-norI11 operations such as algebraic products, marginal products, and intense products can be used.
t-c such as algebraic sum, marginal sum, intense sum instead of x operation
on.
ｒｍ演算を用いてもよい。An rm operation may also be used.
発明の効果
以上のように、利用者のあいまいな言語表現を取り扱え
るファジィ推論が組み込み可能なエキスパートシステム
において、従来の方法ではファジィ推論、および二値論
理の推論が上位の探索点から下位に探索する一方通行の
推論が継続され、利用者が満足できる知識源を発見でき
ないでいたが、本発明では新たに最良探索機能を考慮す
る推論方法を提案することにより、最適な解を容易に探
索し、利用者にとって、より人間の感性にマツチした多
段ファジィ推論装置が構築できるので、その実用的効果
は大きい。Effects of the Invention As described above, in expert systems that can incorporate fuzzy inference that can handle ambiguous linguistic expressions of users, conventional methods search downward from the upper search point for fuzzy inference and binary logic inference. One-way reasoning has continued and the user has not been able to find a knowledge source that satisfies him, but in the present invention, by proposing a new reasoning method that takes into account the best search function, it is possible to easily search for the optimal solution. For users, it is possible to construct a multi-stage fuzzy inference device that is more in tune with human sensibilities, which has a great practical effect.
第１図は多段ファジィ推論装置の第１の発明における一
実施例のブロック図、第２図は第１〜第５の発明に関す
る知識ベースの一例を示す説明図、第３図は第１〜第３
の発明に関するノードの探索図、第４図は第１〜第５の
発明に関するファジィ評価知識ベースの説明図、第５図
は多段ファジィ推論装置の第２の発明における一実施例
のブロック図、第６図は多段ファジィ推論装置の第３の
発明における一実施例のブロック図、第７図は多段ファ
ジィ推論装置の第４の発明における一実施例のブロック
図、第８図は第４〜第５の発明に関するノードの探索図
、第９図は多段ファジィ推論装置の第５の発明における
一実施例のブロック図、第１０図は従来のエキスパート
システムの一実施例のブロック図、第１１図は従来のエ
キスパートシステムにおけるルール知識ベースの一実施
例の説明図、第１２図は従来のエキスパートシステムの
動作手順を示すフローチャートの説明図、第１３図は初
期ノードの一例を示す説明図である。
１１・・・入力Ｈｉｔ、 １２・・・エディタ部、 １
３・・・ルール知識ベース、１４・・・データ管理部、
１５・・・推論機構部、１６・・・作業領域部、１７・
・・ファジィ評価知識ベース、１８・・・横型探索計算
部、１１０・・・前件部適合度合記憶部。
代理人の氏名 弁理士 粟野重孝ほか１名萬
■
第
２図
第１１図
第
３図FIG. 1 is a block diagram of an embodiment of the multi-stage fuzzy inference device according to the first invention, FIG. 2 is an explanatory diagram showing an example of the knowledge base related to the first to fifth inventions, and FIG. 3
4 is an explanatory diagram of the fuzzy evaluation knowledge base related to the first to fifth inventions. FIG. 5 is a block diagram of an embodiment of the multi-stage fuzzy inference device in the second invention. 6 is a block diagram of an embodiment of the multi-stage fuzzy inference device according to the third invention, FIG. 7 is a block diagram of an embodiment of the multi-stage fuzzy inference device according to the fourth invention, and FIG. 8 is a block diagram of an embodiment of the multi-stage fuzzy inference device according to the fourth invention. FIG. 9 is a block diagram of an embodiment of the multi-stage fuzzy inference device according to the fifth invention, FIG. 10 is a block diagram of an embodiment of the conventional expert system, and FIG. 11 is the conventional expert system. FIG. 12 is an explanatory diagram of a flowchart showing the operating procedure of a conventional expert system, and FIG. 13 is an explanatory diagram showing an example of an initial node. 11...Input Hit, 12...Editor section, 1
3... Rule knowledge base, 14... Data management department,
15... Reasoning mechanism section, 16... Work area section, 17.
...Fuzzy evaluation knowledge base, 18...Horizontal search calculation unit, 110...Antecedent part fitness degree storage unit. Name of agent: Patent attorney Shigetaka Awano and one other person Figure 2 Figure 11 Figure 3
Claims (7)
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、前記作業領域部においてデータに
適合する各ルールの前件部の適合度合を記憶するための
前件部適合度合記憶部と、特定個数のルールの前件部の
適合度合を前記前件部適合度合記憶部から取り出し、適
合度合の高い順に推論ルールを探索する横型探索計算部
と、前記ファジィ評価知識ベース部の評価値が満足でき
るまで前記横型探索計算部を用いてルールを探索し、多
段推論を繰り返し実行させる評価管理部とを具備する多
段ファジィ推論装置。(1) An inference mechanism unit that executes fuzzy inference and binary logic inference according to a predetermined rule group, and a knowledge source in which the rule group is a production rule capable of fuzzy inference and binary logic inference. a rule knowledge base section which has a plurality of knowledge sources; a work area section which extracts the knowledge of the rule knowledge base section and performs multi-stage inference using the functions of the inference mechanism section; a fuzzy evaluation knowledge base unit that evaluates whether the result satisfies the user; an antecedent part suitability storage unit that stores the suitability degree of the antecedent part of each rule that matches the data in the work area part; a horizontal search calculation unit that retrieves the degrees of conformity of the antecedent parts of a specific number of rules from the antecedent conformity degree storage unit and searches for inference rules in descending order of degree of conformity, and the evaluation value of the fuzzy evaluation knowledge base unit is satisfied. A multi-stage fuzzy inference device, comprising: an evaluation management unit that repeatedly searches for a rule using the horizontal search calculation unit and repeatedly executes multi-stage inference until a rule is found.
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、特定のルールに注目し、そのルー
ルに関し多段推論を可能な限り行い、多段推論が不可能
になった場合にはそのルールが属する知識源の中の他の
ルール、またはその知識源が導かれた親知識源で、その
ルールの次に前件部の適合度が高いルールを探索する縦
型探索計算部と、前記ファジィ評価知識ベース部の評価
値が満足できるまで前記縦型探索計算部を用いてルール
を探索し、多段推論を繰り返し実行させる評価管理部と
を具備する多段ファジィ推論装置。(2) an inference mechanism unit that executes fuzzy inference and binary logic inference according to a predetermined group of rules; and a knowledge source in which the rule group is a production rule capable of fuzzy inference and binary logic inference. a rule knowledge base section which has a plurality of knowledge sources; a work area section which extracts the knowledge of the rule knowledge base section and performs multi-stage inference using the functions of the inference mechanism section; A fuzzy evaluation knowledge base part that evaluates whether the result is satisfactory to the user, and a fuzzy evaluation knowledge base part that focuses on a specific rule, performs multi-step inference regarding that rule as much as possible, and if multi-step inference becomes impossible, the rule a vertical search calculation unit that searches for another rule in the knowledge source to which it belongs, or a rule in the parent knowledge source from which the knowledge source is derived, whose antecedent part has the next highest degree of fitness after that rule, and the fuzzy evaluation A multi-stage fuzzy inference device, comprising: an evaluation management unit that searches for rules using the vertical search calculation unit and repeatedly executes multi-stage inference until the evaluation value of the knowledge base unit is satisfied.
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、推論の過程を記憶する推論過程記憶部と、バッ
クトラック開始後に順次発生する探索先として、現在、
推論を実行しているルールが導かれた親ルールを前記推
論過程記憶部から取り出し、そのルールの後件部の中で
、前記評価値記憶部の評価値が現在の評価値に次ぐ知識
源の探索命令を発見する最良解探索計算部と、前記ファ
ジィ評価知識ベース部の評価値が満足できるまで前記最
良解探索計算部を用いてルールを探索し、多段推論を繰
り返し実行させる評価管理部とを具備する多段ファジィ
推論装置(3) a knowledge source consisting of an inference mechanism unit that executes fuzzy inference and binary logic inference according to a predetermined set of rules; and a production rule in which the rule group is capable of fuzzy inference and binary logic inference; a rule knowledge base section which has a plurality of knowledge sources; a work area section which extracts the knowledge of the rule knowledge base section and performs multi-stage inference using the functions of the inference mechanism section; a fuzzy evaluation knowledge base unit that evaluates whether the result satisfies the user; an evaluation value storage unit that stores evaluation values of the fuzzy evaluation knowledge base unit of rules for which inferences have been made in the past; and an evaluation value storage unit that stores the inference process. Currently, as the inference process memory unit and the search destination that occurs sequentially after the start of backtracking,
The parent rule from which the rule that is performing inference has been derived is retrieved from the inference process storage section, and in the consequent section of the rule, the evaluation value in the evaluation value storage section is the knowledge source whose evaluation value is next to the current evaluation value. a best solution search calculation unit that discovers a search command; and an evaluation management unit that searches for rules using the best solution search calculation unit and repeatedly executes multi-stage inference until the evaluation value of the fuzzy evaluation knowledge base unit is satisfied. Multi-stage fuzzy inference device equipped with
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、バックトラック開始後に順次発生する探索先と
して、現在、推論を実行しているルールが導かれた親知
識源の中で現在のルールの次に前記評価値記憶部の値が
高いルールを探索する最大評価値探索計算部と、前記フ
ァジィ評価知識ベース部の評価値が満足できるまで前記
最大評価値探索計算部を用いてルールを探索し、多段推
論を繰り返し実行させる評価管理部とを具備する多段フ
ァジィ推論装置(4) a knowledge source consisting of an inference mechanism unit that executes fuzzy inference and binary logic inference according to a predetermined group of rules, and a production rule in which the rule group is capable of fuzzy inference and binary logic inference; a rule knowledge base section which has a plurality of knowledge sources; a work area section which extracts the knowledge of the rule knowledge base section and performs multi-stage inference using the functions of the inference mechanism section; a fuzzy evaluation knowledge base section that evaluates whether the result satisfies the user; an evaluation value storage section that stores evaluation values of the fuzzy evaluation knowledge base section for rules that have been inferred in the past; a maximum evaluation value search calculation unit that searches for a rule that has the next highest value in the evaluation value storage unit after the current rule among the parent knowledge sources from which the rule currently performing inference has been derived as a search destination; , an evaluation management unit that searches for rules using the maximum evaluation value search calculation unit until the evaluation value of the fuzzy evaluation knowledge base unit is satisfied, and repeatedly executes multistage inference.
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、データに適合する各ルールの前件部の適合度と
前記評価記憶部の評価値との演算を行う指標演算部と、
バックトラック開始後に順次発生する探索先として、現
在、推論を実行しているルールが導かれた親知識源の中
で現在のルールの次に前記指標演算部の演算結果が高い
ルールを探索する最大演算結果探索計算部と、前記ファ
ジィ評価知識ベース部の評価値が満足できるまで前記最
大演算結果探索計算部を用いてルールを探索し、多段推
論を繰り返し実行させる評価管理部とを具備する多段フ
ァジィ推論装置。(5) An inference mechanism unit that executes fuzzy inference and binary logic inference according to a predetermined rule group, and a knowledge source in which the rule group is a production rule capable of fuzzy inference and binary logic inference. a rule knowledge base section which has a plurality of knowledge sources; a work area section which extracts the knowledge of the rule knowledge base section and performs multi-stage inference using the functions of the inference mechanism section; a fuzzy evaluation knowledge base unit that evaluates whether the result satisfies the user; an evaluation value storage unit that stores evaluation values of the fuzzy evaluation knowledge base unit for rules that have been inferred in the past; and each rule that matches the data. an index calculation unit that calculates the fitness of the antecedent part of and the evaluation value of the evaluation storage unit;
As a search destination that occurs sequentially after the start of backtracking, search for a rule that has the highest calculation result of the index calculation unit next to the current rule among the parent knowledge sources from which the rule currently performing inference has been derived. A multi-stage fuzzy system comprising: a calculation result search calculation unit; and an evaluation management unit that searches for a rule using the maximum calculation result search calculation unit and repeatedly executes multi-stage inference until the evaluation value of the fuzzy evaluation knowledge base unit is satisfied. Reasoning device.
を行うことによって、評価を実行させることを特徴とす
る多段ファジィ推論装置。(6) The multi-stage fuzzy inference device according to claim 5, characterized in that the evaluation is executed by multiplying the calculations in the index calculation unit.
のうち、小さい方を取るｍｉｎ演算を行うことによって
、評価を実行させることを特徴とする多段ファジィ推論
装置。(7) The multi-stage fuzzy inference device according to claim 5, characterized in that the evaluation is executed by performing the calculation in the index calculation unit by performing a min calculation that takes the smaller of two numbers.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1083405A JPH02260039A (en) | 1989-03-31 | 1989-03-31 | Multistage fuzzy inference device |
| US07/501,037 US5191638A (en) | 1989-03-31 | 1990-03-29 | Fuzzy-boolean multi-stage inference apparatus |
| EP19900303368 EP0390563A3 (en) | 1989-03-31 | 1990-03-29 | Fuzzy multi-stage inference apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1083405A JPH02260039A (en) | 1989-03-31 | 1989-03-31 | Multistage fuzzy inference device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02260039A true JPH02260039A (en) | 1990-10-22 |
Family
ID=13801518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1083405A Pending JPH02260039A (en) | 1989-03-31 | 1989-03-31 | Multistage fuzzy inference device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02260039A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5625561A (en) * | 1994-01-31 | 1997-04-29 | Toyota Jidosha Kabushiki Kaisha | Apparatus and method for feedback adjusting machine working condition for improving dimensional accuracy of processed workpieces |
| US6999846B2 (en) | 1992-02-14 | 2006-02-14 | Toyota Jidosha Kabushiki Kaisha | Apparatus and method for feedback-adjusting working condition for improving dimensional accuracy of processed workpieces |
-
1989
- 1989-03-31 JP JP1083405A patent/JPH02260039A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6999846B2 (en) | 1992-02-14 | 2006-02-14 | Toyota Jidosha Kabushiki Kaisha | Apparatus and method for feedback-adjusting working condition for improving dimensional accuracy of processed workpieces |
| US5625561A (en) * | 1994-01-31 | 1997-04-29 | Toyota Jidosha Kabushiki Kaisha | Apparatus and method for feedback adjusting machine working condition for improving dimensional accuracy of processed workpieces |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7844562B2 (en) | Method and knowledge structures for reasoning about concepts, relations, and rules | |
| Marín-Blázquez et al. | From approximative to descriptive fuzzy classifiers | |
| Nica et al. | Chatbot-based Tourist Recommendations Using Model-based Reasoning. | |
| Solnon | Ants can solve constraint satisfaction problems | |
| Elam et al. | Using artificial intelligence techniques to enhance the capabilities of model management systems | |
| Yahia et al. | Rough neural expert systems | |
| US5778157A (en) | System and method for expert system analysis using quiescent and parallel reasoning and set structured knowledge representation | |
| Gottinger et al. | Intelligent decision support systems | |
| EP0205873A2 (en) | Method for processing an expert system rulebase segmented into contextual units | |
| Dozier et al. | Solving constraint satisfaction problems using hybrid evolutionary search | |
| Phillips-Wren | Intelligent systems to support human decision making | |
| Shaw et al. | Applying machine learning to model management in decision support systems | |
| Quah et al. | Towards integrating rule-based expert systems and neural networks | |
| Fazlollahi et al. | Multi‐agent distributed intelligent system based on fuzzy decision making | |
| Peng et al. | A multi‐agent affective interactive MAGDM approach and its applications | |
| Ktistakis et al. | Methods for optimizing fuzzy inference systems | |
| JPH02260039A (en) | Multistage fuzzy inference device | |
| Liu et al. | An agent for intelligent model management | |
| Großmann-Hutter et al. | Learning Bayesian networks with hidden variables for user modeling | |
| Freuder et al. | Suggestion strategies for constraint-based matchmaker agents | |
| Thieme et al. | Expert system techniques applied to grain marketing analysis | |
| JP2701442B2 (en) | Expert system with knowledge base by fuzzy expression | |
| Gu et al. | Explanation-boosted question selection in conversational CBR | |
| Krasnyuk et al. | Intelligent technologies in hybrid corporate DSS (on the example of Ukraine oil&gas production company) | |
| Carberry | Plan recognition: achievements, problems, and prospects |