本研究では, ファジィ数入力ベクトルとファジィ数教師信号を用いたニューラルネットの学習方法を提案する.提案手法により, "If x_1 is Small and x_2 is Small then y is Small"というようなファジィIF-THENルールを用いた学習が可能となる.提案手法では, ファジィIF-THENルールに加えて, 通常の実数値データも同時にニューラルネットの学習に利用することができる.本研究では, まず, ファジィ数ベクトルが入力された場合での各ユニットの入出力関係を拡張原理を用いて定義する.このとき, ファジィ数入力ベクトルに対するニューラルネットからの出力値はファジィ数となる.次に, ニューラルネットからのファジィ数出力値と与えられたファジィ数教師信号を用いて学習に用いられるコスト関数を定義し, 学習アルゴリズムを導出する.本研究で用いるコスト関数は, 基本的にはファジィ数出力値をファジィ数教師信号に一致させることを目的としたものである.さらに, 本研究で定義したコスト関数に簡単な修正を加えることにより, ファジィ数出力値とファジィ数教師信号との間に包含関係が成り立つようにニューラルネットの学習を行うことができることを示す.

抄録全体を表示

最近、ニューラルネットワークをファジィ推論におけるファジィルール等の同定に応用する研究が盛んに行われている。本論文では、このようなニューラルネットワークをファジィニューラルネットワーク(Fuzzy Neural Network : FNN)と呼ぶ。 著者らはこれまでに、ファジィルールの後件部が定数および一次式で表されるファジィ推論を実現した2種類のFNNを提案してきた。これらのFNNは、ファジィルールの同定とメンバーシップ関数の調整を自動的に行うことができ、学習結果をファジィルールとして容易に把握できるという優れた特徴を持つが、同定されたファジィルールや学習時の結合荷重に対する学習率設定に問題があった。 本論文では、上記のFNNに対して前件部に規格化演算を行うユニットを導入することにより重心法を実現する手法を提案する。重心法によれば、ネットワークの入出力関係や対象システムの特性を正確に表したファジィルールの同定が可能となる。さらに、後件部がファジィ変数で表される推論法に基づく新しいFNNを提案する。そして、学習における学習率設定の煩雑さを低減する手法について述べ、簡単な数値例により本FNNの有用性を示す。本FNNの前件部メンバーシップ関数は学習において優れた特徴を持ち、バックプロパゲーション法により適切に調整される。また、同定されたファジィルールは対象システムの特性をよく表している。

抄録全体を表示

本論文ではファジィ推論ルールの自動獲得とメンバーシップ関数の自動調整のできるファジィニューラルネットワーク(FNN)を用いて、大きな動的遅れを有する大型船舶の操船を例にとり、オペレータの操作結果から、オペレータの持つ制御戦略および制御戦術知識をそれぞれ明確に抽出できることを示す。得られた戦略・戦術知識は我々の直感をよく説明するものであり、制御戦略知識を獲得したFNNにより船の針路を出力させ、制御戦術知識を獲得したFNNにより船を針路に追従させるフィードバック制御を行う階層的ファジィ制御器を構成し、複数のゲートを通過させる操船を行った。制御結果は良好であり、獲得された知識が妥当であることを確認した。

抄録全体を表示

ファジィモデルやニューロモデルはいずれも多入出力システムの非線形な入出力関係をモデル化する手法としてとらえられるが、特にマイクロコンピュータ応用製品への実装の観点からどのモデルが最善か、という考察はあまりなされていない。本論文では、特にマイクロコンピュータ応用製品へ実装する際に機器設計者が考慮しなければならない複数の評価基準として、モデル誤差、モデルの実装に必要な記憶容量、モデルの学習速度、実行速度等を導入し、これらの評価基準にもとづいてファジィモデルとニューロモデルの基本的な性質を比較し、さらに総合的に評価する手法について考察する。すなわち、まず複数の評価基準にもとづいてモデルを評価した場合の合理的なモデルの候補として、多目的決定問題における完全最適解と非劣解の概念を応用した完全最適モデルと非劣モデルを導入する。さらに完全最適モデルが存在しない場合に、学習済みのモデルに対して非劣性のチェックを行って得られた非劣モデル集合の中から、設計者の有する選好基準にもとづいて唯一の選好最適モデルの決定を支援する方法として、情報量基準にもとづく手法と、評価量に関する希求水準を対話的に引き出すような対話型満足化手法を応用した手法を考察し数値例によってその有効性を示す。

抄録全体を表示

非線形システムのモデリング手法のひとつとして, 多層型ニューラルネットワークでの誤差逆伝播学習がある.またニューラルネットワークに類似した学習法を用いる逐次型のファジィモデリング法も提案されていて, ニューロ・ファジィとよばれ家庭電化製品にも応用された.これらの学習方式は, 与えられた入出力データに基づくもので, いわゆる教師データは出力値が直接与えられる場合が多い.本研究では, 出力データが直接与えられず, 代わりに一対の入力データの組における各々の出力の差または比が教師データとして与えられる場合の学習法について述べる.2つの要素の一対比較に基づく数量化の方法として, 階層化意思決定法(AHP)における固有ベクトル法やGuttmanの数量化法などがある.これらの手法と提案法で, 小型の加振器を用いた実験により, 人間の感覚量の数量化を行った結果を報告する.本研究の数量化法はデータ解析的手法に代わる方法であり, 与えられた複数個のアイテムに対する間隔尺度や比例尺度での数値が得られるだけでなく, 入出力データ点を滑らかに補間するC^∞級の連続関数としてモデル同定される.

抄録全体を表示

ファジィ知識を用いた2自由度制御系を提案し、小型模型ヘリコプターの軌道飛行を実現する。軌道飛行の操縦知識は1)安定化の操縦知識(飛行高度等の状況により特性が変動するヘリコプターを常に安定に保つ操縦知識)と2)目標軌道追従の操縦知識(ヘリコプター操縦時の遅れを考慮した軌道飛行のための抽象的で動的なパターンの操縦知識)との2種で表現できる。本稿では、この2種の操縦知識を1)If「状況」then「操作モデル」のルール表現による静的なファジィ知識と2)一連の操作パターンの動的なファジィ知識とを用いて表現し、独立に制御設計する2自由度ファジィ制御系を提案する。また、この2種の静的・動的ファジィ知識を表現し訓練でその知識を洗練するために、ファジィ知識表現とニューラルネットの学習・連想機能を融合するファジィ連想記憶システムを用いる。提案の2自由度系では、従来方式におけるルールの増大による設計の困難さの問題を解決し、抽出が容易なコンパクトな知識の組合せで多種の軌道飛行を実現する。円形や8の字形の軌道飛行実験により、本稿で提案の連想記憶を用いた2自由度ファジィ制御系が軌道制御へ有効であることを示す。

抄録全体を表示

本論文では、ファジィルールの論理関係を構造に反映し、ニューラルネットワークのもつ汎化能力を用いて推論を行うファジィルール構造化ニューラルネットワークを提案する。構造化された各部分がファジィ推論システムにおける基本的な演算機能を分担する。推論はニューラルネットワークのもつ汎化能力を利用する。ファジィルールとして記述される先験的知識にもとづき、前件部ファジィ命題のメンバーシップ関数の初期状態を設定し、事例データを分類する。この分類結果により後件部の学習を行う。さらにニューラルネットワークの逆問題の解を利用して前件部ファジィ命題のメンバーシップ関数を調整する。提案したファジィルール構造化ニューラルネットワークをシステム同定問題に適用し、その有効性を検討する。

抄録全体を表示