JPH03278131A - 知識の評価，更新方法およびそのシステム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （１３） 〔産業上の利用分野〕 本発明は、人間の経験やノウハウを知識（知識ベース）
を用いて推論し、問題を解決するエキスパートシステム
に関する。特に、知識が、ファジィ推論するためのファ
ジィ知識である場合に、そのファジィ知識を評価するた
めに好適な方法およびそのシステムである。さらに、評
価結果に基づいて、ファジィ知識を更新する方法および
そのシステムに関する。さらに、評価、更新ができるフ
ァジィ知識を用いた意志決定支援システムに関する。

〔従来の技術〕

ファジィ推論を応用したシステムが、「ファジィ制御方
式と実システムへの適用」電気学会論文誌Ｃ分冊、Ｖｏ
Ｑ、１０９−Ｃ，Ｎ（１５，１９８９年５月、ｐｐ、３
３０−３３６（文献１）、「プラント制御用エキスパー
トシェルＪ　ＥＲＩＣ雑誌オートメーション、第３３巻
、第６号、１９８８年６月１　Ｐ　Ｐ、１７−２１（文
献２）、「ファジィ推論を利用した証券投資エキスパー
トシステム」情報（１４） 処理、１９８９．８．ｐ９９６３〜９６９（文献３）お
よび「ファジィエキスパート構築シェル」情報処理、１
９８９．８．ｐｐ、９４８〜９５６（文献４）に記載さ
れている。

文献１によれば、熟練者または専門家のノウハウをファ
ジィルールまたは知識ルールとして知識ルールベースを
作成し、推論対象の状態に応じて知識ルールベースの内
容に基づいて推論している。

文献１に示されている列車自動運転システムなどでは対
象（列車）の特性が変化しない。したがって、−度熟練
者（運転士）のノウハウをルール化し、知識ルールベー
スを作成してしまうと、その知識ルールベースは長期に
亘って使用される。

文献２には、ファジィルールの記述、ファジィ推論機構
に関して述べられている。またファジィ変数に関しても
開示されている。詳しくは、ファジィ変数を設定する場
合に、ファジィ変数のメンバーシップ関数を試行錯誤を
繰り返して状況に適したものに調整する必要があると述
べられている。

また、必要に応じてファジィ変数を追加すること（１５
） が可能であるとの記載がある。

文献３には、「過去のデータでよい結果が得られたとし
ても、そのルールが将来にわたっても有効であるという
保証はない。」という認識に基づいて、過去一定期間の
データから逆にパラメータ値を求め、そのパラメータ値
を参考にしたルールの登録並びに修正する方法について
開示されている。ただし、このような学習の対象となる
変数は一つであり、かつそれは、ｉｆ〜、ｔｈｅｎ〜形
式で記述されるｉｆ部に含まれる変数に限られている。

文献４には、シミュレーションによって、ファジィ制御
ルールの作成及びそれを評価する方法が開示されている
。具体的には、シミュレーションの各時刻における入力
値、出力値、ファジィ推論の結果である各出力変数上の
メンバーシップ関数のグラフ表示機能を用い、ファジィ
制御ルールの効果を（ユーザが）知り、ルールの修正を
することが開示されている。

〔発明が解決しようとする課題〕

（］６） 本発明の目的は、推論に用いるファジィ知識の妥当性の
評価を容易にする方法およびシステムを提供することに
ある。

本発明の他の目的は、推論に用いるファジィ知識の妥当
性の評価結果に基づいた、ファジィ知識のメンバーシッ
プ関数の調整の方法およびシステムを提供することにあ
る。

本発明の他の目的は、時間の経過に伴い知識の内容が劣
化するような推論対象の場合に、すでに妥当性を失った
知識を使用しないようにする方法およびシステムを提供
することにある。特に、時間の経過に伴い知識の内容が
劣化するような意志決定支援システムに好適な方法およ
びシステムを提供することにある。

本発明のさらに他の目的は、本願明細書および添付した
図面から類推することは、当業者にとって容易であろう
。

以上の目的は、前記従来技術の次のような問題点に発明
者が注目し、設定したものである。

推論対象に依存するもののファジィ知識が経年（１７） 変化することに注目しているのは、前記文献３だけであ
る。ファジィ知識を構築する段階ではあるが、ファジィ
知識を評価し、調整する必要性は文献２および４におい
て認識されている。特に、文献４ではシミュレーション
によって、ファジィ知識を評価し、調整することまで開
示されている。

まず、ファジィ知識が経年変化する場合は、そのファジ
ィ知識の評価および調整がすべて人に任されるため、評
価および調整する人は、熟練者並み、場合によると不可
能ではあるが熟練者以上の経験やノウハウを持たねばな
らない。なぜならば、ファジィ知識を用いた推論の仕掛
けにまで精通していることがその人に要求されるからで
ある。そこで、ファジィ知識の評価および調整を容易に
する方法およびそのシステムが必要となる。

文献４に開示されているシミュレーションによるファジ
ィ知識の評価および調整は、文献４に示されているよう
にプラン１−の制御の分野におけるファジィ推論の場合
は有効であろう。なぜならば、プラントの制御は、その
制御対象、すなわち推論（１８） 対象が数式モデルで表されるものであり、状態変数の変
化はあるものの、それに用いるファジィ知識が経年変化
するものではない。それ故に、モデルを組み込んだシュ
ミレータの利用が可能となる。

逆にいえば、ファジィ知識が経年変化するということは
、モデルが経年変化することを意味し、モデルの経年変
化をファジィ知識の経年変化に置き換えられればよい。

このような観点には、文献４には開示されていない。

ファジィ知識が経年変化を示す典型的な例は、ビジネス
分野にファジィ推論を適用した場合である。この分野は
、厳密なモデリングが困難であることもあるが、周囲状
況（社会状況や経済状況）の変化に伴い、ファジィ推論
を適用した場合にそのファジィ知識を変化させなければ
ならない。換言すると、周囲状況の変化に伴い、ファジ
ィ知識が妥当性を失ってゆくので、それを評価し、調整
して、変化した周囲状況に整合させていかなければなら
ない。

以上のような従来技術における問題点の認識に（１９） 基づいて、上記発明の目的を設定したものである。

なお、上記から、課題の認識自体が、従来技術からは示
唆され得ないものであることは明らかであろう。

〔課題を解決するための手段〕

上記目的を達成するために、本発明では次のようにして
いる。

対象のファジィ推論システムは、ｊｆ〜、　ｔｈｅｎ部
の形式で記述されるファジィルールとファジィルールの
ｊｆ部およびｔｈｅｎ部に記述される各々の命題の意味
を定義するメンバーシップ関数とからなるファジィ知識
を用いて推論する。本発明は、このようなファジィ推論
システムのファジィ知識の評価、更新方法およびシステ
ムである。それは、ファジィルールを用いてファジィ推
論を実行した結果と実データとを比較し、その比較結果
を出力することよって達成される。

望ましい実施態様の一つとして、比較結果は推論結果と
実データとの差でよく、その差をヒス１ヘゲラムで出力
する。さらに、別の実施態様として、（２０） ｉｆ部に関するメンバーシップ関数に基づいて、ファジ
ィルールの妥当性を表すルール適合度を求め、ｔｈｅｎ
部に関するメンバーシップ関数に関して代表値を算出し
、その代表値と実データとの差を求め、そのルール適合
度と比較結果（代表値と実データとの差）との関係を出
力するようにしてもよい。また、ルール適合度はファジ
ィルールの影響力の強さを表すので、影響力の強さの順
に各々のファジィルールに順序を付けて、各々のファジ
ィルールと順序とを対応つけて出力してもよい。

さらに、本発明の変形として、次のようにして上記目的
を達成できる。

ファジィ推論の対象分野に現実の時系列データを用いて
、ｉｆ部のメンバーシップ関数の値から該ｉｆ部に関す
る適合度とｔｈｅｎ部の変数値を求め、この適合度と変
数値との組合せからなる複数の組の分布状態を生成して
、生成した分布状態とｔｈｅｎ部のメンバーシップ関数
とからファジィルールの有効および不適合のいずれか一
方の度（２１） 合を求めて、その度合を表示する。この実施態様の一つ
として、ｔｈｅｎ部のメンバーシップ関数と分布状態と
の平均距離を不適合の度合としてもよい。さらに、有効
度を参考有効度として表示し、ユーザに新しい有効度を
指定させ、指定された有効度をファジィルールの新たな
適合度としてもよい。さらに、ファジィルールを使用す
るか否かを予め記憶しである使用の可否の状態に応じて
決定することが望ましい。また、時系列データを所定の
期間に対応して分割し、その各々に重みを与え、その重
みを用いて、分布状態を生成するようにしてもよい。

なお、本明細書および添付する図面では、次のような定
義に基づいて用語を使用している。

適合度：メンバーシップ関数の値であり、０から１まで
の数値で度合を表す。

有効度：ファジィルールの適合度の確からしさ（信頼性
）の度合であり、適合度の適 用割合（重み）を表す。

ルール適合度：ファジィルールの妥当性を示す（２２） ものであり、一つのファジィル ールに関して求められる複数の 適合度の中で最ホの値で表す。

〔作用〕 本発明は、上記のように手段により、特に推論結果や推
論経過等を誤差分布や状態分布等に変換して出力するた
め、推論に用いるファジィ知識の妥当性を容易に評価す
ることができる。この場合、たとえ時系列データを対象
としたファジィ推論であっても、時系列データが有する
時間要素を含まない形態で表示するので、ユーザにとっ
ては出力内容の理解が容易になる。前述の文献３に記載
されているように、時系列データと推論結果とをただ単
に時間軸上に対比して出力するだけでは、ユーザはファ
ジィ知識が妥当でないということが分かっても、不具合
点を具体的に理解することができない。この点に関して
、本発明では、ユーザの理解の妨げになる時間要素を消
去した評価結果を出力しているので、ユーザにとってフ
ァジィ知識の妥当性の評価が容易になる。また、推論に
用い（２３） るファジィ知識の妥当性の評価結果に基づいて、ファジ
ィ知識のメンバーシップ関数の調整を容易にすることが
できる。さらに、時間の経過に伴い知識の内容が劣化す
るような推論対象の場合に、すでに妥当性を失った知識
を使用しないようにすることができる。特に、時間の経
過に伴い知識の内容が劣化するような意志決定支援シス
テムに好適な方法およびシステムが実現され得る。

〔実施例〕

以下に本発明の実施例を、図面により詳細に説明する。

第１図は本発明を実現するファジィルール評価システム
の一実施例の構成図である。第１図において、１０は株
価などの時系列データを保存するデータ保存部である。

１１とメンバーシップ関数とファジィルールを格納する
ファジィ知識ベースである。１２はデータ保存部１０内
のデータについてファジィ知識ベース１１を用いてファ
ジィ推論を実行するファジィ推論部である。１３はファ
ジィ推論部１２でファジィ推論した途中経過、結（２４
） 果等を格納するワーキングメモリである。１４はデータ
保存部１０．ファジィ知識ベース１１およびワーキング
メモリ１３内の情報を組み合わせたり、変換したりする
編集部である。１５は編集部１４の実行結果を出力する
ＣＲＴ等の出力装置である。本実施例は、株価収益率と
移動平均線かいＭ率から株価の動きを推定するシステム
を示す。

ファジィ知識ベース１１には ルール１：ｉｆ（株価収益率　　　　が　低い＆移動平
均線かい隙率　が　負　） ｔｈｅｎ（株価　が　上昇） ルール２：ｉｆ（株価収益率　　　　が　高い＆移動平
均線かい隙率　が　正　） ｔｈｅｎ（株価　が　下降） というファジィルールと、上記ファジィルールのｉｆ部
命題、ｔｈｅｎ部命題を意味付けるメンバーシップ関数
を蓄積する。命題とは前述のｉｆ部。

ｔｈｅｎ部の（）内である。

第３図は、データ保存部１０のテーブル構成を示す。第
３図において、データ保存部１０は、過（２５） 去の株価９株価収益率、移動平均線がい隙率の各各のデ
ータの組を１ケースとし、Ｎケースの情報を保存してい
る。

第４図は、ワーキングメモリ１３のテーブル構成を示す
。第４図において、ワーキングメモリ１３は、結果部４
１．経過部４２と、カウンタ４３からなる。結果部４１
は、データ保存部ｌ。

内の各ケース（Ｎケース）についてファジィ推論を実行
した、Ｎケースの結果を保存する。経過部４２は、１か
らＮのケースの株価収益率、移動平均線かい隙率に対し
て、各ファジィルールのｉｆ部の適合度を求めた結果を
保存している。例えば、第４図中、１番目（ルールＮα
１）ファジィルールの命題「株価収益率が低い」の適合
度は、０．３　であることを示している。カウンタ４３
は、ＢＵＮ個の領域Ｃ（０）、Ｃ（１）、−Ｃ（ＢＵＮ
）から成る。

ｋ　（ｋ＝１．ＢＵＮ）番目の領域には、誤差の定義域
［ＥＩＩＩｎ、Ｅ、ａｘ］をＢＵＮ偏に分割した区域（
２６） に誤差Ｅが属す回数を保存する。例えば、Ｎ個のケース
についてファジィ推論を実行した結果、区域 に誤差Ｅが属す回数を示すカウンタＣ（２）は１である
。

第５図は、本発明によるファジィ評価システムの処理手
順を示すフローチャートである。

まず、データ保存部１０．ファジィ知識ベース１１の内
容を読み込む（ステップ５１５）。次にファジィ推論部
１２は各ケースの株価収益率、移動平均線かい隙率に対
して順次、ファジィ知識ベース１１を用いてファジィ推
論を実行し、その経過、および結果をワーキングメモリ
１３に格納する（ステップ５２）。

編集部１４は、ワーキングメモリ１３の結果部４１にテ
ープが未だあるならば（ステップ５３）、結果部４１内
の次の推論結果を読み込む（ステップ５４）。次に誤差
Ｅを推論結果と時系列データ（２７） との差として求める。例えば１番目のケースでは、結果
部４１に示される推論結果が７３８で、データ保存部１
０内の株価（時系列データ）が７４３であるから、誤差
Ｅは７３８−７４３＝−５となる。次にステップ５５で
求めた誤差Ｅが誤差の定義域［Ｅｍｌｎｙ　Ｅｍａア］
を超えている時、定義域内に入るように誤差Ｅを変える
。具体的には、Ｅ〉Ｅ　ｍａＸである時、誤差ＥをＥ　
ｍａＸ　とし、またＥ〈Ｅ　＋ａｉｎである時、誤差Ｅ
をＥｏ。とする（ステップ５６）。なお、通常は定義域
外に誤差が現われないように十分に広い定義域を予め設
定しておく。

次に、ステップ５５および５６で求めた誤差Ｅがどの分
割区間 （ｋ＝１．ＢＵＮ）に属しているかを ＢＵＮ により求め、Ｋ番目のカウンタＣ（Ｋ）をカウントアツ
プ（＋１）　Ｌ　（ステップ５７）、ステップ（２８） ５３にジャンプする。

ステップ５３において、ワーキングメモリ１３の結果部
４１の内容を全て読み終えたとき、カウンタＣ（ｋ）（
ｋ＝１．ＢＵＮ）の内容をＣＲＴ１５に第６図のように
グラフィック出力しくステップ５８）、終了する。なお
、最も望しくけ、誤差の定義域の中心値が誤差Ｅ＝Ｏを
表わすように定義域を定めるのがよい。

本実施例によれば、時系列データを対象にしているにも
かかわらず、時間要素を除いて表示するので、推論結果
がどれくらい正しいか、正しくない場合もどのような傾
向ではずれているかを、ユーザが容易に把握できる。特
に、推論結果の実データ（時系列データ）に対するシフ
ト量およびその傾向がユーザによって把握できる。

第７図は、本発明を実施するファジィ評価システムの他
の処理手順を示すフローチャートである。

まず、データ保存部１０．ファジィ知識ベース１１の内
容を読み込む（ステップ７１）。次にファジィ推論部１
２は各ケースの株価収益率、移動（２９） 平均線かい隙率に対して順次、ファジィ知識ベースを用
いてファジィ推論を実行し、その経過、および結果をワ
ーキングメモリ１３に格納する（ステップ７２）。

次に編集部１４は、各ファジィルールに対して、ｔｈｅ
ｎ部のメンバーシップ関数の代表値Ｃｒ　（ｉ＝１．ル
ール数）を式（１）式により求める（ステップ７３）。

− （１） Σｆ（ｘｔ） ｉ＝１ ここで、ｆ　（ｘｔ）はｔｈｅｎ部のメンバーシップ関
数を統合した関数であり、ルールｊに関するものである
。

ワーキングメモリ１３の結果部４１及び経過部４１で未
だ読んでいないデータがあるか否かを調べ（ステップ７
４）、データがあるならば、ワーキングメモリ１３の結
果部４１の推論結果及び経過部４２の各ｉｆ部命題の適
合度を１ケ一ス分読（３０） む（ステップ７５）。次にステップ７３で求めた代表値
ＣＩから、ステップ７５で読み込んだ推論結果に対応す
る株価（時系列データ）を引いた値を誤差Ｅ１　とし各
ファジィルールの代表値Ｃ，（ｉ＝１．ルール数）を求
める（ステップ７６）。

そして、各ファジィルールについて、ステップ７５で読
み込んだ推論結果に対応するケースのルール適合度ｇｔ
（ｘ＝１＋ルール数）を計算する（ステップ７７）。

ここで、ファジィ推論方法を第２図を用いて説明してお
く。

推論方法としてはもっとも一般的な、ＭａｘＭｉｎ法を
用いたファジィ推論方法を第２図に示す。第２図では、 ルール１：ｉｆ　（温度が低い　＆　圧力が低い）ｔｈ
ｅｎ　（燃料を増す） ルール２：ｉｆ　（温度が高い　＆　圧力が高い）ｔｈ
ｅｎ　（燃料を減らす） という２つのファジィルール（ルール１．ルール２）と
、各命題の意味を定義するメンバーシップ（３１） 関数（第２図中でグラフ表示した関数）を用いて推論す
る。まず各ｉｆ部命題の適合度を求めた上で、各ファジ
ィルールについてｉｆ部適合度の中で最小のものをルー
ル適合度とする。ルール適合度は、そのルールの妥当性
を示す。ます、ルール適合度（の値）の大きさが大きい
ほど、推論結果を導くために影響力が強かったことを示
す。例えば、温度Ｘ。圧力Ｘ工であるとき、ファジィル
ール１の命題「温度が低い」、「圧力が低い」の適合度
が０．３，０．８であるから、ファジィルール１のルー
ル適合度は０．３　　となる。同様にして、ファジィル
ール２のルール適合度は０．２　である。

次に各ファジィルールのｔｈｅｎ部メンバーシップ関数
に各ルール適合度を掛け、ｔｈｅｎ部メンバーシップ関
数を変形する。例えば、ファジィルール１の「燃料を増
す」のメンバーシップ関数２０は、全体にルール適合度
０．３　　を掛はメンバーシップ関数２１のようになる
。同様にして、ファジィルール２の「燃料を減らす」の
新しいメンバーシップ関数は２２となる。そして、各フ
ァン（３２） ィルールのｔｈｅｎ部メンバーシップ関数を統合した後
、重心計算により、その結果Ｃを推論結果とする。具体
的には、統合した関数をｆ（ｘ）、関数ｆ（ｘ）の定義
域を［Ｘ工、　Ｘｎ］とした時、結果Ｃは、 ｉ＝１ で求められる。またｔｈｅｎ部メンバーシップ関数２１
．２２を統合した関数は、２３となる。

ファジィ知識は、次の手順で構築される。まず評価すべ
き状態（評価指標）を抽出し、ノウハウをメンバーシッ
プ関数とファジィルールで記述し、ファジィ知識ベース
化する。次にファジィ推論適用時に予想される。ある１
つのケースを選び出し、そのケースに対し作成してファ
ジィ知識ベースを用いファジィ推論を実行する。その推
論結果からファジィ知識が適切であるか、否かを検討す
る。

適切でなければファジィ知識を変更し、再度ファ（３３
） シイ推論を実行する。ファジィ推論結果が適切の時は、
別のケースについて同様のことを実行する。

以上のように、全てのケースについて適切な推論結果が
得られるまで、個々のケースについてファジィ知識ベー
スを調整する。

さて、第７図に説明を戻そう。

第２図のようにＭ　ａ　ｘ　−Ｍ　ｉ　ｎ法で推論して
いる場合には、１つあるいは複数のｉｆ部命題の適合度
の中で、最小のものをルール適合度ｇ、とする。例えば
、ステップ７５において、第１のケースの推論経過に当
たる、第１番目のファジィルールの各ｉｆ部命題の適合
度が０．３，０．８　（第４図）であるとき、このケー
スのルール適合度ｇ＋は、ｍ１ｎ（０，３，０，８）＝
０．３となる。

ＣＲＴ１５に、ステップ７６で計算した誤差Ｅ４をＸ座
標、ステップ７７で求めたルール適合度ｇ＋　をＸ座標
とする点をプロットする（ｉ＝１゜ルール数）。なお、
プロットする記号、または色は、ルール番号によってか
えるものとする（ステップ７８）。

（３４） ステップ７４において、ワーキングメモリ１３内で読む
べき次のデータがないとき、処理を終了する。

第８図は、本実施例の画面出力例であり、横軸が誤差、
縦軸がルール適合度のグラフを出力している。この画面
では、５ケース、４つのファジィルールについてファジ
ィ推論の経過を、ルール番号によって異なる記号（マー
ク）を用いて示している。

本実施例によれば、各ファジィルールに関してルール適
合度と誤差との関係を出力するので、ユーザは不適切な
ファジィルールを容易に把握できる。ここで、不適切な
ファジィルールとは、（１）ルール適合度が大きく、誤
差の大きいファジィルール、（２）ルール適合度が小さ
く、誤差の小さいファジィルールである。本実施例にお
いても、時系列データを対象としているもにもかかわら
ず、時間要因を除いて表示することにより、ユーザにと
ってファジィルールの妥当性を容易に把握することがで
きる。

（３５） 第９図は、本発明を実施するファジィ評価システムのさ
らに他の処理手順を示すフローチャー１へである。

第１０図は、ワーキングメモリ１３のカウンタ４３のテ
ーブル構成の変形例を示す。第１０図のカウンタ４３：
Ｃイｊは、（ルール数）×（ルール数）の２次元の領域
で、カウンタＣＩＪはｉ番目（縦軸）のファジィルール
の順位（横軸）がｊである回数（度数）を格納する。

第１１図は、カウンタＣＩＪの内容をＣＲＴ１５に出力
した画面表示例である。この出方例ではファジィルール
の数が６で、例えば２番目（Ｎｏ、　２　）のファジィ
ルールの順位が１であったケースが４回あったことを示
している。

次に本実施例の動作を説明する。

ますカウンタＣｔａ　（１＋　Ｊ＝１ｙルール数）に０
をセットし、初期化する（ステップ９１）。データ保存
部１０．ファジィ知識ベース１１の内容を読み込む（ス
テップ９２）。ファジィ推論部１２はデータ保存部ｌｏ
内の各ケースの株価収益（３６） 率、移動平均線かい隙率に対して順次、ファジィ知識ベ
ースを用いてファジィ推論を実行し、その経過、および
結果をワーキングメモリ１３に格納する（ステップ９３
）。

編集部１４はワーキングメモリ１３の経過部４２で未だ
読んでいないデータがあるか否かを調べ（ステップ９４
）、データがあるならば、ワーキングメモリ１３の経過
部４２の各ｉｆ部命題の適合度を１ケース分読む（ステ
ップ９５）。各ファジィルールのルール適合度ｇＩ（ｉ
　＝　１　、ルール数）をステップ７７と同じ方法で求
める（ステップ９６）。

次に、各ファジィルールのルール適合度ｇ１を用いて、
ファジィルール間の順位を付ける。順位付けの方法は、
ルール適合度の大きい順とする。

なお、ｉ番目のファジィルールの順位をｒｔ（ｉ＝１、
ルール数）とする（ステップ９７）。例えば、第４図の
経過部４２の１番目ケースにおける場合には、１番目フ
ァジィルールのルール適合度が０．３．２番目ファジィ
ルールのルール適合度が（３７） ０．２　であるから、１番目ファジィルールの順位ｒ１
　が１．２番目ファジィルールの順位ｒ２　が２となる
。

そして、１番目ファジィルール ル数）の順位ｒｌ　を用いて、カウンタＣ１ｒ１を＋１
する（ステップ９８）。例えば、第４図の経過部４２に
示す１番目ケースの場合、１番目ファジィルールの順位
ｒ１−１、２番口ファジィルールの順位ｒ２＝２である
から、カウンタｃ１１。

Ｃ２２に１をそれぞれ加算する。

ステップ９４において、ワーキングメモリ１３の経過部
４２内で読むべき次のデータがないとき、カウンタＣＩ
Ｊ　（　１　ｔ　Ｊ　”　Ｉ　Ｈ　）Ｌ／　　）Ｌ’数
ンをＣＲＴ１５に出力しくステップ９９）、終了する。

ステップ９９における出力例を第１１図に示す。

本実施例によれば、ファジィルールの効き具合を出力す
るので、ユーザは、強すぎたり弱すぎたりするファジィ
ルールを正確に把握できる。

第１２図は、本発明を実施するファジィ評価システムの
さらに他の処理手順を示すフローチャー（３８） トである。

第１３図は、本実施例の画面出力例である。第１３図に
おいて、１３０１は推論結果の折れ線グラフ、１３０２
は株価（時系列データ）の折れ線グラフ、１３０３はユ
ーザが指定した区間の推論結果の部分析れ線グラフ、１
３０４はユーザが指定した区間の株価の部分析れ線グラ
フ、１３０５は折れ線グラフ、１３０２から作成した推
論結果分布を表すヒストグラム、１３０６は部分析れ線
グラフ１３０４から作成した推論結果分布を表すヒスト
グラム、１３０７は推論結果が折れ線グラフ１３０１と
なる各ケースの株価収益率の分布を表わすヒストグラム
、１３０８は推論結果が部分析れ線グラフ１３０３とな
る各ケースの株価収益率の分布、１３０９は推論結果が
折れ線グラフ１３０１となる各ケースの移動平均線かい
隙率の分布、１３１０は推論結果が部分析れ線グラフ１
３０３となる各ケースの移動平均線かい隙率の分布、１
３１１は、ファジィルール再表示の機能を選択するため
の領域、１３１２は、表示中の時（３９） 系列データの中の特性区間の推論経過、結果を抽出する
機能を選択するための領域、１３１３は、処理を終了す
るための領域である。

次に本実施例の動作を説明する。

まず、データ保存部１０．ファジィ知識ベース１１の内
容を読み込む（ステップ１２０１）。ファジィルール知
識ベース１２はデータ保存部１０内の各ケースの株価収
益率、移動平均線かい離に対して順次、ファジィ知識ベ
ースを用いてファジィ推論を実行し、その経過、および
結果をワーキングメモリ１３に格納する（ステップ１２
０２）。

次にワーキングメモリ１３内の経過部４２．結論部４１
の情報を読み込むとともに（ステップ１２０３）、ファ
ジィ知識ベース１１内のメンバーシップ関数をＣＲＴ１
５に出力する（ステップ１２０４）。

例えば第１３図の場合では、右上と下方のグラフの中の
、右下がり、あるいは左下がりの関数がメンバーシップ
関数である。右上のメンバーシップ関数は、ファジィル
ールのｔｈｅｎ部で、下方のメンバーシップ関数は、フ
ァジィルール−のｉｆ部（４０） で用いられている関数である。

ステップ編集部１２ｏ１で読み込んだ株価を時系統順に
出力し、また同様にワーキングメモリ１３結果部４１の
各ケース推論結果をＣＲＴ１５に出力する（ステップ１
２０５）、例えば第１３図の場合、画面左上のグラフが
ステップ１２０５の出力例である。このグラフは横軸に
月日、縦軸に株価をとり、折れ線グラフで表示している
。なお実線の折れ線グラフ１３０２が株価（データ値）
、点線の折れ線グラフ１３０１がファジィ推論結果であ
る。

そしてワーキングメモリ１３の結論部４１の内容に基づ
いて、実施例１と同じ要領で推論結果分布のヒストグラ
ムを作成し、ＣＲＴ１５に出力する（ステップ１２０５
）。例えば、第１３図の場合、推論結果「株価」のヒス
トグラムは１３０５である。

またデータ保存部１０内の各ケースの状態値に基づいて
、実施例１と同じ要領で状態値分布のヒストグラムを作
成し、ＣＲＴ１５に出力する（ス（４１） テップ１２０７）。例えば第１３図の場合、状態値「株
価収益率」のヒス１〜グラムは１３０７、状態値「移動
平均線かい隙率」のヒストグラムは１３０９である。

以上の準備を終え、ユーザが機能を選択するまで待つ（
ステップ１２０８）。このとき、ユーザが領域「ルール
Ｊ　１３１１をマウスで指定したら、ユーザは次にルー
ル番号ｎを入力する（ステップ１２０９）。そして１番
目ファジィルールに関連があるメンバーシップ関数を太
線で再表示する（ステップ１２１０）。第１３図の場合
、２番目ファジィルールのメンバーシップ関数を太線表
示している。

またステップ１２０８において、ユーザが領域「区間Ｊ
　１３１２をマウスで指定したら、ユーザは第１３図の
画面の左上の中のある区間の両端をマウスで指定し、部
分析れ線グラフ１３０３゜１３０４のように編集部１４
はその指定区間を太線で再表示する（ステップ１２１１
）。前ステップ１２１１で指定した区間内の各ケース推
論結果（４２） の分布をステップ１２０６と同じ要領で作成し、その分
布をＣＲＴｌ５に出力する（ステップ１２１２）。

第１３図の指定区間１３０３．１３０４に対する推論結
果のヒストグラムは１３０６である。ステップ１２１１
で指定した区間内容ケースの状態分布をステップ１２０
７と同じ要領で作成し、その分布をＣＲＴｌ　５に出力
する（ステップ１２１３）。

例えば第１３図の指定区間１３０３．１３０４に対する
状態「株価収益率」の分布は１３０８、状態「移動平折
線かい隙率」の分布は１３１０である。

ステップ１２１０．ステップ１２１３実行後か、もしく
はステップ１２０８でユーザがルール１３１１　。

区間１３１２．終了１３１３の領域以外を指定したとき
には、ステップ１２０８にジャンプする。

またステップ１２０８において、ユーザが、終了領域１
３１３を選択したときには、全ての処理を終了する。

本実施例によれば、ファジィルール個々のメンバーシッ
プ関数と状態値、推論結果との関係を出（４３） 力するので、ユーザは容易にファジィ知識の修正箇所を
把握できる。

さらに、本発明を実施する他の実施例を説明する。特に
、本発明の基本となるファジィルールおよびファジィ推
論、及びファジィルールの妥当性検証の方法について説
明する。

熟練者あるいは専門家から抽出されたノウハウについて
のファジィルールは、 ｉ　ｆ　（（Ａ、　ｉｓ　ａｌ）△（Ａ２ｉｓ　α２）
”’＞ｔ　ｈ　ｅ　ｎ（Ｂｌｉｓ　β、）　　　　　　
　　−（２）のような形で記述される。Ａ１１ｓ　α１
は具体的には“温度（Ａ□）が高い（α１）″のような
文である。高いというようにあいまい量をファジィメン
バーシップ関数を使い表現する。ファジィメンバーシッ
プ関数を用いて、式（２）のような形のファジィルール
を第１５図のように表現する。計算機では、式（２）の
形のルール群とそれにともなう第１５図のようなファジ
ィメンバーシップ関数を知識ベース内のファジィルール
として保有する。ファジィルールを使ったファジィ推論
をネットワー（４４） り表現で示したものを第１６図に示す。ファジィ推論に
使用する状態量ｘｘ（ｔＬＸｚ（ｔ）、Ｘ３（ｔ）・・
・（たとえば、温度等）をもとにして、ファジィ推論で
使用する変数Ａ□、Ａ２．・・・、Ａｎの値を計算する
。−これらの計算値がａ工、ａ２．・・・である。

ａ工（ｉ＝１．２．・・・）に基づいて、α１．α２．
・・・α。のファジィ量に対応するメンバーシップ関数
の値ｂｌ？ｂ２ｔ・・・ｌ　ｂｎ　を計算する。さらに
、ｉｆ部の適合度を（Ａ□ｉｓ　α１）のメンバーシッ
プ関数値す、の最小値で与えるようにして計算する。こ
のようにしてｉｆ部の適合度γ、が計算されるとｔｈｅ
ｎ部（後件部）のメンバーシップ関数にγ、を乗じて、
該当ファジィルールの適合部を計算する。

このようなファジィルールの推論において、推論結果が
実線の値と合致していれば、ｉｆ部の適合度γ１の値は
大きくなるべきである。推論結果が実際の値と合致して
いなければ、ｉｆ部の適合度の値は小さくなるべきであ
る。さもなければ誤った推論結果を与えることになる。

このような観（４５） 点から、時系列データを使用し、ファジィルールの妥当
性の検証の概念を示したのが第１６図および第１７図で
ある。第１６図では使用する時系列データに対応して、
ｉｆ部の適合度γ１が計算できる。一方、使用する時系
列データからｔｈｅｎ部の変数Ｂ１に対応する値Ｚｌが
計算できる。そして、ある一定期間の時系列データを使
用すれば、第１６図に示す方法で、ｉｆ部の適合度γ１
とｔｈｅｎ部の変数の状態値Ｚｉの組（ｙ＋、ｚ＋）の
分布が求まる。この分布が、ｔｈｅｎ部のメンバーシッ
プ関数から考えて妥当かどうかにより、該当のファジィ
ルールが一定の時系列データに対して経時変化をおこし
てないかどうかを確かめる。

第１７図がｔｈｅｎ部のメンバーシップ関数ｍ　（Ｚ　
）と、（γ、Ｚ）の分布状態を重ねて表示した例である
。

ファジィルールの妥当性の測度のひとつとしては、ｔｈ
ｅｎ部のメンバーシップ関数と（γ、ｚ）の分布の相関
度合をとることができる。相関度合のひとつの計算方法
としては、時系列データから（４６） 得られたペア（（γ五、Ｚｉ）　、ｉ＝１．・・、Ｎ（
ｉは時系列データの１１　に対応する量）の集合を利用
して、Ｚｒ　に関するメンバーシップ関数値ｍ（Ｚｔ）
とγＳから、相関度合 が計算する方法が考えられる。この相関度合が高ければ
該当のルールは妥当であるし、そうでなければ該当のル
ールは妥当ではないといえる。このようにして、時系列
データを利用して各ルールについてその妥当性を検証で
きる。また、時系列データから得られる（γ、Ｚ）の分
布がたよっている場合には、メンバーシップ関数の不適
合度として、得られた分布がｔｈｅｎ部のメンバーシッ
プ関数からどの程度離れているかを計算する方法もある
。これについては後で詳細に説明する。

このように時系列データからメンバーシップ関数を評価
する処理フローは第１４図に示すことが（４７） できる。第１４図とそれをわかりやすく説明した第１８
図を用いて、処理の流れを説明する。第１４図のステッ
プ１は時系列データ１８０１からｉｆ部のメンバーシッ
プ関数値１８０２を計算するステップである。ステップ
１４０２は時系列データ１８０１からｔｈｅｎ部の変数
値１８０３を計算するステップである。ステップ１４０
３は、ステップ１４０１及びステップ１４０２の結果か
ら該当ルールに関する分布の状態を表わす分布状態表１
８０４を作成するステップである。ステップ１４０４は
、分布状態表１８０４からメンバーシップ関数の有効度
、不適合度を計算し、ファジィルールベース１８０６を
得るステップである。

以上の発明の適用事例として、株式、債券等の証券トレ
ーディング意思決定支援システムにファジィ意思決定を
適用し、株式債券価格の上昇下降を予測する例について
説明する。株式や債券等の価格は金利の動向等の環境に
左右される。第１９図が、ファジィルールを利用したト
レーディング意思決定支援システムのシステム構成図で
ある。

（４８） 第１９図では、通信回線１９０１を介して、株式債券の
リアルタイム相場情報がデータ受信システム１９０２で
受信される。受信されたデータはＬ　Ａ　Ｎ　１９０６
　（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔ＋＋＋ｏｔｋ）を通
じてホスト計算機１９０３とトレーディングワークステ
ーション１９０７．１９０８に送信される。ホスト計算
機１９０３は、ファジィルールベース１９０４と証券価
格時系列データ等の時系列データベース１９０５の情報
を利用して、ファジィ推論を行ない、証券価格が上昇す
るか下降するかを予測計算して、トレーディングワーク
ステーション１９０７にファジィ推論結果を送信する。

第２０図は、トレーディングワークステーション１９０
７の画面表示例である。第２０図の例では、マルチウィ
ンドウ表示を使用しており、ウィンドウ２００１では、
証券価格の時系列データのグラフを、ウィンドウ２００
２では、ファジィ推論による価格予測情報、ウィンドウ
２００３では、証券価格に対する現在情報と統計情報が
表示されている。第２１図はファジィルールベース１９
０４の（４９） 構成である。ファジィルールベース１９０４は、ルール
番号２１０１と有効度２１０３および使用可否フラグ２
１０４およびファジィメンバーシップ関数２１０２から
成るファジィルール群より成る。このようなファジィ知
識に基づいたリアルタム意思決定支援を行なうために必
要となる機能を示したのが第２２図である。本実施例で
は、ホスト計算機１９０３でファジィ知識処理を行なお
うとした場合について述べている。ファジィルールを用
いて、ホスト計算機でビジネス系の意思決定支援処理を
行なう場合、 （１）ファジィルール登録評価処理２２０１（２）ファ
ジィ推論処理２２０２ （３）ファジィルールモニタ処理２２０３（４）ファジ
ィルールモニタエディタ処理２２０４が必要である。従
来ファジィ論理が応用されていたファジィ制御等の分野
では、−度ファジィルールを決定すれば、それが長期的
に使用できる分野であったので、（３）のファジィルー
ルモニタ処理機能は必要なかった。しかし、トレーディ
ングサ（５０） ポートシステムのようなビジネス系の意思決定支援シス
テムでは、ファジィルールモニタ処理２２０３が不可欠
である。ファジィ意思決定支援システム内に本機能を加
え、過去の時系列データからルールの妥当性の度合や有
効性を評価することが本発明を用いた実施例の特徴であ
る。

第２２図の各機能ブロックの説明を以下に述べる。

最初にファジィルール登録処理２２０１に関して本発明
で使用するファジィについて、その形式および登録方法
について第２３図のフローチャートに従って説明する。

まず、端末装置２２０５より、 ｉ　ｆ　（（Ａ、　ｉｓ　α１）△（Ａ２１Ｓα２）△
・・・△（Ａｎ　ｉｓ　α□））ｔｈｅｎ（Ｂ、ｉｓ　
β、）−（４） のような形式のファジィルールを文として入力する（ス
テップ２３０１）。Ａ□、Ａ２．・・・、Ａｎ、Ｂ□は
、株価とが出来高等の変数名称であり、α１゜α２．・
・・、α。、β□は、高いとか大きいといったファジィ
量の言語による表現である。次に、ファ（５１） シイ表現α□、α２．・・、α。およびβ□に対して順
次ファジィメンバーシップ関数を割り当ててゆく（ステ
ップ２３０２）。まず、システムのファジィルール登録
処理機能２２０１が準備するメンバーシップ関数の形ｆ
□、ｆ２．・・、ｆ＋の中から、どのメンバーシップ関
数をファジィ表現α１．α２゜・・・、α、、β、に割
り当てるかを端末装置２２ｏ５より指定する（ステップ
２３０３）。次に選ばれたメンバーシップ関数のパラメ
ータ（値域、傾斜パラメータ等）を指定する（ステップ
２３０４−　）。

メンバーシップ関数がすべてのファジィ表現に割り当て
られると、そのファジィルールがファジィルールベース
１９０４に転送され（ステップ２３０５）、第２１図に
示すファジィルールベース中の空いている領域で一番小
さいルール番号の所へ格納する。

この時、ルールｉに対する有効度Ｒ８を使用可否フラグ
Ｆ、は、それぞれデフォルト値として、Ｒ＋　＝　１　
、０　、Ｆ　ｔ　”　１　　を格納する。Ｒ８はＯｌＯ
から１．０　　までの実数値をとるものとする。ＦＩは
Ｏか１をとり、Ｏの場合、使用不可、１の場合、（５２
） 使用可とする。このようにして、ひとつのファジィルー
ルを入力し、入力しようとするルール全部の入力が終了
すると、この処理を終了する（ステップ２３０６）。

次に、ファジィ推論処理（第２２図、２２０２）だが、
これは通常のファジィ推論に基づいて行なう。この処理
の記述の例としては、たとえば、安信［ファジィ制御方
式と実システムへの適用」電気学会論文誌Ｃ分冊、Ｖｏ
ｆｌ、１０９−Ｃ，＆５゜ｐ３３０−３３６（１９８９
）等がある。本実施例では、各ルールｉに対しての有効
度Ｒ３を使用しているので、μｍ（Ｚ）をルールｊで得
られる後件部すなわちｔｈｅｎ部のメンバーシップ関数
とすると、それぞれのルールの結果の統合処理を前述の
文献で行なわれているように、 μ（Ｚ）＝ｍａｘμ＋（Ｚ）／　Ｚ　　　　　　　　−
（５）で得るかわりに、 μ（Ｚ）＝ｍａｘＲ＋・μ＋（Ｚ）／　Ｚ　　　　　　
−（６）で得るようにする。μ（Ｚ）は、個々のメンバ
ーシップ関数を統合して得られる最終結論に対するメ（
５３） ンバーシップ関数である。ファジィ推論の結果が第２０
図のウィンドウエリア２００２に表示される。

次に本発明を用いた登録したファジィルールの経時的変
化に対する妥当性をみるファジィルールモニタリング処
理（第２２図２２０３）を以下に述べる。ファジィルー
ルモニタリング処理はマンマシン応答処理によりオペレ
ータが指定する条件（第２５図）に基づいて行なう。第
２４図がファジィルールモニタリング処理の処理フロー
である。

まず、ステップ１１０１ではファジィルールのモニタリ
ング処理のために使用する時系列データに関する条件等
のファジィルール有効度計算のための条件設定を行なう
。計算機は、第２５図に示すような条件設定画面を出力
する。たとえば、第２５図では、使用時系列データ区間
ｉに対する重みづけＫｉと使用データ区間ｉの期間Ｄ　
ｈ　”　Ｄ　ｋや、を要求する画面を設定し、オペレー
タがその画面を見て、使用データｉに対する重みづけと
期間を入力する。さらに、条件設定画面（第２５図）で
（５４） はあとで説明する分布状態表作成条件の最小しきい値ε
を入力できるようにする。ステップ２４０２では、ステ
ップ２４０１で指定された条件に基づいて、登録された
個々のファジィルールに関して、そのルールの分布状態
表（第２７図）を作成する。

第２７図の分布状態表を作成するために、第２５図に指
定した時系列データを第２６図に示す方法で計算する。

すなわち、指定された時系列データを順次（目次データ
の場合は１日ずつのように）第１６図に示す計算メカニ
ズムに入力し、ｉｆ部の適合度γとｔｈｅｎ部の変数値
２を求める。時系列データを使用すると（γ、２）の組
が数多く得られるが、有意でない組合せを除くために、
第２５図で入力された最小しきい値εの値を使用してγ
〉εとなるもののみで分布状態表（第２７図）を作成す
る。第２７図の分布状態表は、たて軸が２を離散化し、
横軸がγを離散化してできたマトリックス状のテーブル
であり、マトリックスの各要素には、該当の（γ、Ｚ）
の度数が格納される。

第２７図のマトリックスは第２８図のように２次（５５
） 元座標を離散化したものに対応している。すなわち、ε
から１．０　　までの値をとるγを（δ１．δ２゜・・
、δｎ）と区分し、Ｚを（η１．η２．・・・、η、）
と区分した時、対象とする時系列データ区間で、どれだ
けの（γ、Ｚ）の組がηｉ×δｊの領域に入るかに対応
している。さらに、第２５図の画面から入力された時系
列データ区間ｉに対する重みづけを反映させると、計算
された（γ、ｚ）に対応する時系列データ区間の重みづ
けがＫｋの時、該当のη１×δ」に対応する行列Ｍ（ｉ
ｙ　ｊ）成分を、Ｍ　（ｉ＋　ｊ）　＝　Ｍ　（ｘ　ｒ
　ｊ）　十Ｋ　ｉ＋　　　　　　・・（７）とし、マト
リックスの各要素の度数に使用する時系列データの重み
を反映する。Ｍ（ＩＩＪ）の初期値はＯとする。このよ
うにして、第２５図で指定した時系列データ区間の（γ
、２）の分布を表わす分布状態表（第２７図）を得るこ
とができる。

次に、第２４図のステップ２４０３では、作成した分布
状態表に基づいて、登録したファジィルールの有効度（
あるいは不適合度）を計算する。

ファジィルールの有効度あるいは不適合度の評価（５６
） 尺度として（３）式の相関係数を使用することも可能だ
が、時系列データを利用して得られた第２７図の分布状
態表の分布は完全な分布情報ではないので、得られた分
布がどの程度設定したメンバーシップ関数から不適合か
を示す以下のような不適合度を評価尺度として使用する
。第２９図が、ここで使用する不適合度の評価尺度を示
している。

すなわち、ｔｈｅｎ部のメンバーシップ関数からの分布
の離れ具合（距離）の平均をそのルールに対する不適合
度と定義する。これは、ルールＱにおいて、Ｚに関する
区分η□の中心点に対応するメンバーシップ関数の値ｍ
ｅ（ηｌ）を使用し、不適合度の評価関数（ペナルティ
関数）ｐｇをで計算する。また、ファジィ推論では、メ
ンバーシップ関数の値の大きいものが推論結果への寄与
（５７） が大きい。そこで、使用した時系列データ全体の分布で
ｉｆ部の適合度の値γがあるしきい値ξよりも大きい度
合がどの程度かを示す指標りを、ｉ＝１　　ｊ＝１ で計算する。ここで、 ”　（ＩＩｊ）＝　　　Ｍ（ＩＩｊ）＋Ｋｋｉｆ　γ〉
ξＭＤＩＪ）　　　ｘｆγくξ として、ｉｆ部の適合度の値γがξよりも大きいものを
加算する。

第２４図のステップ２４０４は、ステップ２４０３の計
算結果を不適合度の大きい順からソートして表形式で出
力する。この表形式の一例が第３０図である。第３０図
では、ソートされた順にファジィルールの内容と、Ｐｉ
、Ｌ宛等の計算された値が表形式で与えられている。出
力された情報のうちＡ部分は既存のファジィルールベー
スの内容である。Ｂ部分のＰＬ、Ｌｘはステップ２４０
３で計算（５８） した数値である。ここでは、Ｂ部の新しい有効度をＰｇ
、Ｌｘの関数として計算し参考値として表示する。たと
えば、 Ｐえ＝１／（１＋ＰＬ）　　　　　　　　　・・・（１
０）のようにして新有効度を計算しても良い。Ｂ部の使
用可否フラグは既存のルールベースの内容を表示し、オ
ペレータにより修正されるものとする。

ファジィ知識ルールの管理者あるいはオペレータは、第
３０図の表の内容を見ながら新有効度の値を自分の感覚
に合うように修正する。この時、第２７図の分布の情報
も必要になるため、端末画面上に表示された表のうち、
ルール番号がマウスあるいはキーボードで指定されれば
、該当番号の分布状態表とメンバーシップ関数を合成し
た表示する。この表示例を第３１図に示す。第３１図で
は、分布状態表のマトリックスの要素からその要素に対
応する座標上にマトリックスの要素の値をドツトの大き
さで表示している。このような画面をみながらオペレー
タは、分布の状況およびルールの不適合度を判断し、有
効度および使用可否フラグ（５９） を設定することができる。

第２４図のステップ２４０４の処理が終了するとステッ
プ２４０５で有効度および使用可否フラグ情報をファジ
ィルールベースに格納する。以上で、第２４図に示した
ファジィルールモニタリング処理を終了する。第２２図
に示す第２の実施例では、以上で説明したものの他に、
ファジィルールエディタ処理機能をもつが、これはファ
ジィルール登録処理機能と同様の機能であり、登録され
たファジィルール、ファジィメンバーシップ関数の修正
、ファジィルールの追加等を行なう。

なお本実施例では、有効度Ｒ１の範囲を０．０≦Ｒ８≦
１．０としたが、有効度Ｒ１の上限値は１．０より大き
くても良い。

なぜならば、ルールの経時的変化は、Ｒｉが小さくなる
方向すなわち劣化だけでなく、ＲＩが大きくなる方向の
変化である場合もあるからである。

この場合ＲＩ＞　１　、０となるものがあれば、例えば
これをＲｓ　”　１　、０として扱えば良い。

第２の実施例として、本発明の基本概念である（６０） 時系列データを利用した分布情報に基づいて個々のファ
ジィルールの後件部（ｔｈｅｎ部）のメンバーシップ関
数と各ファジィルールの有効度を学習するシステムにつ
いて説明する。

時系列データからファジィルールを学習して最終的に妥
当なファジィルール体系を作成するためには、 （１）個々のファジィルールの学習 （２）ファジィルールの結合関係の学習の２つの部分の
学習が必要である。本実施例では、第２の実施例のよう
に、まず専門家の知識に基づいて、ファジィルールベー
スにファジィルールが格納されており、時系列データに
基づいてファジィルールの調整を行なうことを考える。

第２３図が本発明に基づくファジィルールを学習するフ
ローチャートである。まずステップ３２０１では、各フ
ァジィルールに対し、時系列データを利用して第２７図
に対応する分布状態表を作成する。この処理は、第２の
実施例における第２４図のステップ２４０１　（使用時
系列データ条件等外（６１） 理条件の指定）とステップ２４０２　（ファジィルール
による分布状態表作成）の２つの部分から成る。ステッ
プ３２０２では、作成した分布状態表（第２７図）をも
とにｔｈｅｎ部のメンバーシップ関数の形状を定める。

これは、第２７図に示す分布状態表の分布とメンバーシ
ップ関数の関係で、（８）式で計算されるようなペナル
ティ関数を最／ＪＸにするように、メンバーシップ関数
のパラメータおよび、メンバーシップ関数のタイプを決
定する。

メンバーシップ関数のタイプとパラメータの例を第３３
図に示す。この例では、タイプ１のメンバーシップ関数
は三角形型で、三角形の中心線の位置ａ１と三角形の傾
きａ２がパラメータである。

タイプ２のメンバーシップ関数は台形型で、台の始まり
ａｌと傾きａ２がパラメータである。このようにタイプ
■のメンバーシップ関数をｆ■（Ｘ。

ａ□Ｉ、・・・、ａ、Ｔ）と記述することにする。ここ
で、Ｘはメンバーシップ関数の変数の値域、ａ工■。

ａ２！、・・・、ａ、ｒは、タイプ■のメンバーシップ
関数に含まれるパラメータとする。第３４図が（８）（
６２） 式で計算されるペナルティ量を最小化するメンバーシッ
プ関数を決定するためのフローチャートである。まず、
ペナルティ関数を最小化する手法について説明する。第
　　図の分布状態表１８０４の値域Ｚの区間η１．η２
．・・η１の区間の各中点η□　、η２′、・・η、　
を代表点とし、値域γの区間δ□、δ２．・δ。の区間
の各中点δ１　、δ２・・・δ。′　を代表点とする。

ｆＩ（Ｘ、ａ□＋８２”１・・・、　ａｘＸ）メンバー
シップ関数を仮定すれば、ηｌ′　におけるメンバーシ
ップ関数ｆＩの値は、ｆｌ（’７＋　　ｔ　ａ、Ｉ＋　
ａ２”ｒ　−・ＨａｔＩ）　　　”’（１１）と表現で
きる。この時、区間η１でのペナルティの総計は ΣＭ（１＋　Ｊ　）（ｆ　ＩＣ”１１’　　＋　ａｉ”
ｒ”’ｒ　ａｔＩ）−δＪ′）２ｊ＝１ ・・・（１２） であり、考慮した全領域でのペナルティの総計はｉ＝１
　ｊ＝１ ・・・（１３） （６３） である。ここでＭ　（ｉｌ　Ｊ　）は第２７図に示す分
布状態表のマトリックスの（ｉ、ｊ）成分の値である。

（１３）で計算される量がメンバーシップ関数ｆｒ　の
ペナルティである。すなわち、（１３）式中に含まれる
メンバーシップ関数ｆｘ　の未知パラメータ値工ｌ　ａ
２■ｌ・・・、ａ、■は、ｉ＝１　ｊ＝１ ・（１４） の非線形最適化問題を解くことに帰着できる。

次に非線形最適化処理によって得られたパラメータ（ａ
□↓、・・・＋ａｉ＊）に基づいて、ペナルティＰｒ　
を、 ｉ＝１　ｊ＝１ ・・・（１５） を計算する。種々のメンバーシップ関数のタイプに対し
てペナルティＰＴ　を計算し、ペナルティの値が最小と
なるメンバーシップ関数ｆ■＊を選択する。これにより
、該当ファジィルールの後件部の（６４） メンバーシップ関数を決定できる。

以上の考え方に基づき、第３２図のステップ３２０２に
対応する処理を第３４図のように示すことができる。第
３４図のステップ３４０１では、ファジィルール■の分
布状態表を読み出すとともに、ループのくりかえし回数
等の処理制御のためのデータの初期化を行なう。ステッ
プ３４０２では、分布状態表から６４′、ηＩ　（ｉ＝
１．・・・ｍ。

ｊ＝１．・・・ｎ）の値を計算するとともに、メンバー
シップ関数のパラメータの値を初期化する。ステップ３
４０３では、式（１４）の非線形最適化処理を行ない、
パラメータ（ａ工↓、・・・ｔａｉｌ）の最適値を求め
る。ステップ３４０４では、ステップ３４０３で計算し
たパラメータ値を用いて、（１５）式のペナルティの値
を計算する。ステップ３４０５は、ステップ３４０２，
３４０３．３４０４がすべてのメンバーシップ関数につ
いて計算されたかどうかについてチエツクする。ステッ
プ３４０６は、ペナルティ量が最小のメンバーシップ関
数を選択する。ステップ３４０７はすべてのファジィル
ール（６５） について終了したかどうかをチエツクする。以上が第３
４図の処理である。

第３２図のステップ３２０３は、各ファジィルールの有
効度Ｒ１の計算に対する事前準備である観測テーブルの
作成の処理であり、ステップ３２０４は各ファジィルー
ルの有効度Ｒ１の計算である。

まず、各ファジィルールに対する有効度Ｒ１，・・・Ｒ
１を決定する原理について述べる。第３５図が、各ファ
ジィルールの後件部（ｔ　ｈ　ｅ　ｎ部）から出力され
るメンバーシップ関数を量子化して得られる表を示して
いる。最終的なファジィ推論結果は、それぞれのファジ
ィルールの推論結果のｍａｘ値をとるように合成し、合
成した関数の重心で与えるようにしている。第３５図の
ように、メンバーシップ関数の領域をＮ個に分割し、分
割されたそれぞれの区域の中点をｘｉとすると、各分割
区間ｊにおける合成関数の値は、 ｍａｘ（Ｒｔ　ｆ　ｔ’（ｘｋ））　　　　　　　　　
　　　・・・（１６）で与えることができる。ここで、
Ｒｉはファジィ（６６） ルールｉの有効度（重み）であり、ｆ　＋’（ｘｋ）は
ｊ番目の観測におけるファジィルールｊのｔｈｅｎ部の
メンバーシップ関数のＸｋにおける値である。観測ｊで
の重心の値は、 ｊ である。この重心位置が、ｊ番目の観測で得られる値ａ
Ｊ　との差の２乗和が最小になるようにＲ１を決定する
。すなわち、 ・・・（１８） となるようにファジィルールｉに関する有効度（重み）
Ｒ１を決定する。（１８）式の最小化は、これまでに知
られている種々の方法が適用できる。そのひとつの方法
が第３７図に示すシミュレーテイッドアニーリング法を
応用した方法が考えられる。

この第３７図は、第３２図のステップ３４０４に（６７
） 対応するステップ３４０４の実行に先立ち、ステップ３
４０３では、ステップ３４０４に必要となる観測テーブ
ル（第３６図）を作成する。第３６図では、観測ｊごと
に第３５図に対応する各ファジィルールのメンバーシッ
プ関数の形状を格納するとともに観測ｊで得られる後件
部の値をテーブル化する。ステップ３２０４では、ステ
ップ３２０２で作成されたデータをもとにして、各ファ
ジィルールに対する有効度Ｒｉの最適値を第３７図のフ
ローチャートに従い計算する。シミュレーティッドアニ
ーリング法では、最適値を求めるくりかえし計算の過程
で、温度Ｔｋをくりかえし回数の変数として減少させ、 Ｔｈ＝Ｔ、／　Ｑｏｇ（１＋ｋ）　　　　　　・＝（１
９）のようにし、未知パラメータの変動量ΔＲｉ　を正
規乱数Ｎ（０，αＴｋ）のように、乱数の分散を温度Ｔ
ｋの比例するようにしてとり、ΔＲ４を変更した場合の
（１７）式の評価を行ない、Ｔ（Ｒ□、Ｒ２，・・・、
Ｒ１，・・・）Ｔ（Ｒ□、Ｒ２，・・・、Ｒ１＋ΔＲ１
，・・・）（６８） から、ΔＲ１による評価関数の影響 ΔＴ（ΔＲｔ）”Ｔ（Ｒｘ＋　Ｒ２，・・・、Ｒ１＋Δ
Ｒｔ　Ｈ・・・）−Ｔ（Ｒ□、Ｒ２，・）　　　・・（
２０）を計算する。そして、 ・・・（２１） の基準に基づき、Ｒ８の状態を変化させる。ここで確率
ηは、ｅｘｐ　（−ΔＴ（ΔＲＩ　）／　Ｔ　ｋ）に比
例する量で与える。以上の計算原理を第３７図は与えて
いる。ステップ３７０１では、シミュレーティッドアニ
ーリングの計算に必要な初期値Ｒ＋、（ｉ＝１．・・・
）、Ｔ、、反復回数等の値をセットする。

ステップ３７０２では、（１９）式に従い温度を変更す
る。ステップ３７０３では変更した温度に比例する変化
量ΔＲ，を発生させる。ステップ３７０４では（２０）
式の評価関数に評価する。ステップ３７０５では（２１
）式の基準に従い状態量Ｒ４を変更する。これをすべて
の変数Ｒ、＋　１　”　１　＋・・・に対して繰り返（
６９） し、しかも予定した回数だけ終了し、最終的に各ファジ
ィルールの有効度ＲＩの値を決定することができる。以
上により、第３２図に示した時系列データを利用したフ
ァジィルールの学習システムを作成できる。

以上の説明においては、分布状態と登録されているモデ
ルのメンバーシップ関数とから新しいｔｈｅｎ部のメン
バーシップ関数を求めたが、モデルのメンバーシップ関
数に係わりなく、各区間の（中心点）Ｒ１におけるｉｆ
部の適合度の平均値（重心）を通るようにして新しいｔ
ｈｅｎ部のメンバーシップ関数を求めても良い。

また本実施例では、モデルのメンバーシップ関数のパラ
メータ及びファジィルールの有効度Ｒ８の決定を式（１
４）及び（１８）に述べたように、ｔｈｅｎ部メンバー
シップ関数の変数域全域を１区間として扱っているが、
例えばｔｈｅｎ部のメンバーシップ関数の決定ではｔｈ
ｅｎ部メンバーシップ関数の変数域を式（１４）を分割
し、以下の式（２２）のようにいくつかの区間に区分し
て（各区間の太き（７０） さはそれぞれ異なっていても良い） ・・・（２２） のように各区間ごとにパラメータを決定しても良い。

ファジィルールの有効度Ｒ１の決定についても同じであ
る。

また、本実施例ではｔｈｅｎ部のメンバーシップ関数が
１つである場合だけについて述べてきたが、ｔｈｅｎ部
のメンバーシップ関数が２つ以上である場合にはｔｈｅ
ｎ部のメンバーシップ関数が１つになるようにファジィ
ルールを分割してもよい。

本実施例によれば、対象とするシステム環境に（７１） 対して未熟練者あるいは非専門家であっても、ファジィ
ルールの現時点での参考有効度、及び必要に応じて、評
価結果のもとどなったｔ　ｂ　ｅ　ｎ　９のメンバーシ
ップ関数と分布状態との合成図とを参考にしながら、現
在使用しているファジィルールの現時点での新有効度及
び該ファジィルールの使用の可否を決定できる。

〔発明の効果〕

本発明によれば、推論結果や推論経過等を誤差分布や状
態分布等に変換して出力するため、推論に用いるファジ
ィ知識の妥当性を容易に評価することができる。この場
合、たとえ時系列データを対象としたファジィ推論であ
っても、時系列データが有する時間要素を含まない形態
で表示するので、ユーザにとっては出力内容の理解が容
易になる。また、推論に用いるファジィ知識の妥当性の
評価結果に基づいて、ファジィ知識のメンバーシップ関
数の調整を容易にすることができる。さらに、時間の経
過に伴い知識の内容が劣化するような推論対象の場合に
、すでに妥当性を失った知識（７２） を使用しないようにすることができる。

【図面の簡単な説明】

第１図は本発明を実現するファジィ評価システムの一実
施例の全体構成図、第２図はファジィ推論方法の説明図
、第３図はデータ保存部のテーブル構成図、第４図はワ
ーキングメモリのテーブル構成図、第５図は本発明によ
るファジィ評価システムの処理手順を示すフローチャー
ト、第６図は誤差分布の図面表示例、第７図は本発明に
よる別の実施例の処理手順を示すフローチャート、第８
図は誤差とルール適合度の関係を出力した画面表示例、
第９図は本発明による別の実施例の処理手順を示すフロ
ーチャート、第１０図は順位分布を作成するためのカウ
ンタのテーブル構成図、第１１図は順位分布の画面出力
表示例、第１２図は本発明による別の実施例の処理手順
を示すフローチャート、第１３図はファジィ知識、状態
分布、推論結果分布等の画面表示例、である。 第１４図は時系列データからメンバシップ関数の有効度
、不適合度を計算する処理フローである。 （７３） 第１５図はファジィルールにおけるメンバシップ関数例
である。 第１６図はＩＦ部のメンバシップ関数値計算ロジックで
ある。 第１７図は時系列データのメンバシップ関数に対する分
布である。 第１８図は時系列データからメンバシップ関数の有効度
、不適合度を計算する場合のデータと処理の流れである
。 第１９図はトレーディングサポートシステムの構成であ
る。 第２０図はトレーディングサポート画面例である。 第２１図はファジィルールベースの構成である。 第２２図はホスト計算機のファジィ関連処理である。 第２３図はファジィルール登録処理のフローチャートで
ある。 第２４図はファジィルールモニタ処理の処理フローであ
る。 （７４） 第２５図はファジィルールモニタ処理の条件設定画面で
ある。 第２６図は分布状態表を作成するデータフローである。 第２７図は分布状態表である。 第２８図は分布状態表の意味説明図である。 第２９図は不適合度の意味説明図である。 第３０図はモニタリング状況表示図である。 第３１図はメンバシップ関数と分布状態を示す図である
。 第３２図はファジィ知識の学習フローチャートである。 第３３図はメンバシップ関数とパラメータの図である。 第３４図はメンバシップ関数決定フローチャートである
。 第３５図はメンバシップ関数量子化の図である。 第３６図はファジィルール有効度算出のためのテーブル
である。 第３７図はファジィルール有効度算出フローチ（７５） ヤードである。 符号の説明 １０・・データ保存部、１２・・・ファジィ推論部、１
３・・・ワーキングメモリ、１４・・・編集部、１５・
・・ＣＲＴ、６１・・通信回線、６２・・・受信システ
ム、６３・・・ホスト計算機、６４・・・ファジィルー
ルベース、６５・・・時系列データベース、６６・・・
ＬＡＮ、６７゜６８・・・トレーディングワークステー
ション。 （７６） 第 ２ 図 炒 第 乙 図 寮 ５ 区 特開平３ ２７８１３１（２３） 猶 ／θ 図 第 １ グ １５ 区 油β。 第 １８ 図 ルゲ 力 ／７ （２） ２６４− 特開平３−２７８１３１　（２８） ２Ｚ 口 特開平３ ２７８１３１（３２）

Claims (1)

1. 【特許請求の範囲】 １、ｉｆ〜、ｔｈｅｎ〜の形式で記述されるファジィル
   ールと前記ファジィルールのｉｆ部およびｔｈｅｎ部に
   記述される各々の命題の意味を定義するメンバーシップ
   関数とからなるファジィ知識を用いて推論するファジィ
   推論システムの前記ファジィ知識の評価システムであっ
   て：前記ファジィ知識の各々の前記ファジィルールを用
   いて前記ファジィ推論を実行する手段；前記ファジィル
   ールの各々を用いた前記ファジィ推論の実行の結果を格
   納する記憶装置；前記記憶装置に格納されている前記推
   論結果と実データとを比較する手段；および 前記比較手段による比較結果を出力する出力装置； からなることを特徴とするファジィ知識の評価システム
   。 ２、特許請求の範囲第１項記載のファジィ知識の評価シ
   ステムにおいて： 前記比較手段は、前記ファジィルールの各々に関する前
   記推論結果と実データとの差を求める手段を含み； 前記出力装置は、前記比較手段によって求められた前記
   推論結果と実データとの差を表示する手段を含む； ことを特徴とするファジィ知識の評価システム。 ３、特許請求の範囲第２項記載のファジィ知識の評価シ
   ステムにおいて： 前記出力装置は、前記比較手段によって求められた前記
   推論結果と実データとの差を該差の大きさに関するヒス
   トグラムに変換して、該ヒストグラムを出力する手段を
   含む； ことを特徴とするファジィ知識の評価システム。 ４、特許請求の範囲第１項記載のファジィ知識の評価シ
   ステムにおいて： さらに、前記ファジィルールの各々の前記 ｉｆ部に関する前記メンバーシップ関数に基づいて、前
   記各々のファジィルールの妥当性を表すルール適合度を
   求める手段； 前記ファジィルールの各々の前記ｔｈｅｎ部に関する前
   記メンバーシップ関数の代表値を求める手段；および 前記求めた代表値と前記実データとの差を求める手段を
   設け； 前記出力装置は、前記求めた代表値と前記実データとの
   差と前記求めたルール適合度との関係を出力する手段を
   含む； ことを特徴とするファジィ知識の評価システム。 ５、特許請求の範囲第１項記載のファジィ知識の評価シ
   ステムにおいて： さらに、前記ファジィ推論結果に対する前記各々のファ
   ジィルールの影響力の強さを求める手段；および 前記求めた影響力の強さの順に前記各々のファジィルー
   ルに順序を付ける手段を設け； 前記出力装置は、前記各々のファジィルールと前記付け
   られた順序とを対応つけて出力する手段を含む； ことを特徴とするファジィ知識の評価システム。 ６、特許請求の範囲第１項記載のファジィ知識の評価シ
   ステムにおいて： 前記出力装置は、前記実データの特徴を示す値と前記ｉ
   ｆ部のメンバーシップ関数とを重ね合わせて表示する手
   段；および 前記推論結果と前記ｔｈｅｎ部のメンバーシップ関数と
   を重ね合わせて表示する手段を含むことを特徴とするフ
   ァジィ知識の評価システム。 ７、特許請求の範囲第１項記載のファジィ知識の評価シ
   ステムにおいて： 前記実データは時系列データである； ことを特徴とするファジィ知識の評価システム。 ８、ｉｆ〜、ｔｈｅｎ〜の形式で記述されるファジィル
   ールと前記ファジィルールのｉｆ部およびｔｈｅｎ部に
   記述される各々の命題の意味を定義するメンバーシップ
   関数とからなるファジィ知識を用いて推論するファジィ
   推論システムの前記ファジィ知識の評価更新システムで
   あって： 前記ファジィ推論の対象分野の現実の時系列データを用
   いて、前記ファジィルールのｉｆ部のメンバーシップ関
   数の値から該ｉｆ部に関する適合度を求める手段； 前記時系列データを用いて、前記ファジィルールのｔｈ
   ｅｎ部の変数値を求める手段； 前記適合度と前記変数値との組合せからなる複数の組の
   分布状態を生成する手段； 前記生成した分布状態と前記ファジィルールのｔｈｅｎ
   部のメンバーシップ関数とから前記ファジィルールの有
   効および不適合のいずれか一方の度合を求める手段；お
   よび 前記求めた度合を表示する手段； とからなることを特徴とするファジィ知識の評価更新シ
   ステム。 ９、特許請求の範囲第８項記載のファジィ知識の評価更
   新システムにおいて： 前記度合を求める手段は、前記ファジィルールのｔｈｅ
   ｎ部のメンバーシップ関数と前記分布状態との平均距離
   を前記不適合の度合とすることを特徴とするファジィ知
   識の評価更新システム。 １０、特許請求の範囲第８項記載のファジィ知識の評価
   更新システムにおいて： さらに、前記求めた有効度を参考有効度として表示する
   手段； 新しい有効度を指定される手段； 前記指定された有効度を前記ファジィルールの新有効度
   として登録する手段；および 前記登録された新有効度を前記ファジィルールの新たな
   適合度とする手段； とを設けたことを特徴とするファジィ知識の評価更新シ
   ステム。 １１、特許請求の範囲第８項記載のファジィ知識の評価
   更新システムにおいて： さらに、前記ファジィルールの使用の可否の状態を記憶
   する手段； 前記ファジィルールを使用するか否かを前記ファジィル
   ールの使用の可否の状態に応じて決定する手段；および 前記ファジィルールの使用の可否の状態を変更する手段
   ； とを設けたことを特徴とするファジィ知識の評価更新シ
   ステム。 １２、特許請求の範囲第８項記載のファジィ知識の評価
   更新システムにおいて： さらに、前記時系列データを所定の期間に対応して分割
   する手段；および 前記分割された時系列データに重みを与える手段；とを
   設け 前記分布状態を生成する手段は、前記与えられた重みを
   用いて、分布状態を生成する手段を含む； ことを特徴とするファジィ知識の評価更新システム。 １３、ｉｆ〜、ｔｈｅｎ〜の形式で記述されるファジィ
   ルールと前記ファジィルールのｉｆ部およびｔｈｅｎ部
   に記述される各々の命題の意味を定義するメンバーシッ
   プ関数とからなるファジィ知識を用いて推論するファジ
   ィ推論システムの前記ファジィ知識の評価方法であって
   ： 前記ファジィ知識の各々の前記ファジィルールを用いて
   前記ファジィ推論を実行し； 前記ファジィルールの各々を用いた前記ファジィ推論の
   実行の結果を記憶装置に格納し；前記記憶装置に格納さ
   れている前記推論結果と実データとを比較し； 前記比較結果を出力する； ことを特徴とするファジィ知識の評価方法。 １４、特許請求の範囲第１３項記載のファジィ知識の評
   価方法において： 前記比較するステップは、前記ファジィルールの各々に
   関する前記推論結果と実データとの差を求め； 前記出力するステップは、前記求められた前記推論結果
   と実データとの差を表示する； ことを特徴とするファジィ知識の評価方法。 １５、特許請求の範囲第１４項記載のファジィ知識の評
   価方法において： 前記出力するステップは、前記求められた前記推論結果
   と実データとの差を該差の大きさに関するヒストグラム
   に変換し、； 該ヒストグラムを出力する； ことを特徴とするファジィ知識の評価方法。 １６、特許請求の範囲第１３項記載のファジィ知識の評
   価方法において： さらに、前記ファジィルールの各々の前記 ｉｆ部に関する前記メンバーシップ関数に基づいて、前
   記各々のファジィルールの妥当性を表すルール適合度を
   求め； 前記ファジィルールの各々の前記ｔｈｅｎ部に関する前
   記メンバーシップ関数の代表値を求め； 前記求めた代表値と前記実データとの差を求め； 前記出力するステップは、前記求めた代表値と前記実デ
   ータとの差と前記求めたルール適合度との関係を出力す
   る； ことを特徴とするファジィ知識の評価方法。 １７、特許請求の範囲第１３項記載のファジィ知識の評
   価方法において： さらに、前記ファジィ推論結果に対する前記各々のファ
   ジィルールの影響力の強さを求め；前記求めた影響力の
   強さの順に前記各々のファジィルールに順序を付け； 前記出力するステップは、前記各々のファジィルールと
   前記付けられた順序とを対応つけて出力する； ことを特徴とするファジィ知識の評価方法。 １８、特許請求の範囲第１３項記載のファジィ知識の評
   価方法において： 前記出力するステップは、前記実データの特徴を示す値
   と前記ｉｆ部のメンバーシップ関数とを重ね合わせて表
   示し； 前記推論結果と前記ｔｈｅｎ部のメンバーシップ関数と
   を重ね合わせて表示する； ことを特徴とするファジィ知識の評価方法。 １９、特許請求の範囲第１３項記載のファジィ知識の評
   価方法において： 前記実データは時系列データである； ことを特徴とするファジィ知識の評価方法。 ２０、ｉｆ〜、ｔｈｅｎ〜の形式で記述されるファジィ
   ルールと前記ファジィルールのｉｆ部およびｔｈｅｎ部
   に記述される各々の命題の意味を定義するメンバーシッ
   プ関数とからなるファジィ知識を用いて推論するファジ
   ィ推論システムの前記ファジィ知識の評価更新方法であ
   って：前記ファジィ推論の対象分野の現実の時系列デー
   タを用いて、前記ファジィルールのｉｆ部のメンバーシ
   ップ関数の値から該ｉｆ部に関する適合度を求め； 前記時系列データを用いて、前記ファジィルールのｔｈ
   ｅｎ部の変数値を求め； 前記適合度と前記変数値との組合せからなる複数の組の
   分布状態を生成し； 前記生成した分布状態と前記ファジィルールのｔｈｅｎ
   部のメンバーシップ関数とから前記ファジィルールの有
   効および不適合のいずれか一方の度合を求め； 前記求めた度合を表示する； ことを特徴とするファジィ知識の評価更新方法。 ２１、特許請求の範囲第２０項記載のファジィ知識の評
   価更新方法において； 前記度合を求めるステップは、前記ファジィルールのｔ
   ｈｅｎ部のメンバーシップ関数と前記分布状態との平均
   距離を前記不適合の度合として求める； ことを特徴とするファジィ知識の評価更新方法。 ２２、特許請求の範囲第２０項記載のファジィ知識の評
   価更新方法において： さらに、前記求めた有効度を参考有効度として表示し； 新しい有効度を指定させ； 前記指定された有効度を前記ファジィルールの新有効度
   として登録し； 前記登録された新有効度を前記ファジィルールの新たな
   適合度とする； ことを特徴とするファジィ知識の評価更新方法。 ２３、特許請求の範囲第２０項記載のファジィ知識の評
   価更新方法において： さらに、前記ファジィルールの使用の可否の状態を記憶
   し； 前記ファジィルールを使用するか否かを前記記憶したフ
   ァジィルールの使用の可否の状態に応じて決定し； 前記ファジィルールの使用の可否の状態を変更する； ことを特徴とするファジィ知識の評価更新方法。 ２４、特許請求の範囲第２０項記載のファジィ知識の評
   価更新方法において： さらに、前記時系列データを所定の期間に対応して分割
   し； 前記分割された時系列データに重みを与え；前記分布状
   態を生成するステップは、前記与えられた重みを用いて
   、分布状態を生成する；ことを特徴とするファジィ知識
   の評価更新方法。