経営システムや社会システムなど人間の関わるシステムにおいて, 人間の主観的なあいまいさを含めて観測すれば, 容易にデータを得ることができる場合が考えられる.そこで, 主観的なあいまいさを含むデータをファジィ区間データとしてとらえ, それを処理する方法が提案されている.一方, 観測されたデータがある統計的分布に従っているかどうかを調べるために, 統計的仮説検定が行われる.本論文では, このような検定を尤度比検定により行うことを考える.しかし, 観測されたデータがファジィ区間データの場合, 通常の方法ではデータに含まれるあいまいさを無視して処理することになり, 適正な結果が得られるとは限らない.そこで, 本論文ではデータに含まれるあいまいさを考慮して, ファジィ区間データから尤度比検定を行うための処理方法を提案する.さらに, 提案する処理方法を分布型の検定へ適用し, その有用性をコンピュータシミュレーションを用いて明らかにする.

本論文では, 人工生命的手法を用いることによって, 動的に変化する複数概念関係の抽出を行い, かつ, その長期的予測を行う方法を提案する.提案方式では, 局所的な作用と大局的な流れを考慮するという意味で人工生命的な手法を用いている.まず, 過去の履歴を表す時系列の数値データから自分の概念と他の概念との関係を表すミクロなルールを持つ人工生命の個体を生成する.個体は個体間の相互作用を通してルールを変更し, それらのルールを統合することで各概念の活性の度合を予測値として求める.特に, 統合されたルール(マクロルールと呼ぶ)はユーザに分かりやすい形で表現され, 個体にフィードバックすることにより環境に応じた予測を行うことに貢献する.計算機シミュレーションにより, 以下の提案方式の有効性を確認した.1)予測能力の向上, 2)動的に変化する複数概念関係の抽出, 3)予測の難易度の推定可能.

これまでにファジィ数理計画法に関する多くの解法が提案されてきた.これらの多くの方法では, 元のファジィ問題をクリスプな問題に変換して解いている.よって, 問題を変換する際にどのように元の問題に含まれるファジィ情報を用いるかが重要となる.本論文では, ファジィ係数を含む多目的線形計画問題に対する解法として二段階アプローチを提案する.第一段階では, 目的関数の実行可能性を考慮して制約条件とファジィ係数のαレベルを求める.そして第二段階では, 第一段階で求めたαレベルをもとに, 目的関数のとりうる範囲を見直した上で, 元の多目的ファジィ問題に対してバランスを考慮した解を得る.

世の中には化学プラントや製鉄プラント等のように複数のサブシステムからなる大規模システムが数多く存在する。このようなシステムの最適運用は多くの制約や目標を持つ多変数の問題となるため、一般に数理計画法によって定式化されることが多い。ここでは、複雑な大規模システムの例として閉鎖生態系生命維持システム(CELSS)を取り上げ、今回開発したmオペレータを導入することで、従来の逐次ファジィ線形計画法がより強力な方法となり得ることが判明したので報告する。

ファイバースコープによる検査画像や、神経細胞や眼底写真などの医用画像は視野が比較的狭く、人間が全体像を明白に把握することは困難なことが多い。対象物の全体像を人間が容易に把握できるようにするには、複数枚の部分画像を、そのオーバーラップ部分を利用して1枚の画像に合成することが必要となる。このとき、合成の対象となる画像間に回転のずれや倍率の差がある場合には相関法では合成が困難である。本論文では、部分画像に含まれる線が交差する分岐点を利用して画像の合成を行うアルゴリズムを提案し、さらに、ファジィ推論により探索される近似分岐点を用いて、合成に必要な最低限の分岐点を含むように処理範囲を限定し、高速に合成画像を得る手法を提案し、顕微鏡写真に適用した実験結果とその修正案について述べる。

これまでの情報処理はバーバル情報の処理に重きを置き、曖昧さを許容してないものが多い。これからの情報処理には、曖昧さを許容し、従来のバーバル情報だけでなく、ノンバーバル情報も取り扱うことが求められる。そこで本論文では、感情を表現するノンバーバル情報の1つである表情を情報処理に取り入れることを考え、表情と状況と感情を考慮した人とコンピュータとのコミュニケーションの一例として、感情推論モデルと経路決定システムの対話モデルの構築を試みる。感情推論モデルは人の状況、表情と感情の間の関係を考慮しているモデルで、表情と状況を入力することにより、その状況における表情から感じられる感情を推論する。一方、経路決定システムは目的地への道順が言語的表現で与えられたとき、人のように迷いながら目的地を探すシステムである。経路決定システムは、システムの状況、例えばシステムが道に迷ったときなどに応じて感情を表情で表現する。本論文では、感情推論モデルと経路決定システムを2台のコンピュータ上に独立に動かして対話を試みる。これによって、顔情報やその状況を考慮したコンピュータ間の会話が実現できる。そして会話例から本対話モデルの有効性を示す。

ファジィモデリングは非線形対象の入出力関係を記述するのに有効な手法である。ファジィモデリングの重要な問題点の一つに各入力のメンバシップ関数の自動配置が挙げられる。これまでに、メンバシップ関数を生成しながら配置位置を決定する手法や、数多くのメンバシップ関数を用意しておいて、逐次メンバシップ関数を削除して配置位置を決定する手法が提案されている。本論文では、ルールの明示性を保持しつつ、メンバシップ関数の生成と削除を同時に行いながら、対象の非線形性に応じたメンバシップ関数配置を実現する手法を提案する。本手法では, 要求精度を満たすようにファジィニューラルネットワークの学習がなされ, その過程においてメンバシップ関数が対象の非線形性に応じて不均等に前件部台集合上に配置される。実験を行い、得られた結果からは、本手法が従来手法に比べて簡潔でより汎化性の高いモデルを獲得できることが判った。本手法と、メンバシップ関数生成機能のみによる配置手法および削除機能のみによる配置手法と比較した。

本研究では、人間が実行した操作データを用いることによりスキルを自動学習する手法を提案している。例題として、スキルの必要なゲーム、テトリスを用いている。学習、なかでもスキルの獲得や向上は人間の本質的なものである。機械学習においては、人間の学習過程を調べ計算機によりシミュレーションを行う研究が行われてきた。本研究では、ファジィ推論ニューラルネットワーク(Fuzzy Inference Neural Network:FINN)を用いて、テトリスのスキルをif-then型のルールで獲得し、検討を行うことを目的としている。学習データとして人間が実行したデータを与えることにより、ルールを自動的に生成することも可能となった。さらに学習データを追加することでスキルを向上させていくことが可能となった。また生成されたルールを調べることで獲得したスキルについて検討を行った。計算機シミュレーションにより、学習データの追加によるスキル向上が確認された。また提案システムが獲得したスキルは、生成されたルールにより明示的に表現された。また学習データ提供者の熟練度の違いを検討し、熟練者は初心者に比べ、より先を考慮しながらテトリスを実行していることが示唆された。

配電系統全体における配電損失が最小となるように区分開閉器の開放位置を決定する配電損失最小化問題は一種の組合せ最適化問題であり, 系統規模が大きくなると探索を必要とする組合せの数が膨大となる.これまでも数多くの手法が提案されているが計算時間および解の精度の点で問題が残されており, 実規模系統への適用は困難であった.この問題を解決するために, 我々は先に配電損失最小化問題の実行可能解ならば必ず満たす4つの必要条件を考慮して, これらの条件をGAの個体表現や各遺伝的操作に取り入れることによって, 解の探索中に閉路, 停電区間を含む実行不可能解が不用意に生成されることを抑制したGAによる配電損失最小化問題の解法を提案した.ただ, この解法で用いたGAにおいても, 通常のGAと同様に交叉率, 突然変異率, 個体数といった遺伝的パラメータの値は全世代を通して一定値に固定していたため, 大規模な配電損失最小化問題に適用した場合, 最適解を獲得する割合が減少する傾向があった.そこで, 本論文では先に我々が提案した解法に高木らによって提唱された動的パラメトリックGAの考えを導入して, 遺伝的パラメータの値を各世代の探索状況に応じてファジィ推論によって自動的に調整できるように改良した新たな解法を提案する.さらに, 本解法を種々の配電系統を用いて適用実験を行うことにより, 本解法は高い確率でしかも高速に最適解を獲得することができ, 実規模系統の配電損失最小化問題にも十分通用することを明らかにする.

近年, 遺伝的アルゴリズム(GA:Genetic Algorithm)が組合せ最適化問題をはじめとする種々の最適化問題へ盛んに適用されている.GAは多点探索と交叉オペレータにより最適解を得るため, 状態空間を広く探索することが可能である.しかしながら, GAでは, 解の探索が不十分な時点で集団の多様性が急速に失われることがある.この問題を解決するため, 集団の多様性維持を目的とした手法がいくつか提案されている.免疫アルゴリズム(IA:Immune Algorithm)は, 生体のもつ免疫システムを模倣した最適化手法であり, 解の多様性を維持するとともに, 複数の準最適解を得ることが可能である.本研究では, 最適設計問題に, このIAを適用することを念頭に, IAの改良を行い, より確実に複数の多様性を持った解が探索できるようにした.さらに改良を行ったIAを耐衝撃設計問題に適用し, 最適設計問題に対するIAの有効性を示した.

本論文では, 高い汎用能力と簡単なアルゴリズムであるファジィIf-Thenルールを構築するために, ファジィ分割に着目し, 多層ファジィ・ニューラルネットワーク構造を有する分散型簡略化ファジィルールの自動生成手法を提案する.本手法では, 分散型簡略化ファジィルールの後件部パラメータに対してのみ自動チューニングするので, 従来法でのメンバーシップ関数の計算において設けていた制限を克服することができ, アルゴリズムも簡単となる.また, 幾つかの非線形関数の同定実験を通じて, チューニングパラメータ数およびファジィルール数が従来法とほぼ同じ場合でも, 本手法は高い汎用能力と高い同定精度を持つことを検証する.

本論文では, 画像処理とニューラルネットワーク及び重回帰分析を用いて, "脂肪交雑"の概念に基づいて牛枝肉質の等級判定を実現するシステムについて述べる.脂肪交雑は, 牛枝肉のロース芯と呼ばれる部分における脂肪の分布密度の程度を表すものである.格付員への聞き取り調査結果から, 格付員が等級付けに用いていると推測される5つの物理量に着目する.牛枝肉画像から5つの物理量を得るために, 熟練した格付員によって与えられる入力データに基づいて3層ニューラルネットワークを学習させ, そのニューラルネットワークを用いて牛枝肉画像を2値化する方法を提案する.次いで2値化された画像から5つの物理量を求め, 重回帰分析により5つの物理量の中から特に3つの物理量を用いて等級を判定する方法を提案する.実際の牛枝肉画像に対する等級付け実験結果より本システムの有効性を示す.