この論文は、健常人の飲酒後の呼気中アルコール濃度をファジィ推論により予測した。健常人の飲酒後の呼気中アルコール濃度のピーク値や消失の経時変化は本人の体重、年齢あるいはその時の飲酒条件によって違いがあり、数少ない測定値から簡単に濃度曲線を推定できない。種々の提案されているモデルでは、モデルの形やパラメータの決定には多くの曖昧さが存在しているので、たとえ各個人のモデルが最適に決定されたとしても、かなりの個人差が存在するからより一般的に適合するモデルを決定することは非常に難解な問題と考えられる。そのために、ここでは一般的に適合する経時変化のモデルをファジィ推論により作成した。被験者の肉体的差異や飲酒時の条件をファジィ推論の前件部変数として取り扱い、後件部関数に「2次遅れ+むだ時間要素」のインパルス応答で表される関数を用いて、飲酒後の呼気中アルコール濃度の予測を行う。後件部関数として16種類を用い測定データに適合させることにより、一般的な予測モデルを作成した。

抄録全体を表示

ファジィ認知マップ(Fuzzy Cognitive Maps:FCM)とは有向グラフとノードを用いて複数の概念の因果関係をモデル化するものである。しかし, 従来のモデルでは概念間のつながり, つまり因果関係やその関数表現はエキスパートに任されており, 明確な決定法は提案されていない。そこで本論文では, 実際のデータから因果関係を抽出して自動的にファジィ認知マップを生成する方法を提案する。提案システムではまず実際のデータから各概念間の因果関係を直線型または山型の関数で近似する。次にその関数が実際のデータをどれくらい反映しているかを信頼度という尺度を用いて表す。この信頼度を元にして各概念を結び付けてマップを生成する。本システムには次のような大きな特徴がある。(1)与えられた問題に対する知識がなくてもFCMを自動的に生成できる。(2)信頼度を考慮することによって因果関係を示す結合の本数も決定できる。因果関係を示す結合を少なくし, 重要なもののみ残せるようになれば, 複数の概念間の関係を理解するのも容易となる。計算機シミュレーションにより, 本システムの有効性を確認した。

抄録全体を表示

本論文では, 現実の多目的意思決定状況における問題の定式化に携わった専門家の判断のあいまい性を取り入れたファジィ数を含む非凸の多目的非線形計画問題を定式化して, 浮動小数点型遺伝的アルゴリズムを用いた対話型ファジィ満足化手法を提案する.定式化された問題に含まれるすべてのファジィ数のメンバシップ関数の帰属度がα以上となる係数ベクトルの中で, 意思決定者が最も望ましいように, その値を設定するという, 非ファジィなα-多目的非線形計画問題を導入した後, 意思決定者のファジィ目標をメンバシップ関数で規定する.さらに, 意思決定者が主観的に設定した基準メンバシップ値とあいまい性の度合αに拡張ミニマックスの意味で近い拡張パレート最適解を求め, 意思決定者が満足しなければ基準メンバシップ値やあいまい性の度合を対話的に更新することにより, 拡張パレート最適解の集合の中から意思決定者の満足解を導出するという対話型ファジィ満足化手法を提案する.ここで, 拡張ミニマックス問題に, Michalewiczらによって提案されたGENOCOP IIIを適用して拡張パレート最適解を求める代わりに, GENOCOP IIIの問題点に対処するため, 初期実行可能解の効率的探索と2分法による実行可能解の探索を導入した改良型GENOCOP IIIを適用して, より効率的に求めることを提案する.最後に, 数値例により提案した手法の妥当性を示す.

抄録全体を表示

本研究では, 現実の人員配置問題を取り上げ, その解法について議論している.この人員配置問題は, 7, 000以上の0-1変数を含むため, 分枝限定法を用いて, 現実時間内に最適解を求めることはできない.そこで, 遺伝的アルゴリズム(GA)とアニーリング法(SA)の拡張である遺伝的アニーリング法(GAn)を適用する.GAnにより, 最適解もしくは, 準最適解が得られることを確認するため, 小規模問題を用いて, 分枝限定法による解と比較している.同時に, GA, SAとの比較も行っている.その結果, GAnにより最適解, もしくは, 準最適解が得られることが示されている.実規模問題へGAnとGAを適用し, GAnにより, 良好な解が得られることを示している.さらに良好な解を得るため, 分散化手法を導入したGAnの改良法を提案し, その有効性を確認している.また, GAnの遺伝的オペレータを用いたGAとGAの遺伝的オペレータを用いたGAnとを考え, 計算機シミュレーションを通して, GAnにより良好な解が得られる理由を考察している.

抄録全体を表示

本論文では, 多目的整数計画問題に焦点をあて, 2重構造文字列コード化遺伝的アルゴリズムを用いた対話型ファジィ満足化手法を提案する.各目的関数に対する意思決定者のファジィ目標を線形メンバシップ関数で規定した後, 意思決定者が主観的に設定した基準メンバシップ値に拡張ミニマックスの意味で近いパレート最適解を求め, もし意思決定者が満足しなければ基準メンバシップ値を対話的に更新することにより, パレート最適解の集合の中から意思決定者の満足解を導出するという対話型ファジィ満足化手法を提案する.ここで, パレート最適解を求めるための拡張ミニマックス問題を解くための遺伝的アルゴリズムとして, 2重構造文字列によるコード化を用いて, 整数変数に対処しうるデコードを提案するとともに, 環状2重構造文字列を導入して, 文字列の位置に関して偏りのない部分一致交叉を提案する.さらに, 交叉を行う前に, 各目的関数の個別の最適解を与える個体を個体群に含むことにより, 0-1計画問題に比べて解空間の広い整数計画問題を効率的に解くための手がかりを与える.最後に, 数値例により提案した手法の妥当性と有効性を示す.

抄録全体を表示

本文では, ファジィインフォメーショングラニュレーション(fuzzy Information Granulation; fuzzy IG)による, 頭部MR画像からの脳領域抽出の為の濃度しきい値発見法を提案する.Fuzzy IGとは, Zadehが提唱する新しい概念である.ファジィ情報(fuzzy information)は, 幾つかのファジィグラニュール(fuzzy granule)で構成され, fuzzy IGによってfuzzy informationからfuzzy granuleが引き出される.本手法では, fuzzy informationを濃度ヒストグラムとして, fuzzy granuleを脳を構成する白質部, 灰白質部, 脳脊髄液のヒストグラム上のピークとする.Fuzzy IGは, 医師の知識をモデル化したヒストグラムと, 画像の濃度ヒストグラムとのファジィマッチングによって行う.得られたしきい値を用いて自動抽出した脳体積と, 手動で得られた体積とを, 50例のMR画像に対して比較した結果, 平均誤差率は2.3%であった.

抄録全体を表示

ファジィ制御は人間のノウハウを記述したif-then型のルールと、そのルール群の補間を通して、ヒューマン・マシン・インターフェースを有効に行なえることを最大の特長とした手法であり、熟練者の経験に基づいた制御規則を制御器に取り込むことができるため、さまざまな分野で応用されている。ファジィ制御系においても安定性の保証は重要な問題であり、これまで種々の研究がなされてきた。しかし、それらの多くは数式に依存した安定解析であり、ファジィ制御の特徴であるルールの明示性を活かしたものではなかった。最近、ファジィ制御系を離散近似し、ペトリネットの状態遷移関数に基づく安定解析の手法が提案された。本手法はファジィルールがペトリネットのトランジションと1対1に対応しているため、制御系の挙動を把握しやすく、ファジィ制御の判りやすさを損なわない特徴を持つ。しかし、ファジィ制御系の安定性の検証は、ペトリネットの発火系列を実験的に求めることでなされ、漸近安定性の定理の導出にはいたらなかった。本論文では、ファジィ制御系をペトリネットの状態遷移行列で表現し、ファジィ制御系の漸近安定性の定理を導出する。また、離散近似の妥当性を検証するために、ルール間の状態遷移を数式を用いて解析し、離散近似における安定定理がファジィ制御系の挙動の大筋の把握に有効であることを示す。シミュレーションを行ない、解析結果の検証を行なう。

抄録全体を表示

本論文では、連続体構造物の最適設計に遺伝的アルゴリズムを適用する。解析対象の形状をスプライン関数で表現する。連続体の遺伝子表現は、スプライン関数の制御点(節点, knot)と材料コードを遺伝子とすることで定義される。このような遺伝子表現を持つ個体によって集団を構成し、これに選択・交叉・突然変異などの遺伝子操作を施して最適形状を決定する。解析対象として、せん断力を受ける平板の最小重量設計問題を考える。最初に境界形状決定問題に適用し、形状最適化アルゴリズムの有効性を確認する。続いて、形状と材料の同時最適化問題に適用する。

抄録全体を表示

与えられたデータに基づいて複数の線形多様体を発見するための新しいファジィクラスタリング手法を提案する。主な提案は, それぞれのクラスタ内データの分布に応じた適切な次元の線形多様体を得ることをねらった目的関数の導入である。つぎに, 楕円型メンバシップ関数で表される新しいタイプのファジィモデルを提案する。このモデルの構築にはクラスタリング結果のみを用い, 構造同定を行う必要はない。このモデルによる対話的シミュレーションを実行すれば, 多次元空間におけるデータ分布と変数間関係を理解することが容易になる。

抄録全体を表示

For people who are speech impaired and use Japanese sign language, it is helpful to develop an interactive Japanese sign language interface. Yamaguchi and Yoshihara etc. have proposed and realized a method for it. It uses only spatial motion features of different sign languages and doesn't think about the shape of hands. However, both spatial motion and shape of hands are important in sign language recognition. In this paper, we propose a method which employs skills of image processing to process and analyse simple shape of hands, and combine it with the method mentioned above. In our system, we also use Fuzzy Associative Memory Organizing Unit System(FAMOUS), which has property of robustness, to perform associative inference. Our system is person independent with high recognition rate.

抄録全体を表示

本論文では, マルチ集合とファジィマルチ集合に特有の像を考察し, 応用に言及する.たとえば, 普遍集合をX={a, b, c, d}とし, A={a, b, c}, B={a, a, b, b, c}, C={(a, 0.1), (a, 0.2), (b, 1), (c, 0.5)}とすれば, Aは普通の集合, Bはマルチ集合, Cはファジィマルチ集合である.Y={v, w}とし, f:X→Yをf(a)=f(b)=v, f(c)=wで定義する.このとき, 通常の像の定義をそのままマルチ集合やファジィマルチ集合に拡張しても, f(A)=f(B)=Y, f(C)={(v, 1), (w, 0.5)}のようにマルチ集合としての性質は現れない.そこで, 本論文では, "入力であるマルチ集合の要素を逐次とり, 要素が重複していてもそのまま出力する"という意味の像を考え, f[A], f[B]のように表す.この定義によれば, f[A]={f(a), f(b), f(c)}={v, v, w}のように通常の集合からもマルチ集合が生じる.また, ファジィマルチ集合については, f[C]={(v, 0.1), (v, 0.2), (v, 1), (w, 0.5)}となる.ここでは, f[A]に関するα-カットや和演算との交換可能性などの理論的性質を導く.さらに, ラフ近似への応用とファジィデータベースへの問い合わせ言語への応用に言及する.ここで提案する像は, 情報処理における単純な逐次的処理に基礎をおくものであるため, 応用範囲は広いと思われる.

抄録全体を表示

ファジィ関係式の中に未知のファジィ関係が存在する際, それを求める一つの解析的手法がSanchezによって提示された.その手法はファジィ関係式の解法と呼ばれ, その後いくつかの解法が発表されている.本論文では, Sup$\cdot$min合成ファジィ関係式に対する一つの解法を示す.提案する解法は, 与えられたSup$\cdot$min合成ファジィ関係式より, 基準行列および補助行列と呼ばれる行列をある規則にしたがって導出し, この二つの行列間の簡単な演算により互い包含関係にない解を求める方法である.また除外のルールの導入により, ファジィ関係式を満足しない集合を導く原因となる要素を計算過程で取り除くことができ, 効率的に解を求めることができる.

抄録全体を表示