專利名稱：逆模型計算裝置和逆模型計算方法
技術(shù)領(lǐng)域：
本發(fā)明涉及逆模型計算裝置和逆模型計算方法。
背景技術(shù)：
將目標系統(tǒng)的輸出作為預(yù)期值來求輸入的計算(逆向計算)是控制等領(lǐng)域探求的課題之一。當(dāng)目標系統(tǒng)的物理學(xué)特性已通過算式得到時，可通過解該算式而求出輸入。
然而，許多時候無法在事先得到算式。在這種無法在事先得到算式時，一般是使用從目標系統(tǒng)觀測到的數(shù)據(jù)建構(gòu)一個表示目標系統(tǒng)特性的數(shù)理模型。
在此，通常容易建構(gòu)的是求給出某輸入的時候能得到怎樣的輸出的順方向模型(順模型)，但建構(gòu)一個求解為了得到某輸出需要怎樣的輸入的逆方向模型(逆模型)則很困難。原因是，為了得到同樣輸出的輸入有多個。
于是，常用的方法是首先建構(gòu)順模型，利用該順模型，從輸出推定輸入。以往在這種場合是采用線性模型的一般性逆行列方法根據(jù)神經(jīng)元網(wǎng)絡(luò)進行逆向計算的方法；通過模擬求解等。
然而，采用線性模型的一般性逆行列的方法，在目標系統(tǒng)的非線性很強時或為多輸入單輸出時，計算精度會變差。
另一方面，根據(jù)神經(jīng)元網(wǎng)絡(luò)的逆向計算，在建構(gòu)神經(jīng)元網(wǎng)絡(luò)的順向模型時使用的所有輸入變量都成為計算對象，因此至確定出不要的輸入量為止，很難求出最佳的輸入。另外，這種在根據(jù)神經(jīng)元網(wǎng)絡(luò)的逆向計算中，計算在哪一時刻能得到賦予的輸出之事很困難。
另外，通過模擬求解，因為是對順模型賦予各種輸入、對能否得到目標的輸出進行錯誤性試求的方法，需要大量地計算，很費計算時間。

發(fā)明內(nèi)容
鑒于上述問題的存在，本發(fā)明的目的在于有效地算出用于得到預(yù)期輸出的輸入條件。
本發(fā)明的一個實施例的逆模型計算裝置涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算裝置，具有將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的判定樹的判定樹生成部；將具有以所述未來時刻的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件進行獲取的條件獲取部。
本發(fā)明的一個實施例的逆模型計算裝置涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算裝置，具有將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的判定樹的判定樹生成部；將具有以所述未來時刻的輸出值作為初始條件進行輸入并將輸入后的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測，將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件進行獲取的條件獲取部；條件判定部，該部的作用是判定所述獲取到的條件是過去時刻的條件還是未來時刻的條件，當(dāng)為過去時刻的條件時，用所述時間序列數(shù)據(jù)和所述獲取到的條件進行所述獲取到的條件的真?zhèn)闻卸?，?dāng)為未來時刻的條件時，判定是輸入條件還是輸出條件，是輸入條件時，將所述獲得到的條件作為用于獲得所述輸出值的必要條件進行輸出，是輸出條件時，將所述獲得到的條件作為所述未來時刻的輸出值輸出到所述條件獲取部。
本發(fā)明的一個實施例的逆模型計算裝置涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算裝置，具有將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的、對應(yīng)從根節(jié)點至葉節(jié)點的路徑包含的說明變量的條件和被說明變量的值的規(guī)則的判定樹的判定樹生成部；將具有以所述未來時刻的輸出值作為被說明變量的值的規(guī)則從所述判定樹進行檢測的第1規(guī)則檢測部；當(dāng)有關(guān)所述檢測到的規(guī)則的一部分時刻帶的說明變量的條件同所述時間序列數(shù)據(jù)匹配時，用所述檢測到的規(guī)則及所述時間序列數(shù)據(jù)算出用于得到所述未來時刻的輸出值的條件的第1條件算出部；規(guī)則輸入后，將有關(guān)所述輸入后的規(guī)則的一部分時刻帶的說明變量的條件進行匹配的規(guī)則從所述判定樹進行檢測的第2規(guī)則檢測部；當(dāng)根據(jù)所述第1規(guī)則檢測部檢測到的規(guī)則同所述時間序列數(shù)據(jù)不匹配時，將根據(jù)所述第1規(guī)則檢測部檢測到的規(guī)則輸入所述第2規(guī)則檢測部的第1輸入部；當(dāng)有關(guān)根據(jù)所述第2規(guī)則檢測部檢測到的規(guī)則的一部分時刻帶的說明變量的條件同所述時間序列數(shù)據(jù)不匹配時，將根據(jù)所述第2規(guī)則檢測部檢測到的規(guī)則輸入所述第2規(guī)則檢測部的第2輸入部；當(dāng)根據(jù)所述第2規(guī)則檢測部檢測到的規(guī)則同所述時間序列數(shù)據(jù)匹配時，用根據(jù)所述第1及第2規(guī)則檢測部檢測到的全部規(guī)則及所述時間序列數(shù)據(jù)算出用于得到未來時刻的輸出值的條件的第2條件算出部。
本發(fā)明的一個實施例的逆模型計算方法涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算方法，將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的判定樹；將具有以所述未來時刻的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件進行獲取。
本發(fā)明的一個實施例的逆模型計算方法涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算方法，將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值進行記錄；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的判定樹；將所述未來時刻的輸出值作為初始條件進行輸入；將具有以輸入后的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測，將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件進行獲?。慌卸ㄋ霁@取到的條件是過去時刻的條件還是未來時刻的條件，當(dāng)為過去時刻的條件時，用所述時間序列數(shù)據(jù)和所述獲取到的條件進行所述獲取到的條件的真?zhèn)闻卸?，?dāng)為未來時刻的條件時，判定所述獲取到的條件是輸入條件還是輸出條件，是輸入條件時，將所述獲得到的條件作為用于得到所述輸出值的必要條件進行輸出，是輸出條件時，將所述獲得到的條件作為所述未來時刻的輸出值，將具有此未來時刻的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件進行獲取。
本發(fā)明的一個實施例的逆模型計算方法涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，是用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件的逆模型計算方法，將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄；用所述時間序列數(shù)據(jù)生成用于算出未來時刻的輸出值的、對應(yīng)從根節(jié)點到葉節(jié)點的路徑包含的說明變量的條件和被說明變量的值的規(guī)則的判定樹；將具有以所述未來時刻的輸出值作為被說明變量的值的規(guī)則從所述判定樹進行檢測；當(dāng)有關(guān)所述檢測到的規(guī)則的一部分時刻帶的說明變量的條件同所述時間序列數(shù)據(jù)匹配時，用所述檢測到的規(guī)則及所述時間序列數(shù)據(jù)算出用于得到所述未來時刻的輸出值的條件；當(dāng)不匹配時，將有關(guān)所述檢測到的規(guī)則的一部分的時刻帶的說明變量的條件進行匹配的規(guī)則重新從所述判定樹進行檢測，當(dāng)有關(guān)所述新檢測到的規(guī)則的一部分的時刻帶的說明變量的條件同所述時間序列數(shù)據(jù)不匹配時，將有關(guān)所述重新檢測到的規(guī)則的一部分的時刻帶的說明變量的條件進行匹配的規(guī)則再次從所述判定樹進行檢測；至檢測到有關(guān)所述時間序列數(shù)據(jù)和一部分時刻帶的說明變量的條件進行匹配的規(guī)則為止，將檢測到的有關(guān)規(guī)則的一部分的時刻帶的說明變量的條件進行匹配的規(guī)則從所述判定樹進行檢測的工作重復(fù)進行到底。當(dāng)檢測到有關(guān)所述時間序列數(shù)據(jù)和一部分時刻帶的說明變量的條件進行匹配的規(guī)則時，用從所述判定樹檢測到的全部規(guī)則及所述時間序列數(shù)據(jù)算出用于得到未來時刻的輸出值的條件。


圖1為表示本發(fā)明實施例1的逆模型計算裝置的結(jié)構(gòu)的框圖；
圖2所示為觀測目標系統(tǒng)中輸入輸入序列、輸出輸出序列的形式圖；圖3所示為由輸入觀測目標系統(tǒng)后的變量X1、X2的輸入序列和從觀測目標系統(tǒng)4輸出的變量Y的輸出序列組成的時間序列數(shù)據(jù)的表格形式的圖；圖4所示為根據(jù)圖3的時間序列數(shù)據(jù)生成的判定樹的圖；圖5所示為由變量X1、X2的輸入序列和變量Y的輸出序列組成的時間序列數(shù)據(jù)的表格形式的圖；圖6所示為將圖5的變量Y作為被說明變數(shù)、將變數(shù)X1、X2作為說明變數(shù)、將圖5的時間序列數(shù)據(jù)一一進行替換后的數(shù)據(jù)的表；圖7所示為逆模型計算裝置的處理步驟的流程圖；圖8所示為子程序A的處理步驟的流程圖；圖9為表示本發(fā)明實施例2的逆模型計算裝置的構(gòu)成的框圖；圖10所示為圖9的逆模型計算裝置的處理步驟的流程圖；圖11所示為子程序B的處理步驟的流程圖；圖12所示為本發(fā)明實施例3的逆模型計算裝置的處理步驟的流程圖；圖13所示為圖3所示的時間序列數(shù)據(jù)的后續(xù)部分的表；圖14所示為成為分析對象的時間序列數(shù)據(jù)的圖；圖15所示為將圖14的時間序列數(shù)據(jù)一一替換后的數(shù)據(jù)的表；圖16所示為根據(jù)圖15的表建構(gòu)的判定樹的圖；圖17為將規(guī)則(1)～(13)以表形式表達的圖；圖18為說明邏輯推理的圖；圖19所示為將規(guī)則(10)和規(guī)則(4)組合后進行邏輯推理的形式圖；圖20所示為本發(fā)明實施例4的逆模型計算裝置的處理步驟的流程圖；圖21所示為子程序C的處理步驟的流程圖；圖22所示為子程序D的處理步驟的流程圖；圖23所示為子程序E的處理步驟的流程圖；圖24所示為應(yīng)用了圖1的逆模型計算裝置后的逆模型計算機系統(tǒng)結(jié)構(gòu)的框圖；圖25所示為執(zhí)行本發(fā)明實施例的判定樹合成方法的判定樹合成裝置的結(jié)構(gòu)的框圖；圖26所示為另一例判定樹合成裝置的框圖；
圖27所示為一例觀測數(shù)據(jù)的表；圖28為用于生成一個判定樹所用的數(shù)據(jù)；圖29所示為生成后的判定樹1及判定樹2的例圖；圖30所示為執(zhí)行合成方法1的處理順序的流程圖；圖31所示為說明變量值的序列例表；圖32所示為一個事例的表；圖33所示為執(zhí)行合成方法2的處理順序的流程圖；圖34所示為步驟S1011的處理順序的詳細的流程圖；圖35所示為路徑組的例圖；圖36所示為連結(jié)2個路徑后的狀態(tài)的圖；圖37所示為省略了連結(jié)路徑重復(fù)后的路徑(合成路徑)的圖；圖38所示為生成后的16個合成路徑的圖；圖39所示為步驟S1012的處理順序的詳細的流程圖；圖40所示為生成過程中的判定樹的圖；圖41所示為生成過程中的判定樹的圖；圖42所示為生成過程中的判定樹的圖；圖43所示為生成過程中的判定樹的圖；圖44所示為判定樹1及判定樹2合成后的判定樹的圖；圖45所示為執(zhí)行合成方法3的處理順序的流程圖；圖46所示為生成過程中的判定樹的圖；圖47所示為生成過程中的判定樹的圖；圖48所示為判定樹1及判定樹2合成后的判定樹的圖；圖49為說明合成判定樹的最左邊路徑的精度的圖。
具體實施例方式
(實施例1)圖1為表示本發(fā)明實施例1的逆模型計算裝置8的結(jié)構(gòu)的框圖。
時間序列數(shù)據(jù)記錄部1將輸入觀測目標系統(tǒng)后的時間序列輸入值的輸入序列和從此觀測目標系統(tǒng)輸出的時間序列輸出值的輸出序列作為時間系列數(shù)據(jù)(觀測數(shù)據(jù))進行記錄。
圖2所示為觀測目標系統(tǒng)4中輸入變量X的輸入序列、輸出變量Y的輸出序列的形式圖。
圖3所示為由輸入觀測目標系統(tǒng)4后的變量X1、X2的輸入序列和從觀測目標系統(tǒng)4輸出的變量Y的輸出序列組成的時間序列數(shù)據(jù)的表格形式的圖。如圖3所示，此觀測目標系統(tǒng)4可由二元的輸入序列輸出一元的輸出序列。
圖1的判定樹生成部2用時間序列數(shù)據(jù)記錄部1中存儲的時間序列數(shù)據(jù)生成由輸入序列推測輸出序列的判定樹。
圖4所示為根據(jù)圖3的時間序列數(shù)據(jù)生成的判定樹的圖。
此判定樹可從到達時刻t的變量X1的輸入序列預(yù)測時刻t的輸出Y(t)。此判定樹中，只示出二個變量X1，X2的輸入序列中變量X1的輸入序列，沒示出變量X2的輸入序列。即，此觀測目標系統(tǒng)4只能以變量X1的輸入序列預(yù)測輸出Y。這樣，以判定樹生成模型，具有減少預(yù)測用輸入變量的作用。判定樹具有多個規(guī)則，各規(guī)則與判定樹從根節(jié)點向葉節(jié)點的路徑相對應(yīng)。即，判定樹只包含葉節(jié)點數(shù)目的規(guī)則。
在此，作為判定樹的具體生成方法可采用已知的方法。下面就判定樹的生成方法做簡單地說明。
圖5所示為由變量X1、X2的輸入序列和變量Y的輸出序列組成的時間序列數(shù)據(jù)的表格形式的圖；首先，將已知的方法應(yīng)用于此時間序列數(shù)據(jù)并替換此時間序列數(shù)據(jù)。
圖6所示為將圖5的變量Y作為被說明變數(shù)、將變數(shù)X1、X2作為說明變數(shù)對圖5的時間序列數(shù)據(jù)一一進行替換后的數(shù)據(jù)的表。
接著，對應(yīng)圖6的數(shù)據(jù)，使用非專利文獻1(J.Ross Quinlan，C4.5Programsfor Machine Learning，Morgan Kaufmann Publishers，Inc.，1993)中所述的方法。由此可生成用于從輸入序列預(yù)測輸出的判定樹。
返回圖1，條件檢索部3通過從由判定樹生成部2生成的判定樹的葉節(jié)點向根節(jié)點查找枝，進行用于得到賦予的未來時刻輸出值所需條件的檢索。例如，圖4中，當(dāng)作為未來時刻的輸出賦予輸出Y(10)＝3時，條件檢索部3將對應(yīng)此輸出3的葉節(jié)點在判定樹中加以特定，通過從此葉節(jié)點到根節(jié)點的查找，檢測出X1(10)＞＝2，X1(8)＜1。即，將輸出3在葉節(jié)點所具的規(guī)則加以特定，將此規(guī)則包含的條件作為用于得到輸出3的必要條件進行獲取。
接著，就圖1的逆模型計算裝置8的處理步驟進行說明。
圖7所示為逆模型計算裝置8的處理步驟的流程圖。
首先，判定樹生成部2用根據(jù)時間序列數(shù)據(jù)記錄部1記錄的時間序列數(shù)據(jù)生成判定樹(步驟S1)。
接著，用無圖示的數(shù)據(jù)輸入裝置等對應(yīng)條件檢索部3賦予未來時刻的輸出值(Y(t)＝V)(輸出條件)(步驟S2)。
條件檢索部3將此輸出條件作為目標條件執(zhí)行子程序A(步驟S3)。
圖8所示為子程序A的處理步驟的流程圖。
首先，條件檢索部3在判定樹中檢索同目標值(＝V)一致的葉節(jié)點(步驟S11)。
當(dāng)沒有同目標值一致的葉節(jié)點時(步驟S12的NO)，條件檢索部3將不能檢索用于得到目標值的條件的命令，即不能得到目標值的命令(FALSE)進行輸出(步驟S13)。
另一方面，當(dāng)有同目標值一致的葉節(jié)點時(步驟S12的YES)，條件檢索部3從檢索到的葉節(jié)點向根節(jié)點查找，將用于得到目標值所需的條件加以特定并輸出(步驟S14)。
在此，作為具體例，用圖4的判定樹將用于在時刻100上得到目標值3所需的條件進行檢索。
圖4判定樹中，將形成目標值＝3的葉節(jié)點進行檢索。其結(jié)果，可檢索同目標值＝3一致的葉節(jié)點(Y(t)＝3)(步驟S11、步驟S12的YES)。作為t＝100，將此葉節(jié)點向根節(jié)點(X1(t))查找，得到X1(98)＜1且X1(100)＞＝2的條件(步驟S14)。
接著，就應(yīng)用了圖1的逆模型計算裝置8后的逆模型計算系統(tǒng)的一例進行說明。
圖24所示為應(yīng)用了圖1的逆模型計算裝置8后的逆模型計算機系統(tǒng)結(jié)構(gòu)的框圖。
輸入序列生成部6將賦予觀測目標系統(tǒng)4的變量X的輸入序列以預(yù)定的算法生成。觀測目標系統(tǒng)4基于變量X的輸入序列生成變量Y的輸出序列。逆模型計算裝置8從觀測目標系統(tǒng)4獲得輸入序列及輸出序列。逆模型計算裝置8執(zhí)行所述的處理，算出用于得到賦予的未來時刻輸出值的輸入條件，將算出的輸入條件輸出到輸入序列生成部6。輸入序列生成部6按照輸入的輸入條件生成輸入序列。
以上就裝入了圖1的逆模型計算裝置8后的逆模型計算機系統(tǒng)進行了說明，而以下將說明的第2～第5實施例中的逆模型計算裝置也與本實施例一樣，能裝入圖24的逆模型計算機系統(tǒng)。
如上所述，根據(jù)本實施例，作為模型生成判定樹，再用此判定樹算出用于得到賦予的未來時刻的輸出值所需的輸入條件，因此可減少計算量，還可排除對輸出無影響的輸入變量值的計算。
另外，根據(jù)本實施例，作為模型生成判定樹，因此即使觀測目標系統(tǒng)的非線性很強時，也能提高模型的精度。
(實施例2)實施例1所示為使用了判定樹后的逆方向計算的典型實例，被檢索條件實際上是否能成立尚不可知。本實施例就包含檢索到的條件成立的可能性判斷的逆向計算進行說明。
圖9所示為本發(fā)明實施例2的逆模型計算裝置的構(gòu)成的框圖。
有關(guān)時間序列數(shù)據(jù)記錄部1、判定樹生成部2、條件獲取部3，因與實施例1相同，故不贅述。
條件判斷部5在由條件獲取部3檢索到的條件內(nèi)包含輸出條件時，以此輸出條件為目標，再次由條件獲取部3進行檢索。條件判斷部5重復(fù)進行此處理，至將用于得到賦予的輸出值的條件作為所有輸入條件進行獲取為止。
下面，就圖9的逆模型計算裝置的處理步驟進行詳細說明。
圖10所示為圖9的逆模型計算裝置的處理步驟的流程圖。
首先，判定樹生成部2用根據(jù)時間序列數(shù)據(jù)記錄部1記錄的時間序列數(shù)據(jù)生成判定樹(步驟S21)。
接著，用無圖示的數(shù)據(jù)輸入裝置等對應(yīng)條件判定部5賦予未來時刻的輸出值(賦予目標條件)(步驟S22)。
接著，條件判定部5生成存儲了此目標條件的目標目錄(步驟S23)。目標目錄具有例如「Y(100)＝3，Y(101)＝1，Y(102)＝2，…」(在時刻100輸出3，時刻101輸出1，時刻102輸出2…)的形式。另一方面，條件判定部5將存儲的檢索到的輸入條件的輸入序列目錄另做考慮，將此輸入序列目錄清空(步驟S23)。
在此狀態(tài)中，條件判定部5執(zhí)行子程序B(步驟S24)。
圖11所示為子程序B的處理步驟的流程圖。
首先，條件判定部5判斷目標目錄是否為空(步驟S31)。
條件判定部5在目標目錄不空時(步驟S31個的NO)，從目標目錄取出1個項目(步驟S32)。例如，從前述的目標目錄「Y(100)＝3，Y(101)＝1，Y(102)＝2，…」中取出目標條件「Y(100)＝3」。此時，目標目錄的項目減1，變成「Y(101)＝1，Y(102)＝2，…」。
條件判定部5判斷取出的項目是否為過去的條件(步驟S33)。假如當(dāng)前時刻為10，目標條件「Y(1)＝2」就為過去的條件。
條件判定部5判斷取出的項目是過去的條件時(步驟S33的YES)，用過去時間序列數(shù)據(jù)對取出項目的真?zhèn)芜M行判定(步驟S34)。即，判斷取出的項目是否同過去的時間序列數(shù)據(jù)一致。
條件判定部5為偽，即取出的項目同過去的時間序列數(shù)據(jù)不一致時(步驟S34的偽)，將不能得到賦予的輸出值的命令(FALSE)進行輸出(步驟S35)。
另一方面，條件判定部5為真，即取出的項目同過去的時間序列數(shù)據(jù)一致時(步驟S34的真)，返回步驟S31。
上述步驟S33中，取出的項目不是過去的條件，即是未來的條件時(步驟S33的NO)，條件判定部5進行該項目是輸入條件及輸出條件的哪一個的判斷(步驟S36)。
條件判定部5在取出的項目為輸出條件時(步驟S36的輸出條件)，將該輸出條件作為目標條件，在條件獲取部3執(zhí)行圖8所示的子程序A(步驟S37)。即條件判定部5將用于形成其目標條件所需的條件的檢索依賴于條件獲取部3。例如條件判定部5當(dāng)從上述目標目錄取出的項目「Y(100)＝3」為未來條件時，將「Y(100)＝3」作為目標條件在條件獲取部3執(zhí)行子程序A。條件判定部5從條件獲取部3取得檢索結(jié)果。
條件判定部5從條件獲取部3取得的檢索結(jié)果為FALSE時(步驟S38的YES)，即當(dāng)具有目標條件中的目標值的葉節(jié)點不存在于判定樹中時，將不能得到賦予的未來時刻的輸出值的命令(FALSE)進行輸出(步驟S35)。
另一方面，條件判定部5從條件獲取部3取得的檢索結(jié)果不為FALSE時(步驟S38的NO)，即當(dāng)從條件獲取部3作為檢索結(jié)果取得用于形成目標條件的條件(輸入條件或輸出條件，或輸入條件及輸出條件)時，將此條件作為目標條件追加入目標目錄中(步驟S39)。
上述步驟S36中，取出項目為輸入條件時(步驟S36的輸入條件)，條件判定部5將此輸入條件加入輸入序列目錄(步驟S40)。輸入序列目錄具有例如「X1(100)＝2，X1(101)＝3，X2(100)＝1…」的形式。
而后，條件判定部5返回步驟S31，重復(fù)上述說明的各項處理。從而，條件判定部5在目標目錄清空后(步驟S31的YES)，將輸入序列目錄內(nèi)存儲的輸入條件作為用于得到賦予未來時間的輸出值的必要條件進行輸出(輸出TURE)(步驟S41)。
如上所述，根據(jù)本實施例，當(dāng)檢測到的條件為過去的條件時，將此條件同過去的時間序列數(shù)據(jù)相對照并進行真?zhèn)闻卸?，同時，檢測到的條件為未來的輸出條件時，因為進行了遞歸式檢索，能夠?qū)①x予的未來時刻的輸出值的成立可能性進行判斷，同時，為可能時，能夠?qū)⒂糜诘玫狡漭敵鲋档臈l件作為輸入條件。
(實施例3)本實施例就能否將賦予的未來時刻的輸出值最短在當(dāng)前時刻的什么時刻后獲得進行說明。
本實施例的逆模型計算裝置的結(jié)構(gòu)與實施例2所示的圖9基本相同。但本實施例中條件判定部5的處理與實施例2不同。
下面就本實施例的逆模型計算裝置進行說明。
圖12所示為本發(fā)明實施例3的逆模型計算裝置的處理步驟的流程圖。
首先，判定樹生成部2用由時間序列數(shù)據(jù)記錄部1記錄的時間序列數(shù)據(jù)生成判定樹(步驟S51)。
接著，用無圖示的數(shù)據(jù)輸入裝置等對條件判定部5賦予未來時刻的輸出值V(賦予目標條件)(步驟S52)。
接著，條件判定部5將初始值0代入時刻t(步驟S53)。初始值將在上述時間序列數(shù)據(jù)中輸出值存在的最后時刻(例如在時間序列數(shù)據(jù)中存在時刻1～8的輸入值及輸出值，以及只有時刻9的輸入值時，最后時刻為8)進行代入。在此，為簡化說明起見，初始值代入0。
接著，條件判定部5將t+1代入時刻t。即將時刻t增加1(步驟S54)。此「1」為輸入觀測目標系統(tǒng)的輸入序列的輸入間隔時間。
接著，條件判定部5進行時刻t是否比既定值更大的判斷(步驟S55)。
條件判定部5當(dāng)時刻t比既定值更大時(步驟S55的YES)，將賦予的輸出值V不能在規(guī)定時間內(nèi)得到的命令進行輸出(步驟S56)。
另一方面，條件判定部5在時刻t小于既定值時(步驟S55的NO)，則將目標目錄及輸入序列目錄清空(步驟S57)，將目標條件“Y(t)＝V”(在時刻t輸出V)加入目標目錄。
條件判定部5在將目標條件“Y(t)＝V”加入目標目錄后，執(zhí)行所述的子程序B(參見圖11)(步驟S59)。
條件判定部5執(zhí)行子程序B的結(jié)果為FALSE時(步驟S60的YES)，即不能算出形成Y(t)＝V的輸入條件時，對時刻t再加1(步驟S54)，重復(fù)進行上述的處理(步驟S55～S59)。
另一方面，條件判定部5執(zhí)行子程序B的結(jié)果不為FALSE時(步驟S60的NO)，即能夠算出形成Y(t)＝V的輸入條件時，則將輸入條件及時刻t的值進行輸出(步驟S61)。
以上說明的逆模型計算裝置的處理步驟再用具體實例加以說明。
圖13所示為圖3的時間序列數(shù)據(jù)的后續(xù)部分的表。但圖示省略了有關(guān)變量X2的部分。
得到至?xí)r刻16的變量X1的輸入值和變量Y的輸出值、及時刻17的變量X1的輸入值。
在此，以“逆模型計算裝置算出下一輸出值為3是何時刻(Y(t)＝3)”為例進行說明。
首先，判定樹生成部2用圖3及圖13的時間序列數(shù)據(jù)生成判定樹(可生成與圖4相同的樹)(圖12的步驟S51)。接著，經(jīng)無圖示的輸入裝置將目標條件(Y(t)＝3)輸入條件判定部5(步驟S52)。
條件判定部5將16代入時刻t(步驟S53)。即將輸出值存在的最后時刻代入t。
條件判斷部5將時刻t加1變成17(步驟S54)。
條件判定部5進行時刻t是否比既定值更大的判斷(步驟S55)。在此，條件判定部5判斷t小于既定值(步驟S55的NO)，并將目標目錄及輸入序列目錄清空(步驟S57)。
條件判定部5將目標條件“Y(17)＝3”加入目標目錄(步驟S58)，執(zhí)行圖11的子程序B(步驟S59)。條件判定部5判斷執(zhí)行結(jié)果為FALSE(步驟S60的YES)。
即如圖4的判定樹所示，若要形成Y(17)＝3，必須滿足X1(15)＜1，X1(17)＞＝2(子程序B的步驟S31、S32、S33、S36、S37、S38的NO、S39)。但如圖13所示，因在時刻15中X1為2，不滿足上述的X1(15)＜1(繼步驟S39后步驟S31、S32、S33、S34的偽)。于是，條件判定部5判斷在時刻17上輸出值不能得Y＝3(繼步驟S34后步驟S35)。
其結(jié)果，條件判定部5如圖12所示返回步驟S54，將t加1變?yōu)?8。從而，經(jīng)步驟S57、S58，再次執(zhí)行子程序B(步驟S59)。在此，條件判定部5仍然判斷執(zhí)行結(jié)果為FALSE(步驟S60的YES)。
即t＝18時，如圖4的判定樹所示，若要形成Y(18)＝3，必須滿足X1(16)＜1，X1(18)＞＝2(子程序B的步驟S31、S32、S33、S36、S37、S38的NO、S39)。但如圖13所示，因在時刻16中X1為3，不滿足X1(16)＜1(繼步驟S39后步驟S31、S32、S33、S34的偽)。于是，條件判定部5判斷在時刻18上輸出值不能得Y＝3(繼步驟S34后步驟S35)。
其結(jié)果，條件判定部5如圖12所示返回步驟S54，將t加1變?yōu)?9。從而，經(jīng)步驟S57、S58，再次執(zhí)行子程序B(步驟S59)。在此，條件判定部5仍然判斷執(zhí)行結(jié)果為FALSE(步驟S60的YES)。
即t＝19時，如圖4的判定樹所示，若要形成Y(19)＝3，必須滿足X1(17)＜1，X1(19)＞＝2(圖11的步驟S31、S32、S33、S36、S37、S38的NO、S39)。但如圖13所示，因在時刻17中X1為3，不滿足X1(17)＜1(繼步驟S39后步驟S31、S32、S33、S34的偽)。于是，條件判定部5判斷在時刻19上輸出值不能得Y＝3(繼步驟S34后步驟S35)。
其結(jié)果，條件判定部5如圖12所示返回步驟S54，將t加1變?yōu)?0。從而，經(jīng)步驟S57、S58，再次執(zhí)行子程序B(步驟S59)。條件判定部5判斷執(zhí)行結(jié)果不為FALSE(步驟S60的NO)。
即t＝20時，如圖4的判定樹所示，若要形成Y(20)＝3，必須滿足X1(18)＜1，X1(20)＞＝2(圖11的步驟S31、S32、S33、S36、S37、S38的NO、S39)。這二個輸入條件都是未來的條件(繼步驟S39后步驟S31、S32、S33的NO)。于是，條件判定部5將這二個輸入條件加入輸入序列目錄(繼步驟S33后步驟S36的輸入條件、S40)。條件判定部5將輸入序列目錄內(nèi)的輸入條件及此時的時刻t的值20進行輸出(繼步驟S40后步驟S31的空、S41、圖12的步驟S60的NO、S61)。
如上所述，根據(jù)本實施例，使未來時刻t的值依次增加，為了檢索用于得到賦予的輸出值的輸入條件，能夠算出可在距當(dāng)前時刻最短的什么時刻后獲得賦予的輸出值。
(實施例4)本實施例通過采用判定樹中包含的多個規(guī)則(從根節(jié)點向葉節(jié)點的路徑)和時間序列數(shù)據(jù)進行邏輯推理，算出用于得到賦予的未來時刻的輸出值的輸入條件。
本實施例中的逆模型計算裝置的結(jié)構(gòu)與實施例2及實施例3中圖9所示的裝置相同。但是，本實施例中條件獲取部3及條件判定部5的處理內(nèi)容與實施例2及實施例3不同。
下面就本實施例進行詳細說明。
圖14所示為成為分析對象的時間序列數(shù)據(jù)的圖。
將此時間序列數(shù)據(jù)一一進行替換，時間t中的Y作為被說明變量，時間t-2～t的X和時間t-1、t-2的Y作為說明變量。
圖15所示為將圖14的時間序列數(shù)據(jù)一一替換后的數(shù)據(jù)的表。
對此表應(yīng)用已知的方法生成判定樹。圖16所示為根據(jù)圖15的表生成的判定樹的圖。此判定樹可由判定樹生成部2生成。
條件獲取部3從此判定樹的根節(jié)點查找向葉節(jié)點的枝，獲得下列13個規(guī)則(路徑)。
(1)Y(T-1)≤4，Y(T-2)≤5，X(T)＝0，X(T-1)＝0→Y(T)＝6(2)Y(T-1)≤4，Y(T-2)≤5，X(T)＝0，X(T-1)＝1→Y(T)＝5(3)Y(T-1)≤4，Y(T-2)≤5，X(T)＝1，X(T-1)＝0→Y(T)＝4(4)Y(T-1)≤4，Y(T-2)≤5，X(T)＝1，X(T-1)＝1→Y(T)＝6(5)Y(T-1)≤4，Y(T-2)≥6，X(T)＝0 →Y(T)＝5
(6)Y(T-1)≤4，Y(T-2)≥6，X(T)＝1，X(T-1)＝0→Y(T)＝5(7)Y(T-1)≤4，Y(T-2)≥6，X(T)＝1，X(T-1)＝1→Y(T)＝6(8)Y(T-1)≥5，Y(T-2)≤5，X(T)＝0，X(T-2)＝0→Y(T)＝4(9)Y(T-1)≥5，Y(T-2)≤5，X(T)＝0，X(T-2)＝1→Y(T)＝5(10)Y(T-1)≥5，Y(T-2)≤5，X(T)＝1 →Y(T)＝4(11)Y(T-1)≥5，Y(T-2)≥6，X(T)＝0，X(T-1)＝0→Y(T)＝6(12)Y(T-1)≥5，Y(T-2)≥6，X(T)＝0，X(T-1)＝1→Y(T)＝4(13)Y(T-1)≥5，Y(T-2)≥6，X(T)＝1 →Y(T)＝5在這些規(guī)則中，「A，B，C→D」意為若A和B和C成立的話，則D成立。
例如規(guī)則(1)意為若時刻1前的輸出為小于4，時刻2前的輸出為小于5，當(dāng)前的輸入為0，時刻1前的輸入為0的話，則當(dāng)前的輸出預(yù)期為6。
在此想確定的是，若要在圖14的時間序列數(shù)據(jù)中的時刻24之后的時刻得到Y(jié)＝6的話，何時賦予怎樣的輸入為好(輸入條件)。
本實施例中，為了確定這一輸入條件，采用圖14的時間序列數(shù)據(jù)和上述規(guī)則(1)～(13)進行邏輯推理。此邏輯推理通過條件判定部5執(zhí)行。下面就此邏輯推理進行說明。
圖17為將規(guī)則(1)～(13)以表形式表達的圖。
圖18為說明邏輯推理的圖。
如圖18所示，邏輯推理是邊將時間序列數(shù)據(jù)的至少下端(最后的時刻)與規(guī)則相重合，邊預(yù)測時間序列數(shù)據(jù)的下一時刻之后如何變化的過程。
圖18的例中，用圖14的時間序列數(shù)據(jù)和規(guī)則(9)進行邏輯推理。具體地說，首先，時間序列數(shù)據(jù)的時刻23中的Y值為4，規(guī)則(9)中的時刻T-2的輸出為「小于5」，因此二者匹配。另外，時間序列數(shù)據(jù)的時刻23中的X的值為1，規(guī)則(9)中的時刻T-2的輸入為1，因此二者匹配。進而，時間序列數(shù)據(jù)的時刻24中的Y的值為5，規(guī)則(9)中的時刻T-1的輸出為「大于5」，因此二者也匹配。從而，當(dāng)以時刻25(＝T)作為X并賦予0時，預(yù)期Y成為5。
此例中可匹配的時刻帶(單一化時刻帶)是2時刻。即單一化的時刻帶是時間序列數(shù)據(jù)中的時刻24、25、規(guī)則中的T-2、T-1的2時刻。但很自然，單一化的時刻帶會因規(guī)則中包含的時刻帶的大小有所不同。若規(guī)則的時刻帶為T-10～T的話，相當(dāng)于T-10～T-1的10個時刻帶。
用此邏輯推理，將用于在圖14中時刻24之后的時刻得到Y(jié)＝6的輸入條件進行判定。
首先，當(dāng)在圖17的規(guī)則(1)～(13)中選擇Y(T)為6的規(guī)則時，得到規(guī)則(1)(4)(7)(11)。
接著，測試這些規(guī)則(1)(4)(7)(11)是否與圖14所示的時間序列數(shù)據(jù)匹配。
在規(guī)則(1)中，當(dāng)規(guī)則(1)的時刻T-2、T-1與時間序列數(shù)據(jù)的時刻23、24對應(yīng)關(guān)聯(lián)時，時刻24中的Y＝5不滿足時刻T-1中的Y＜＝4。于是，規(guī)則(1)與時間序列數(shù)據(jù)不匹配。
在規(guī)則(4)中，當(dāng)規(guī)則(4)的時刻T-2、T-1與時間序列數(shù)據(jù)的時刻23、24對應(yīng)關(guān)聯(lián)時，同樣，時刻24中的Y＝5不滿足時刻T-1中的Y＜＝4。于是，規(guī)則(4)與時間序列數(shù)據(jù)不匹配。
規(guī)則(7)(11)也同樣，測試結(jié)果這些規(guī)則的任意一個都與時間序列數(shù)據(jù)不匹配。
于是，接著將這些規(guī)則組合后進行邏輯推理。
此時，以基本循環(huán)方式進行規(guī)則組合。作為結(jié)果，通過將規(guī)則(10)與規(guī)則(4)進行組合，可以確定Y＝6時的輸入條件。在進行規(guī)則組合時規(guī)則的選擇方式載于情報處理學(xué)會誌Vol.25，No.12，1984等。
圖19所示為將規(guī)則(10)和規(guī)則(4)組合后進行邏輯推理的具體形式圖。
如圖19所示，當(dāng)將規(guī)則(4)的時刻T-2、T-1與規(guī)則(10)的時刻T-1、T對應(yīng)關(guān)聯(lián)時，得知它們匹配。另外，當(dāng)將規(guī)則(10)的時刻T-2、T-1與時間序列數(shù)據(jù)的時刻23、24對應(yīng)關(guān)聯(lián)時，得知它們也匹配。
由此，當(dāng)在時刻25中，作為輸入，賦予X＝1時，可由規(guī)則(10)輸出Y＝4，進而，當(dāng)在時刻26中，作為輸入，賦予X＝1時，預(yù)期可由規(guī)則(4)輸出Y＝6。
接著，就本實施例的逆模型計算裝置的處理步驟進行說明。
圖20所示為逆模型計算裝置的處理步驟的流程圖。
首先，判定樹生成部2用時間序列數(shù)據(jù)記錄部1中記錄的時間序列數(shù)據(jù)生成判定樹(步驟S71)。
接著，對條件判定部5賦予未來時刻的輸出值V(賦予輸出條件)(步驟S72)。
條件判定部5將目標目錄及輸入序列目錄清空(步驟S73)，將輸出條件“y(t)＝V”作為目標條件加入目標目錄(步驟S74)。
條件判定部5執(zhí)行后述的子程序C(步驟S75)。
條件判定部5當(dāng)子程序C的執(zhí)行結(jié)果為FALSE時(步驟S76的YES)，輸出不能將賦予的輸出值V在規(guī)則時間內(nèi)得到的命令(步驟S77)。
另一方面，條件判定部5當(dāng)子程序C的執(zhí)行結(jié)果為TRUE時(步驟S76的NO)，將在子程序C中取得的輸入序列目錄的內(nèi)容(輸入條件及時刻t的值)進行輸出(步驟S78)。
圖21所示為子程序C的處理步驟的詳細流程圖。
首先，條件判定部5將重復(fù)次數(shù)i初始化(例如i＝0)(步驟S81)，再將重復(fù)次數(shù)i進行增量(i＝i+1)(步驟S82)。
接著，條件判定部5進行重復(fù)次數(shù)i是否大于既定值的判斷(步驟S83)。
條件判定部5在重復(fù)次數(shù)i大于既定值時(步驟S83的YES)，輸出不能得到賦予的輸出值V的命令(FALSE)(步驟S84)。
另一方面，條件判定部5在重復(fù)次數(shù)i小于既定值時(步驟S83的NO)，進行與時間序列數(shù)據(jù)匹配的規(guī)則是否存在于目標目錄中的判斷(步驟S85)。
在當(dāng)前時刻，因為目標目錄中未存儲規(guī)則，所以條件判定部5作出“在此未存在那樣的規(guī)則”的判斷(步驟S85的NO)，再從目標目錄中取出1個項目(步驟S86)。
條件判定部5進行“取出的項目是輸出條件及規(guī)則的哪一個”的判斷(步驟S87)。
條件判定部5判斷取出的項目是輸出條件后(當(dāng)前時刻與此相符)(步驟S87的輸出條件)，將該項目作為目標條件使條件獲取部3執(zhí)行子程序A，從條件獲取部3獲取檢索結(jié)果(葉節(jié)點中包含的目標條件值的規(guī)則)(步驟S88)。例如，圖16中，將輸出值V定為5時，通過子程序A可得到5個規(guī)則(2)(5)(6)(9)(13)，輸出值V定為6時，可得到4個規(guī)則(1)(4)(7)(11)。
條件判定部5在檢索結(jié)果為FALSE時(步驟S89的YES)，輸出不能得到賦予的輸出值V的命令(FALSE)(步驟S84)。
另一方面，條件判定部5在檢索結(jié)果不為FALSE時(步驟S89的NO)，通過條件獲取部3將規(guī)則加入目標目錄中(步驟S90)。
接著，條件判定部5將重復(fù)次數(shù)i進行增量(步驟S82)，當(dāng)判斷重復(fù)次數(shù)i不大于既定值時(步驟S83的NO)，再進行目標目錄內(nèi)的規(guī)則中是否存在與時間序列數(shù)據(jù)匹配的條件的判斷(步驟S85)。圖17中，當(dāng)輸出值V定為5時，規(guī)則(2)(5)(6)(9)(13)中的規(guī)則(9)(13)如圖14所示與時間序列數(shù)據(jù)進行匹配。此時，條件判定部5判斷為匹配規(guī)則存在(步驟S85的YES)。條件判定部5基于匹配的規(guī)則和時間序列數(shù)據(jù)將輸入條件及時刻t加以特定并追加入輸入序列目錄(步驟S91)。此處將X(25)＝0(規(guī)則(9))、X(25)＝1(規(guī)則(13))及時刻t＝25追加輸入序列目錄(步驟S91)。
另一方面，步驟S85中，當(dāng)不存在與時間序列數(shù)據(jù)匹配的規(guī)則時(步驟S85的NO)，從目標目錄取出1個項目(步驟S86)。例如，圖17中，將輸出值V定為6時的規(guī)則(1)(4)(7)(11)因與時間序列數(shù)據(jù)不匹配，所以將這些項目(規(guī)則)中的1個從目標目錄內(nèi)取出。此處，例如取出規(guī)則(4)(步驟S87的規(guī)則)。
條件判定部5使條件獲取部3判斷是否存在與取出的規(guī)則(目標規(guī)則)匹配的規(guī)則(步驟S92)。
條件判定部5在該規(guī)則存在時(步驟S92的YES)，將該規(guī)則與上述目標規(guī)則一起追加到臨時存儲目錄中(步驟S93)。圖17中輸出值V為6時，作為與規(guī)則(4)匹配的規(guī)則，因有規(guī)則(10)、(13)，所以臨時存儲目錄中可存儲作為目標規(guī)則的規(guī)則(4)和與規(guī)則(4)匹配得到的規(guī)則(10)(13)。
條件判定部5進行臨時存儲目錄內(nèi)得到的規(guī)則是否與時間序列數(shù)據(jù)相匹配的判斷(步驟S94)。如上例中，進行規(guī)則(10)或規(guī)則(13)是否與時間序列數(shù)據(jù)相匹配的判斷。
條件判定部5在匹配的規(guī)則存在時(步驟S94的YES)，基于該匹配規(guī)則及目標規(guī)則，將輸入條件及時刻t加以特定并追加到輸入序列目錄中(步驟S96)。如上例中，基于規(guī)則(10)將X(25)＝1作為輸入條件加以特定；基于規(guī)則(4)將X(26)＝1作為輸入條件加以特定，將這些輸入條件與時刻t＝26一起追加到輸入序列目錄中(步驟S96)。
條件判定部5判斷目標目錄是否為空(步驟S97)，為空時(步驟S97的YES)，結(jié)束子程序C，不空時(步驟S97的NO)，將臨時存儲目錄清空并返回步驟S82。
上述步驟S94中，臨時存儲目錄內(nèi)檢索到的規(guī)則與時間序列數(shù)據(jù)不匹配時(步驟S94的NO)，條件判定部5將此不匹配的規(guī)則作為目標規(guī)則，再次執(zhí)行步驟S92、S93。若檢索到與此目標規(guī)則匹配的規(guī)則的話(步驟S92的YES)，將其追加到臨時存儲目錄中(步驟S93)。另一方面，若沒檢索到規(guī)則的話(步驟S92的NO)，則將臨時存儲目錄清空(步驟S95)并返回步驟S82。
如上所述，根據(jù)本實施例，通過將從判定樹得到的規(guī)則進們時間性追溯并加以組合，可預(yù)期在短時間內(nèi)算出用于得到賦予了輸出值的條件。
(實施例5)上述實施例4中，將規(guī)則之間的匹配及規(guī)則與時間序列數(shù)據(jù)的匹配的時刻帶，即將單一化時刻帶作為除去當(dāng)前時刻T的全時刻帶。實施例4的單一化時刻帶為T-2～T-1的二時刻。然而，當(dāng)規(guī)則中包含的時刻帶很長時，雖然用除去當(dāng)前時刻的全時刻帶將規(guī)則單一化可預(yù)期得到高的推理精度，但需要很大的計算量，也有效率低的時候。若能以更短的時刻帶實現(xiàn)單一化的話，雖然效率高，但當(dāng)縮短單一化的時刻帶時，又會產(chǎn)生推理精度下降的問題。因此，本實施例通過算出作為單一化時刻帶有效的值，再以其值進行單一化，以少的計算量實現(xiàn)高精度的推理。
首先，就單一化時刻帶與推理精度的關(guān)系進行簡要說明。
以上述規(guī)則(4)為例進行說明。此規(guī)則(4)為「Y(T-1)＜＝4，Y(T-2)＜＝5，X(T)＝1，X(T-1)＝1→Y(T)＝6」，意思是當(dāng)此邏輯式中的左邊所有條件(說明變量的條件)成立時，可得出右邊的結(jié)果(被說明變量的值)。在此規(guī)則(4)看來，在Y(T-2)＜＝5成立而后，作為X(T-1)＝1是否為Y(T-1)＜＝4是不清楚的。換句話說，在規(guī)則中，各時刻的Y的值是否在該時刻以前的條件成立時成立是不清楚的。
本實施例先求規(guī)則中包含的各時刻的輸出條件在該時刻以前的條件成立的場合成立的概率(統(tǒng)計量)，再以該概率在大于閾值的最小的時刻帶進行單一化。由此能以最少限度的計算量進行高精度的邏輯推理。下面，以規(guī)則(4)為例，對此進行更詳細的說明。
規(guī)則(4)中的各時刻的輸出條件在該時刻以前的條件成立的場合成立的概率對照圖14的時間序列數(shù)據(jù)表示如下。
首先，有關(guān)Y(T-2)＜＝5，因為此時刻以前不存在其他條件，故不贅述。
接著，有關(guān)Y(T-1)＜＝4，當(dāng)Y(T-2)＜＝5成立時，看一下作為X(T-1)＝1是否成立，結(jié)果時刻4、13、19、23成立，時刻10、14、18、20、22不成立。于是，Y(T-1)＜＝4成立的概率為44％(＝4/9×100％)。
由此可知，若閾值設(shè)定為30％，有關(guān)規(guī)則(4)，以T-2及T-1二時刻帶進行單一化為好。
接著，就算出單一化的時刻帶并以算出后的時刻帶進行處理的步驟進行說明。在此，可以取代圖21的步驟S89，執(zhí)行圖22所示的子程序D。
圖22所示為子程序D的處理步驟的流程圖。
條件判定部5在條件獲取部3的檢索結(jié)果不是FALSE時(步驟S101的NO)，有關(guān)由條件獲取部3獲取的各規(guī)則，根據(jù)時間序列數(shù)據(jù)記錄部1中的時間序列數(shù)據(jù)，將各時刻上的輸出條件在其之前的時刻上的條件成立時成立的概率進行計算(步驟S102)。條件判定部5將大于閾值的最小時刻帶作為單一化的時刻帶(步驟S102)。條件判定部5將各規(guī)則與各規(guī)則的單一化時刻帶一起加入目標目錄(步驟S90)。在進行單一化的步驟S85、S92、S94(參見圖21)中，根據(jù)算出的時刻帶進行單一化。在步驟S92獲取了新規(guī)則時，同樣求出時刻帶。
另一方面，條件判定部5在條件獲取部3的檢索結(jié)果是FLASE時(步驟S101的YES)，進入步驟S84，輸出不會得到賦予的輸出值V的命令(FALSE)。
上述步驟S102中分別算出了有關(guān)各規(guī)則的單一化時刻帶，還可以求出全規(guī)則共同的時刻帶。具體地說，以全規(guī)則為目標，算出各時刻中輸出條件的成立概率的平均值，再將其平均值的大于閾值的最小時刻帶作為各規(guī)則共同的時刻帶。
為實現(xiàn)此工作，最好在圖21的步驟S81與S82之間追加圖23所示的子程序E。
也就是說，條件判定部5令條件獲取部3獲取判定樹包括的全規(guī)則。條件判定部5以獲取的全規(guī)則為目標算出各時刻中輸出條件的成立概率，再求出各時刻成立概率的平均值。將該值的大于閾值的時刻加以特定，最后將特定時刻之前的時刻帶作為各規(guī)則共同的單一化時刻帶(步驟S112)。從而條件判定部5在圖21的步驟S85、S92、S94中使用此共同的時刻帶。
如上所述，本實施例中，作為單一化的時刻帶采用滿足預(yù)定精度的最小限的時刻帶，因此能夠不降低精度，以少數(shù)計算量進行處理。另外，本實施例因算出各規(guī)則共同的單一化時刻帶，能夠進一步提高處理效率。
(實施例6)在控制等領(lǐng)域常有過程輸出為多個的情況，并需要進行對其多個輸出的逆向計算。也就是說，需要求出將多個輸出同時成為某一期望值的輸入，例如，有時需要求出某裝置的溫度和與其相關(guān)的另一裝置的壓力同時成為某一值的輸入。
作為第1種方法，有“將多個輸出變?yōu)橐辉脑u價值，建構(gòu)對應(yīng)其一元評價值的模型”的方法。成為一元后，能夠建構(gòu)判定樹并用建構(gòu)的判定樹進行逆向計算。
然而，在此方法內(nèi)必須定義用于變?yōu)橐辉u價值的合適的評價變量，怎樣的評價變量為合適，因問題不同答案各異，所以很難合適地定義評價變量。另外，即使能夠合適地定義評價變量，也會由于模型建構(gòu)時針對評價值的變換處理的存在而產(chǎn)生耗費計算時間的問題。
作為第2種方法，有考慮將多個輸出的直積(集合)視為1個被說明變量的值，進而建構(gòu)判定樹等模型的方法。
然而，這種方法在觀測數(shù)據(jù)內(nèi)存在缺少被說明變量的值時則不能利用該部分的數(shù)據(jù)建構(gòu)判定樹。也就是說，所有被說明變量的值僅有處理中的數(shù)據(jù)可用于建構(gòu)判定樹。因而，此種方法有可能使可利用的數(shù)據(jù)大幅度減少。當(dāng)可利用于建構(gòu)的數(shù)據(jù)少時，會對生成的判定樹的精度造成不利影響，其判定樹將失去作用。
作為第3種方法，有對應(yīng)多個輸出的各輸出生成多個判定樹，同時用多個判定樹進行逆向計算的方法。
然而，此種方法很難或需要很多計算時間。原因是，即使根據(jù)某一判定樹求出了將某一被說明變量作為預(yù)期值的說明變量的值，對其他被說明變量來說，也未必能滿足該說明變量的值的條件。
鑒于上述問題，本發(fā)明人進行反復(fù)地獨立的研究，最終掌握了將生成有關(guān)各被說明變量的判定樹進行合成并將具有這些被說明變量的集合作為被說明變量的合成判定樹進行生成的方法。即此合成判定樹在其葉節(jié)點上具有將各判定樹中的葉節(jié)點的值在不同的判定樹間進行組合的值。將此合成判定樹應(yīng)用于實施例1～5，可將多個輸出同時作為預(yù)期值的條件加以算出。下面，就合成判定樹的方法進行詳細說明。
圖25為合成多個判定樹的判定樹合成裝置的結(jié)構(gòu)圖。
此判定樹合成裝置設(shè)有數(shù)據(jù)輸入部11；判定樹生成部12；判定樹合成部13；判定樹輸出部14。
數(shù)據(jù)輸入部11將含有說明變量的值和被說明變量的值的數(shù)據(jù)輸入判定樹生成部12。說明變量的值為諸如機器的操作輸入值等，被說明變量的值為隨后的機器的輸出(如溫度、壓力)。本數(shù)據(jù)內(nèi)可含有多個種類的被說明變量。一般此數(shù)據(jù)可通過觀測、記錄等進行收集(參見圖2)。
判定樹生成部12根據(jù)數(shù)據(jù)中所含的說明變量的值和數(shù)據(jù)中所含的1個被說明變量的值生成1個判定樹。判定樹生成部12對各被說明變量進行此生成工作。也就是說，判定樹生成部12按被說明變量的數(shù)量生成判定樹。各判定樹在葉節(jié)點(末端節(jié)點)上具有被說明變量的值，葉節(jié)點之外的節(jié)點形成說明變量。連結(jié)節(jié)點間的枝形成說明變量的值。
判定樹合成部13將在判定樹生成部12生成的多個判定樹進行合成，進而生成1個由說明變量的值同時推測多個被說明變量的值的判定樹(合成判定樹)。此合成判定樹將各判定樹中葉節(jié)點的值(被說明變量的值)在不同的判定樹間進行組合后的被說明變量的值的集合存在葉節(jié)點中。例如，當(dāng)判定樹1的各葉節(jié)點中有y1，y2，y3…yn；判定樹2的各葉節(jié)點中有值z1，z2，z3…zn時，合成后的判定樹的葉節(jié)點分別形成(y1，z1)，(y1，z2)…(y1，zn)，(y2，z1)，(y2，z2)，…(yn，zn)。通過將此合成判定樹作為應(yīng)用于上述實施例1～5的目標的判定樹，能夠求出用于同時滿足多個被說明變量的值所需的條件。例如，在實施例1中用此合成判定樹得到未來時刻的輸出值(y2，z1)時，將具有值(y2，z1)的葉節(jié)點進行特定，再根據(jù)從此葉節(jié)點向根節(jié)點的查找，能夠求出用于獲得此值(y2，z1)所需的條件。
判定樹輸出部14將通過判定樹合成部13生成的合成判定樹進行輸出。輸出后的合成判定樹可在上述實施例1～5中作為目標的判定樹來使用。即圖1及圖9的條件獲取部3可將此合成判定樹作為目標的判定樹來使用。
下面以具體實例就圖25的裝置進行更詳細地敘述。
圖27所示為一例觀測數(shù)據(jù)的表。
變量X1以1、X2以2、X3以0、X4以0、X5以0、X6以A、Y1以3、Y2以A為例，變量X1以3、X2以0、X3以1、X4以0、X5以1、X6以B、Y1以7、Y2以C為例等，有多個事例。在此X1～X6為說明變量，Y1和Y2為被說明變量。在控制領(lǐng)域，X1～X6的值對應(yīng)輸入(如表示材料性質(zhì)的項目、機器操作等)，Y1和Y2的值對應(yīng)輸出(如材料的溫度、壓力等)。
首先，從數(shù)據(jù)輸入部11向判定樹生成部12輸入圖27的數(shù)據(jù)。輸入后的數(shù)據(jù)以適當(dāng)?shù)男问竭M行存儲。
接著，在判定樹生成部12中將每個被說明變量生成判定樹。
當(dāng)從數(shù)據(jù)輸入部11輸入的數(shù)據(jù)為圖27所示的數(shù)據(jù)時，因為被說明變量有2個，所以生成2個判定樹。為生成1個判定樹(對應(yīng)被說明變量Y1的判定樹)所使用的數(shù)據(jù)如圖28所示。
圖28的數(shù)據(jù)是從圖27所示的數(shù)據(jù)中去掉被說明變量Y2的數(shù)據(jù)，僅保留被說明變量Y1的數(shù)據(jù)的情況。
這樣，被說明變量僅由1個數(shù)據(jù)生成判定樹的方法可參見《基于AI的數(shù)據(jù)解析》J.R.Quinlan著，古川康一監(jiān)譯，株式會社凸版(トッパン)1995年發(fā)行；《應(yīng)用2進樹解析法》大滝厚，堀江宥治，D.Steinberg著，日科技連1998年發(fā)行等。同樣，通過生成從圖27所示的數(shù)據(jù)中去掉被說明變量Y1的數(shù)據(jù)后的數(shù)據(jù)，也可生成對應(yīng)被說明變量Y2的判定樹。
在此，方便起見，將上述對應(yīng)各被說明變量Y1、Y2求出的判定樹稱為「判定樹1」「判定樹2」。
在此，雖然判定樹生成部12僅將被說明變量生成了1個數(shù)據(jù)(參見圖28)，但如同表示判定樹合成裝置的其他例的圖26一樣，也可將判定樹生成部12分為數(shù)據(jù)整形處理部12a和判定樹生成處理部12b，先由一數(shù)據(jù)整形處理部12a將被說明變量僅生成1個數(shù)據(jù)，再由判定樹生成處理部12b用此數(shù)據(jù)生成判定樹。另外，對應(yīng)各被說明變量的判定樹的生成可順序進行，也可并行進行。
上述生成各被說明變量的判定樹的方式是將被說明變量僅生成1個數(shù)據(jù)(參見圖28)，而此種處理是為了簡化說明所致，實際處理中也可省略。
圖29所示為對應(yīng)被說明變量Y1、Y2所生成后的判定樹1及判定樹2的例圖。
此判定樹1及判定樹2的解讀法簡單說明如下。
判定樹1根據(jù)被說明變量(葉節(jié)點)Y1的值進行事例分類。首先判斷X1是否大于4。當(dāng)X1小于4時，接著判斷X3為0或1，判斷結(jié)果，X3為0時Y1小于2，X3為1時Y1大于5。當(dāng)X1大于4時也同樣進行判斷。圖中，葉節(jié)點中的「2～5」意為「大于2小于5」。
同樣，判定樹2根據(jù)被說明變量(葉節(jié)點)Y2的值進行事例分類。首先判斷X3為0或1，當(dāng)X3為0時接著判斷X4為0或1。判斷結(jié)果，X4為0時Y2為A，X4為1時Y2為C。X3為1時也同樣進行判斷。
此判定樹1及判定樹2是將已知數(shù)據(jù)(參見圖27)中所含的事例集合進行分類的樹，而對于新的數(shù)據(jù)也能預(yù)測被說明變量Y1、Y2的值。
一般，由判定樹所做的分類并非要百分之百正確。原因是，有時用于建構(gòu)判定樹的數(shù)據(jù)內(nèi)存在矛盾，或有時將極少數(shù)存在的事例視為誤差及干擾而不對判定樹的建構(gòu)施加影響。將當(dāng)前得到的數(shù)據(jù)生成百分之百正確分類的詳細的判定樹雖然可能，但那樣的判定樹在實際中用處不大。原因是，那樣的判定樹連干擾及誤差都忠實地表現(xiàn)無遺。加之那樣的判定樹不過是將當(dāng)前的數(shù)據(jù)嚴密地再現(xiàn)而已，對判定樹形的表現(xiàn)修正的必然性差。另外，過于詳細的判定樹會令使用者難以理解。因此最好生成一種對干擾進行了適當(dāng)處理的、簡潔的判定樹。
判定樹合成部13將上述的多個判定樹進行合成并生成1個判定樹。下面將判定樹的合成方法的具體例分為3類(合成方法1～3)，也可將這些方法組合起來使用。
下面，依次就合成方法1～3進行說明。
(合成方法1)圖30所示為執(zhí)行合成方法1的處理順序的流程圖。
此合成方法1中，首先生成合適的說明變量的值(說明變量值)的序列(步驟S1001)。所謂說明變量值的序列是指諸如將圖27的說明變量X1、X2、X3、X4、X5、X6的值確定后的輸入數(shù)據(jù)。開始時無論怎樣的值都可以，因此生成1個序列。在此，生成了圖31所示的說明變量值的序列。
接著，將此說明變量值的序列賦予判定樹1、2，求出被說明變量的值(步驟S1002、S1003)。即，當(dāng)將判定樹從根節(jié)點起順序查找下去時會到達某一葉節(jié)點。該葉節(jié)點的值就是被說明變量的值。
具體地說，在判定樹1中，首先X1為1，即「≤4」，因此進到左側(cè)的枝，接著X3為0，因此進到左側(cè)的枝，結(jié)果便到達稱為「＜2」的葉節(jié)點。另一方，在判定樹2中，X3為0，因此進到左側(cè)的枝，接著X4為0，因此進到左側(cè)枝，結(jié)果便到達稱為「A」的葉節(jié)點。
這樣，將由各判定樹1、2得到的葉節(jié)點的值追加到圖31的表中，生成1個事例(步驟S1004)。圖32所示為生成的1個事例數(shù)據(jù)。
接著，生成另一說明變量值的序列。雖然此時生成方法也無限制，但最好是不同于前面的生成方法。諸如隨機地或?qū)⒄f明變量的值改變順序等，或?qū)⒄f明變量值的組合收集起來。再將這樣生成的序列賦予判定樹1、2，得到被說明變量的值，生成事例數(shù)據(jù)。通過反復(fù)進行上述工作，生成事例數(shù)據(jù)的集合。
用生成的事例數(shù)據(jù)的集合將2個被說明變量的集合視為是1個被說明變量并生成判定樹(步驟S1005)。例如將「＜2」和「A」視為是1個被說明變量的值，并生成判定樹。判定樹生成的方法如前面文獻等所示，在此不再贅述。
(合成方法2)圖33所示為執(zhí)行合成方法2的處理順序的流程圖。
首先，由判定樹1、2分別得到從根節(jié)點到葉節(jié)點的路徑(規(guī)則)，再取得所得路徑的全部組合。其結(jié)果能生成多個路徑的組(路徑集合)。然后，將各路徑集合中的路徑進行連結(jié)，從各路徑集合生成1個新的路徑(合成路徑)。由此，得到新的路徑的集合(合成路徑的集合)(步驟S1011)。
接著，將在步驟S1011得到的合成路徑的集合中所含的多個合成路徑進行合成，得到1個判定樹(步驟S1012)。
下面，就步驟S1011、S1012進行更詳細地說明。
首先就步驟S1011進行說明。
圖34所示為步驟S1011的處理順序的詳細的流程圖。
首先，由判定樹1、2分別獲得從根節(jié)點到葉節(jié)點的路徑，再將獲得的路徑在判定樹1、2之間進行全面組合，最后獲得多個路徑的組(多個路徑集合)(步驟S1021)。
圖35所示為路徑組的例圖。圖35的左側(cè)是連結(jié)判定樹1(參見圖29)的最左邊的葉節(jié)點和根節(jié)點的路徑，右側(cè)是連結(jié)判定樹2的最左邊的葉節(jié)點和根節(jié)點的路徑。各路徑中不含分支。
這樣，將判定樹1中所含的各路徑和判定樹2中所含的各路徑依次組合下去。組合的順序雖可不論，但要收齊全部組合。判定樹1中葉節(jié)點有5個，判定樹2中葉節(jié)點有6個，因此路徑的組可生成5×6＝30個。
這樣，在獲得略徑的組后接著縱向連結(jié)各路徑的組中的各路徑，生成新的路徑(連結(jié)路徑)(圖34的步驟S1022)。
圖36所示為連結(jié)圖35所示路徑的組后的狀態(tài)的圖。
連結(jié)前的各路徑中的葉節(jié)點(被說明變量)分布在連結(jié)路徑的末端。其他的節(jié)點(說明變量)可縱向連結(jié)。圖36中判定樹1的路徑下連結(jié)著判定樹2，反之亦可。
接著，對此連結(jié)路徑是否存在矛盾進行檢測(圖34的步驟S1023)。
所謂矛盾，是指存在重復(fù)的說明變量、且其值不相同。例如連結(jié)路徑中含有2個以上相同的說明變量(節(jié)點)，一方為1，另一方為0時即為矛盾。
存在矛盾時(步驟S1023的YES)，除去此連結(jié)路徑(步驟S1024)，選擇下面的路徑組(步驟S1026的YES)。圖36中，路徑X3雖然有2個，但2個值同為0，所以不存在矛盾。
不存在矛盾時(步驟S1023的NO)，將連結(jié)路徑中所含的重復(fù)進行省略處理(步驟S1025)。所謂省略處理，是指連結(jié)路徑中有多個相同的說明變量(節(jié)點)且各說明變量的值相同。因為上述步驟S1023中進行了矛盾檢測，所以當(dāng)前若有多個相同的說明變量的話，其值必然相同，從而存在重復(fù)。當(dāng)存在重復(fù)時，從連結(jié)路徑中去除重復(fù)的說明變量(節(jié)點)及其枝。其結(jié)果，連結(jié)路徑變短。圖36中，連結(jié)路徑中含有2個X3、且值都為0。因而這是重復(fù)。圖37所示為由圖36的連結(jié)路徑省略了重復(fù)后的路徑(合成路徑)。
如上所述，對于各路徑的組(本例中為30組)，進行連結(jié)處理(步驟S1022)、矛盾處理(步驟S1024)及重復(fù)處理(步驟S1025)。因為有矛盾的連結(jié)路徑通過矛盾處理(步驟S1024)被去除，所以生成的合成路徑變?yōu)?0個以下。本例中生成6個合成路徑。圖38所示為生成的16個合成路徑。
圖38中，各合成路徑上部所注的代括號的數(shù)值是記述判定樹1及判定樹2的各路徑如何組合的數(shù)值。例如(1-2)意為將含有判定樹1中最左側(cè)葉節(jié)點的路徑與含有判定樹2中左起第2個葉節(jié)點的路徑進行組合。(1-3)、(1-4)等因已被上述矛盾處理(步驟S1024)所去除，所以不存在圖38中。各合成路徑中節(jié)點的配置順序也可改換為除葉節(jié)點(被說明變量)之外的順序，為便于查看，圖38采用X1、X2…式的從小數(shù)起順序配置的方式。
上述矛盾處理(步驟S1024)及重復(fù)處理(步驟S1025)的執(zhí)行順序反過來也可以，并行執(zhí)行也可以。屆時所得的結(jié)果不變。
接著，有關(guān)步驟S1012(參見圖33)進行詳細地說明。
步驟S1012將上述方法生成的合成路徑(參見圖38)合成后生成1個判定樹。
圖39所示為步驟S1012的處理順序的詳細的流程圖。
首先，將全部的合成路徑作為目標(步驟S1031)。本例中以圖38所示的16個合成路徑作為目標。
接著，判斷成為目標的合成路徑是否超過2個(步驟S1032)。當(dāng)前為16個，故進入YES。
接著，求出在成為目標的合成路徑的集合中使用最多的說明變量(節(jié)點)(步驟S1033)。在此，已知有16個合成路徑，是節(jié)點X1、X3全部用于合成路徑后的最多(各16個)值。當(dāng)這種最多節(jié)點有多個時選擇任意1個。在此選擇的是節(jié)點X1。圖38所示的各合成路徑是基于判定樹1和判定樹2生成的，因此，各合成路徑必然包含判定樹1、2的根結(jié)點(本例中為節(jié)點X1、X3)。
接著，將求出的節(jié)點作為新的判定樹的節(jié)點連結(jié)于新的判定樹中選擇的枝下(步驟S1034)。但最初的處理(第1個循環(huán))中將該節(jié)點作為根節(jié)點(步驟S1034)。因而，當(dāng)前將節(jié)點X1作為根節(jié)點。
接著，對應(yīng)該節(jié)點獲得的值在節(jié)點處生成枝(步驟S1035)。獲得的值從合成路徑的集合中查尋。當(dāng)將節(jié)點X1獲得的值從圖38所示的合成路徑的集合中查尋時，為「≤4」和「4＜」。因此，對應(yīng)節(jié)點X1生成「≤4」和「4＜」的枝。至此為止的處理生成的生成過程中的判定樹如圖40所示。
接著，在當(dāng)前的判定樹中選擇1個枝(步驟S1036)。在此，選擇了圖40中左側(cè)的「≤4」的枝。右側(cè)的枝有待后續(xù)處理。先選何處的枝都無礙。
接著，將含有從此判定樹的根節(jié)點到步驟S1036所選枝的路徑的合成路徑從圖38的合成路徑的集合中查找并作為目標的合成路徑(步驟S1037)。本例中，將含有「X1≤4」的合成路徑進行查找并將此合成路徑作為目標的合成路徑。圖38所示的合成路徑的集合中含有「X1≤4」的合成路徑是最上部的6個合成路徑。因此，將此6個合成路徑作為目標的合成路徑。
接著，返回步驟S1032，查看目標的合成路徑是否超過2個。成為目標的合成路徑為6個，因此進入YES。
接著，求出在成為目標的合成路徑的集合中使用最多的節(jié)點(步驟S1033)。但在此所用的步驟S1037中查找成為目標的合成路徑時的節(jié)點(本例中為節(jié)點X1)，即從判定樹的根節(jié)點到步驟S1036選擇的枝的路徑中某個節(jié)點除外。圖38最上部的6個合成路徑中除節(jié)點X1外，使用最多的節(jié)點為X3，因此選擇節(jié)點X3。
接著，將該節(jié)點作為新的判定樹的節(jié)點連結(jié)于步驟S1036選擇的枝下(步驟S1034)。步驟S1036選擇的枝為圖40的左側(cè)的枝，因此其下連結(jié)節(jié)點X3。
接著，對應(yīng)該節(jié)點獲得的值在節(jié)點處生成枝(步驟S1035)。如圖38最上部所示，節(jié)點X3獲得的值為「0」和「1」，因該節(jié)點X3之下生成「0」「1」的枝。到此為止生成的判定樹如圖41所示。
接著，在判定樹中選擇1個枝(步驟S1036)。在此，從節(jié)點X3分叉后的枝中選擇了左側(cè)的「0」枝。
接著，將含有從此判定樹的根節(jié)點到步驟S1036所選擇的枝的路徑的合成路徑從圖38所示的合成路徑的集合(最上部的6個)中查找并作為目標的合成路徑(步驟S1037)。步驟S1036中選擇的枝是從節(jié)點X3分叉后的枝中左側(cè)的「0」枝，因此將含有從根節(jié)點到該枝的路徑(「X1≤4」「X3＝0」)的合成路徑從最上部的6個合成路徑中查找。圖38最上部的左起第1及第2兩個合成路徑符合此條件。
接著，返回步驟S1032，檢查目標的合成路徑是否超過2個。目標的合成路徑為2個，因此進入YES。
接著，求出在成為目標的合成路徑的集合中使用最多的節(jié)點(步驟S1033)。但節(jié)點X1、X3除外。成為目標的2個合成路徑中使用的節(jié)點除節(jié)點X1、X3外為X4，因此選擇X4。
接著，將該節(jié)點作為新的判定樹的節(jié)點連結(jié)于步驟S1036選擇的枝下(步驟S1034)。步驟S1036選擇的枝為圖41的左側(cè)的枝(X3＝0)，因此從節(jié)點X3分叉后的「0」的枝下連結(jié)節(jié)點X4。
接著，對應(yīng)該節(jié)點獲得的值在該節(jié)點處生成枝(步驟S1035)。節(jié)點X4獲得的值從圖38最上部左起第1、第2個合成路徑為「0」和「1」，因此在節(jié)點X4的下面生成對應(yīng)「0」和「1」的枝(參見圖42)。
接著，在判定樹中選擇1個枝(步驟S1036)。在此，選擇了從節(jié)點X4分叉后的左側(cè)的枝「0」。
接著，將含有從此判定樹的根節(jié)點到步驟S1036所選擇的枝的路徑的合成路徑從圖38所示的合成路徑的集合中查找并作為目標的合成路徑(步驟S1037)。圖38的最上部中成為目標的合成路徑只有最左邊的合成路徑。
接著，返回步驟S1032，檢查目標的合成路徑是否越過2個，因只有1，所以進入NO。
接著，將此合成路徑中的葉節(jié)點連結(jié)在步驟S1036所選擇的枝下并作為新的判定樹的葉節(jié)點(步驟S1038)。本例中「～2、A」成為新的判定樹的葉節(jié)點。到此為止生成的判定樹如圖42所示。
接著，判斷判定樹中是否有不帶葉節(jié)點的枝(步驟S1039)。如圖42所示，不帶葉節(jié)點的枝有3個，因此進入YES。
接著，在此判定樹中選擇1個不帶葉節(jié)點的枝(步驟S1040)。在此，在圖42中選擇了「X4＝1」的枝。選擇的枝只要是不帶葉節(jié)點的枝哪個都行。
接著，進入步驟S1037，將含有從當(dāng)前判定樹中根節(jié)點到由步驟S1040所選的枝的路徑的合成路徑從圖38所示的合成路徑的集合中查找并作為目標的合成路徑。在此，只有圖38最上部左起第2個合成路徑符合條件。返回步驟S1032，檢查目標合成路徑是否超過2個，因為只有1個，所以進入NO。
接著，將此合成路徑中的葉節(jié)點連結(jié)在步驟S1040所選擇的枝下并作為新的判定樹的葉節(jié)點。本例中「～2、C」成為新的判定樹的葉節(jié)點。到此為止生成的判定樹如圖43所示。
而后，通過繼續(xù)同樣的處理，最終生成圖44所示的將判定樹1及判定樹2合成后的判定樹。
圖39的步驟S1033中說，當(dāng)求成為目標的合成路徑的集合中使用最多的節(jié)點時若有數(shù)量相同的節(jié)點，選擇哪個都可以。據(jù)此，也許會產(chǎn)生“最終獲得的判定樹迄不就不同了嗎？”的疑問，其實最終獲得的判定樹在意思上是等同的。理由是，即使那個節(jié)點在某一時刻未被選擇，也肯定會在后續(xù)的選擇機會中被選擇。用雙方判定樹的葉節(jié)點的組合來生成新的判定樹的葉節(jié)點，因此最終獲得的判定樹的內(nèi)容與節(jié)點的選擇順序無關(guān)。
(合成方法3)圖45所示為執(zhí)行合成方法3的處理順序的流程圖。
首先，如步驟S1041所示，將判定樹1及判定樹2各自的根節(jié)點作為目標。本例中以節(jié)點X1、X3為目標(參見圖29)。
接著，將目標的節(jié)點在不同的判定樹間進行組合后生成節(jié)點的集合，將節(jié)點的集合作為新的判定樹的節(jié)點(步驟S1042)。本例中將節(jié)點X1、X3的集合作為新的判定樹的節(jié)點(集合節(jié)點)。將該節(jié)點寫作「X1，X3」。除此集合節(jié)點由葉節(jié)點組成的場合之外，從各判定樹將對應(yīng)此集合節(jié)點的節(jié)點進行檢測，將檢測到的各節(jié)點的枝進行組合生成新的枝，將生成后的新枝附加了集合節(jié)點。本例中，在判定樹1及判定樹2中對應(yīng)節(jié)點「X1，X3」的節(jié)點為X1、X3。因此，將各節(jié)點X1、X3的枝組合后生成新的枝。
也就是說，判定樹1的節(jié)點X1原有「≤4」「4＜」的枝，因為判定樹2的節(jié)點X3有「0」「1」的枝，所以它們組合后生成「≤4，0」，「≤4，1」，「4＜，0」，「4＜，1」4組新的枝后附加于節(jié)點「X1，X3」。到此為止生成的生成過程中的判定樹如圖46所示。
接著，檢查當(dāng)前的判定樹中是否有不帶葉節(jié)點的枝(步驟S1043)。如圖46所示，因為不帶葉節(jié)點的枝有4個，所以進入YES。
接著，選擇1個不帶葉節(jié)點的枝(步驟S1044)。在此，例如選擇了最左端的枝。而選擇哪個枝都行。
接著，檢測出對應(yīng)所選擇的枝的判定樹1的枝和判定樹2的枝，并將連結(jié)此枝的節(jié)點作為目標進行選擇(步驟S1045)。所選擇的枝如上所述為圖46中最左端的枝，即「X1≤4、X3＝0」的枝。然后，查找與之對應(yīng)的判定樹1的枝「X1≤4」并選擇下一節(jié)點X3，同樣，查找與之對應(yīng)的判定樹2的枝「X3＝0」并選擇下一節(jié)點X4，將這些節(jié)點作為目標。
返回步驟S1042，將作為目標的節(jié)點進行組合后生成新的節(jié)點，將此新的節(jié)點追加到新的判定樹中。本例中作為目標的節(jié)點為X3、X4，因此圖46中在最左端的枝下追加節(jié)點「X3，X4」。而且與上述方式相同，從該節(jié)點起將枝分叉，其結(jié)果，追加「0，0」，「0，1」，「1，0」，「1，1」4類枝(步驟S1042)。到此為止生成的判定樹如圖47所示。因紙面有限，從節(jié)點「X3，X4」分叉的枝中，僅在左端的枝上附有對應(yīng)的值。
接著，檢查當(dāng)前的判定樹中是否有不帶葉節(jié)點的枝(步驟S1043)。仍然是哪個枝都不帶葉節(jié)點，因此進入YES。
接著，選擇1個不帶葉節(jié)點的枝(步驟S1044)。在此，例如選擇了最左端的枝。
接著，特定出對應(yīng)所選擇的枝的判定樹1的枝和判定樹2的枝，并將連結(jié)此枝的節(jié)點作為目標進行選擇(步驟S1045)。本例中，因為選了圖47中最左端的枝，所以將與之對應(yīng)的連結(jié)判定樹1的枝「X3＝0」的節(jié)點「＜2」和與之對應(yīng)的連結(jié)判定樹2的枝「X4＝0」的節(jié)點「A」進行選擇。
返回步驟S1042，將作為目標的節(jié)點進行組合后生成新的節(jié)點，將此新的節(jié)點追加到新的判定樹中(步驟S1042)。本例中「＜2，A」作為新的節(jié)點被追加。但因為各節(jié)點「＜2」、「A」為各判定樹1、2中的葉節(jié)點，所以新生成的節(jié)點「＜2，A」成為新的判定樹的葉節(jié)點。因而從節(jié)點「＜2，A」不生成分叉枝。假如此時一方的節(jié)點是原先判定樹中的葉節(jié)點，另一方的節(jié)點不是葉節(jié)點的話，則用不是葉節(jié)點一方的判定樹的信息進一步生成分叉枝。
經(jīng)過以上反復(fù)運行，最終生成圖48所示的判定樹。
圖48因紙面有限，將樹的一部份加以放大展示。圖48中，含有「×」標記的路徑因為有矛盾實際上并不存在，為明了起見加以標記。
以上就合成方法1、2、3進行了說明，而合成方法2與合成方法3是意思等同的判定樹。合成方法1根據(jù)賦予的數(shù)據(jù)可能會與通過合成方法2、3得到的判定樹有些不同，但若數(shù)據(jù)的數(shù)量多的話就不會有大的差異。
接著，就上述方法生成的判定樹的改進方法進行說明。
一般地說，判定樹中不僅保留有枝、節(jié)點的信息，還有由觀測數(shù)據(jù)生成判定樹時算出的各種數(shù)據(jù)。具體地說，是各說明變量(節(jié)點)中的事例數(shù)(如某個說明變量作為其值取得「0」「1」時，「0」時的事例數(shù)和「1」時的事例數(shù))；使各說明變量中的事例數(shù)以被說明變量的值進行分布的數(shù)據(jù)(如某個說明變量的值為「0」的事例有100個時，其中被說明變量的值為A的事例有40個，為B的事例有60個等)。進而，利用判定樹保留的這些信息，將通過合成方法1～3生成的合成判定樹進行評價，將精度低的路徑進行截枝等對合成判定樹加以改進。
圖49為說明合成判定樹(參見圖48)中最左邊路徑的評價方法的圖。此最左邊的路徑是將判定樹1及判定樹2各自的左端的路徑組合而成的路徑。
圖中左側(cè)所示為判定樹1的左端路徑。成為「X1≤4」且「X3＝0」的事例有100個。被說明變量的值為「＜2」的事例有70個，「2～5」(2以上5以下)的事例有20個，成為「5＜」的事例有10個。即判定樹1的路徑的精度為70％(＝70/100)。
圖中右側(cè)所示為判定樹2的左端路徑。成為「X3＝0」且「X4＝0」的事例有90個。被說明變量的值為「A」的事例有80個，為「B」的事例有20個。即判定樹2的路徑的精度為80％(＝80/100)。
從而，當(dāng)「X1≤4」且「X3＝0」且「X4＝0」時，可推測被說明變量的值為「＜2，A」的概率70％×80％＝56％。
合成判定樹的事例數(shù)不會大于原先的判定樹的事例數(shù)。因此，合成判定樹的事例數(shù)最大為min{判定樹1的事例數(shù)、判定樹2的事例數(shù)}。本例中如圖49所示，為90個以下。
據(jù)此，在合成判定樹中，在「X1≤4」且「X3＝0」且「X4＝0」的情況下一旦推測被說明變量的值為「＜2，A」的事例數(shù)，就可推測出最大為90個×56％＝約50個左右。當(dāng)此數(shù)或概率為一定值以下時，進行截枝、將合成判定樹進行改進。
另外，將合成判定樹的各路徑(規(guī)則)應(yīng)用于已知的觀測數(shù)據(jù)并求出成為規(guī)則通道的事例數(shù)(或概率)，通過求其平均值等還能進行合成判定樹總體的評價。另外，還能進行概率性最大的事例數(shù)及分布的推定。
以上所示為本發(fā)明的一個實施例，而本發(fā)明的適用范圍不僅限于說明變量相對多個被說明變量或多個判定樹為同樣的情況，也就是說，上述說明中，為了簡單化，如圖27所示，采用了相對各被說明變量的說明變量為同樣的情況，而當(dāng)相對Y1的說明變量與相對Y2的說明變量不相同時，本發(fā)明依然適用。
然而，當(dāng)在對各說明變量全無重復(fù)時，本發(fā)明雖能用，但使用的必要性不大。也就是說，本發(fā)明的目的之一是解決求出多個被說明變量為預(yù)期值的說明變量的值的逆向計算，而當(dāng)相對被說明變量的說明變量完全不同時，無論是不合成判定樹獨立地進行逆向計算還是合成判定樹以后再進行逆向計算，對處理內(nèi)容而言全無差別。相反，在對說明變量存在部分重復(fù)時，方能顯出本發(fā)明的作用。
另外，本實施例中，為了簡單化，以合成2個判定樹為例進行說明，而判定樹在3個以上時，本發(fā)明仍然適用。
另外，上述的判定樹合成裝置除可由硬件構(gòu)成之外，當(dāng)然也可將同等的功能由軟件來實現(xiàn)。
以上所述為有關(guān)判定樹的合成方法及判定樹的改進方法。根據(jù)判定樹的生成及由判定樹的一般性數(shù)據(jù)分析，可得出下列優(yōu)點。
通過從觀測數(shù)據(jù)生成判定樹，容易實現(xiàn)模型及知識的一般化。另外，在對變量使用連續(xù)性數(shù)值的場合，具有適當(dāng)離散化運行的優(yōu)點。再有，當(dāng)生成判定樹時，因為可自動地抽出對被說明變量具有影響的說明變量、即重要的說明變量，所以重要的說明變量清楚可見。例如圖27的數(shù)據(jù)中有說明變量X6，但在判定樹1和判定樹2中說明變量X6不存在，由此可認為說明變量X6不重要。判定樹在賦予使用者對有關(guān)數(shù)據(jù)的認知方面也是有效的模型。另外，判定樹能夠一邊防止對已知數(shù)據(jù)的適合過度，一邊對未知數(shù)據(jù)進行合適的對應(yīng)。
如上所述，本實施例中，為了將判定樹進行多個合成后生成從說明變量的值同時推測多個被說明變量的值的判定樹，通過將此判定樹用作第1～第5實施例中的目標的判定樹，能夠簡化求解將多個被說明變量同時作為預(yù)期值的條件的逆向計算。作為判定樹的合成方法，在采用合成方法1時，僅在生成了每一被說明變量的判定樹后追加簡單的后處理(簡單的程序)即可，因此便于處理。另外，合成方法2可生成簡潔的(易見的)判定樹。合成方法3可生成與原先判定樹明確對應(yīng)的判定樹，且算法也簡便。
另外，本實施例中即使對觀測數(shù)據(jù)含有缺損值(被說明變量的缺損值)，仍能生成高精度的模型。也就是說，在將被說明變量的直積作為1個被說明變量建構(gòu)判定樹的方法(本實施例開頭說明的第2種方法)中，當(dāng)觀測數(shù)據(jù)內(nèi)存在被說明變量的缺損值時，存在該部分的數(shù)據(jù)不能用于建構(gòu)判定樹、建構(gòu)后的模型的精度下降的問題。對此，本實施例中首先建構(gòu)每一被說明變量的判定樹，然后合成各判定樹后生成合成判定樹。因此，本實施例中即使觀測數(shù)據(jù)內(nèi)存在被說明變量的缺損值，也能生成高精度的模型(合成判定樹)。
權(quán)利要求
1.一種逆模型計算裝置，該裝置涉及對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，包括將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；用所述時間序列數(shù)據(jù)來生成用于算出未來時刻的輸出值的判定樹的判定樹生成部；和從所述判定樹檢測具有以所述未來時刻的輸出值作為被說明變量的值的葉節(jié)點，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來進行獲取的條件獲取部。
2.根據(jù)權(quán)利要求1所述的逆模型計算裝置，其特征在于，所述觀測目標系統(tǒng)對應(yīng)所述輸入的時間序列的輸入值來輸出多個項目的所述時間序列的輸出值，所述時間序列數(shù)據(jù)記錄部將所述時間序列的輸入值和所述多個項目的時間序列的輸出值作為所述時間序列數(shù)據(jù)來進行記錄；所述判定樹生成部使用所述時間序列數(shù)據(jù)來生成按每個所述輸出值的項目分別把所述項目作為被說明變量的所述判定樹；還具有合成按每個所述項目生成的所述判定樹來生成將各所述判定樹的被說明變量的集合作為1個被說明變量的合成判定樹的判定樹合成部；所述條件獲取部從所述合成判定樹中檢測具有以未來時刻的多個項目的輸出值作為被說明變量的值的葉節(jié)點，并將對應(yīng)從所述合成判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述多個項目的輸出值的條件來進行獲取。
3.根據(jù)權(quán)利要求2所述的逆模型計算裝置，其特征在于，所述判定樹合成部包含對應(yīng)各所述判樹輸入說明變量的值，來多次進行從備所述判定樹獲得被說明變量值這一工作的第1處理部；和將每次從各所述判定樹得到的所述被說明變量的值的集合視為1個項目的值，用輸入各所述判定樹的說明變量值和從各所述判定樹得到的被說明變量值來生成將所述項目作為被說明變量的判定樹的第2處理部。
4.根據(jù)權(quán)利要求2所述的逆模型計算裝置，其特征在于，所述判定樹合成部包括從各所述判定樹獲得從根節(jié)點至葉節(jié)點的路徑，生成多個在不同的判定樹之間將從各判定樹獲得的路徑進行組合后的路徑集合，并將在所述多個路徑集合中含量最多的、葉節(jié)點之外的節(jié)點作為所述合成判定樹的根布點來進行判定的根節(jié)點判定部；基于含有所述判定后的根節(jié)點的所述路徑集合，對該根節(jié)點獲得的值進行特定，并將具有特定后的值的枝附加到該根節(jié)點上的根節(jié)點值判定部；對所述根節(jié)點上附加的枝進行選擇，從含有所述判定后的根節(jié)點的路徑集合中檢測具有所述根節(jié)點及所選擇的枝的所述路徑集合的路徑集合檢測部；在檢測到的所述路徑集合中，對在所述根節(jié)點以外含量最多的、葉節(jié)點以外的節(jié)點進行判定，將所判定的節(jié)點附加于所選擇的枝上的節(jié)點判定部；使用含有由所述節(jié)點判定部判定的節(jié)點的所述檢測到的路徑集合將該節(jié)點獲得的值加以特定，將含有特定后的值的枝附加在該節(jié)點上的節(jié)點值判定部；所述路徑集合檢測部對通過所述節(jié)點值判定部附加后的枝進行選擇，檢測出具有包含在從所述根節(jié)點到所選擇的枝的路徑中的節(jié)點和枝的所述路徑集合，當(dāng)檢測到的所述路徑集合的個數(shù)為2以上時，所述節(jié)點判定部在含在從所述根節(jié)點到所選擇的枝的路徑中的節(jié)點以外，判定含量最多的葉節(jié)點以外的節(jié)點，將所判定的節(jié)點附加于所選擇的枝上，所述節(jié)點值判定部使用含有所判定的節(jié)點的所述檢測到的路徑集合來特定該節(jié)點獲得的值，并將具有所特定的值的枝附加于該節(jié)點上，所述路徑集合檢測部對附加后的枝進行選擇，檢測出具有從所述根節(jié)點到所選擇的枝的路徑中含有的節(jié)點及枝的所述路徑集合，當(dāng)檢測到的所述路徑集合的個數(shù)不足2個時，所述節(jié)點判定部將具有包含在檢測到的所述路徑集合中的葉節(jié)點的值的集合的節(jié)點作為所述合成判定樹的葉節(jié)點來附加在所選擇的枝上，所述路徑集合檢測部在不帶有所述葉節(jié)點的枝存在時，在所述生成過程中的判定樹中選擇不帶有葉節(jié)點的枝，并檢測出具有從所述根節(jié)點到所選擇的枝的路徑中包含的節(jié)點及枝的所述路徑集合。
5.根據(jù)權(quán)利要求2所述的逆模型計算裝置，其特征在于，所述判定樹合成部包含將作為各所述判定樹中的根節(jié)點的集合的合成節(jié)點作為所述合成判定樹的根節(jié)點而生成的根節(jié)點生成部；從各自對應(yīng)的所述判定樹中求出各所述判定樹中的根節(jié)點獲得的值，生成在不同的判定樹之間組合求出的值后的節(jié)點值集合，并將具有所述節(jié)點值集合的枝附加在所述生成的根節(jié)點上的根節(jié)點值生成部；選擇所附加的枝，當(dāng)連著對應(yīng)所選擇的枝的各所述判定樹的枝的節(jié)點中含有葉節(jié)點以外的節(jié)點時，將連著時應(yīng)所選擇的枝的各所述判定樹的枝的葉節(jié)點以外的節(jié)點的集合作為合成節(jié)點而生成，并將該合成節(jié)點附加于所選擇的枝上的節(jié)點生成部；從各自對應(yīng)的所述判定樹中求出由所述節(jié)點生成部生成的構(gòu)成合成節(jié)點的各節(jié)點獲得的值，生成在不同的判定樹之間組合求出的值后的節(jié)點值集合，并將具有節(jié)點值集合的枝附加在所述合成節(jié)點上的節(jié)點值生成部；和選擇所附加的枝，當(dāng)連著對應(yīng)所附加的枝的各所述判定樹的枝的節(jié)點中不含有葉節(jié)點以外的節(jié)點時，對從由所述根節(jié)點生成部生成的根節(jié)點到所選擇的枝的路徑所時應(yīng)的各所述判定樹的路徑進行特定，將包含各路徑的葉節(jié)點的值的集合的節(jié)點作為所述合成判定樹的葉節(jié)點而附加在所選擇的枝上的葉節(jié)點生成部。
6.根據(jù)權(quán)利要求2所述的逆模型計算裝置，其特征在于，所述判定樹合成部還包含從所述生成后的合成判定樹中選擇從根節(jié)點至葉節(jié)點的路徑，檢測出與所述所選擇的路徑對應(yīng)的各所述判定樹的路徑，并分別計算出與所述檢測出的路徑對應(yīng)的規(guī)則成立的概率的算出部；根據(jù)各所述規(guī)則的成立概率，推定在所述合成判定樹中選擇的路徑所對應(yīng)的規(guī)則成立的概率的推定部；和當(dāng)所述推定的概率不滿足預(yù)定基準時，將所述選擇的路徑對應(yīng)的規(guī)則從所述合成判定樹中去除的去除部。
7.根據(jù)權(quán)利要求1所述的逆模型計算裝置，其特征在于，還包括當(dāng)由所述條件獲得部獲得的條件是未來時刻的輸入條件時，根據(jù)所述輸入條件生成輸入所述觀測目標系統(tǒng)的值的輸入序列生成部。
8.一種逆模型計算裝置，該裝置與對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)有關(guān)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，包括將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；使用所述時間序列數(shù)據(jù)來生成用于算出未來時刻的輸出值的判定樹的判定樹生成部；將所述未來時刻的輸出值作為初始條件而輸入，并將具有所輸入的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹中檢出，將從所述判定樹的根節(jié)點至所述檢測到的葉節(jié)點的路徑所對應(yīng)的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來獲取的條件獲取部；和條件判定部；該條件判定部判定所述獲取到的條件是過去時刻的條件還是未來時刻的條件，當(dāng)為過去時刻的條件時，使用所述時間序列數(shù)據(jù)和所述獲取到的條件來判定所述獲取到的條件的真?zhèn)?，?dāng)為未來時刻的條件時，判定所述獲取到的條件是輸入條件還是輸出條件，當(dāng)為輸入條件時，將所述獲取到的條件作為用于得到所述輸出值的必要條件來進行輸出，當(dāng)為輸出條件時，將所述獲取到條件作為所述未來時刻的輸出值而輸出到所述條件獲取部。
9.根據(jù)權(quán)利要求8所述的逆模型計算裝置，其特征在于，所述條件判定部在對獲取到的所述條件的真?zhèn)蔚呐卸ńY(jié)果做出是偽的判定時，增加所述輸入的初始條件中的未來時刻，并將所增加的未來時刻的輸出值作為新的初始條件輸入到所述條件獲取部中。
10.一種逆模型計算裝置，該裝置與對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)有關(guān)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，包括將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄的時間序列數(shù)據(jù)記錄部；使用所述時間序列數(shù)據(jù)，生成用于算出未來時刻的輸出值的、從根節(jié)點至葉節(jié)點的路徑對應(yīng)含有說明變量的條件和被說明變量的值的規(guī)則的判定樹的判定樹生成部；從所述判定樹檢測出將所述未來時刻的輸出值作為被說明變量的值而具有的規(guī)則的第1規(guī)則檢測部；當(dāng)有關(guān)所述檢測到的規(guī)則中的一部分時刻帶的說明變量的條件與所述時間序列數(shù)據(jù)進行匹配時，使用所述檢測到的規(guī)則和所述時間序列數(shù)據(jù)來算出用于獲得所述未來時刻的輸出值的條件的第1條件算出部；輸入規(guī)則，并將有關(guān)所述輸入的規(guī)則中的一部分時刻帶的說明變量的條件進行匹配的規(guī)則從所述判定樹中檢出的第2規(guī)則檢測部；當(dāng)由所述第1規(guī)則檢測部檢測到的規(guī)則與所述時間序列數(shù)據(jù)不匹配時，將由所述第1規(guī)則檢測部測到的規(guī)則輸入所述第2規(guī)則檢測部的第1輸入部；當(dāng)有關(guān)由所述第2規(guī)則檢測部檢測到的規(guī)則中的一部分時刻帶的說明變量的條件與所述時間序列數(shù)據(jù)不匹配時，將由所述第2規(guī)則檢測部檢測到的規(guī)則輸入所述第2 規(guī)則檢測部的2輸入部；和當(dāng)由所述第2規(guī)則檢測部檢測到的規(guī)則與所述時間序列數(shù)據(jù)匹配時，使用由所述第1及第2規(guī)則檢測部檢測到的全部規(guī)則和所述時間序列數(shù)據(jù)來算出用于得到所述未來時刻的輸出值的條件的第2條件算出部。
11.根據(jù)權(quán)利要求10所述的逆模型計算裝置，其特征在于，還包括求出由所述第1或第2規(guī)則檢測部檢測到的所述規(guī)則中包含的某時刻的輸出條件在所述時刻之前的其他條件成立時成立的概率的概率算出部；判定所述概率滿足預(yù)定閾值的所述某時刻的時刻判定部；和將所述判定的時刻之前的時刻帶作為所述規(guī)則中的一部分時刻帶來進行判定的時刻帶判定部。
12.根據(jù)權(quán)利要求10所述的逆模型計算裝置，其特征在于，還包括有關(guān)所述判定樹中包含的各規(guī)則，求出某時刻的輸出條件在所述時刻之前的其他條件成立時成立的概率，并求出所述概率的平均值的平均算出部；判定所述概率的平均值滿足預(yù)定閾值的所述某時刻的時刻判定部；和將所述判定的時刻之前的時刻帶作為共同適用于所述各規(guī)則的所述一部分的時刻帶而進行判定的的共同時刻帶判定部。
13.一種逆模型計算方法，該方法與對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)有關(guān)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄；使用所述時間序列數(shù)據(jù)來生成用于算出未來時刻的輸出值的判定樹；從所述判定樹中檢出將所述未來時刻的輸出值作為被說明變量的值而具有的葉節(jié)點，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來獲取。
14.一種逆模型計算方法，該方法與對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)有關(guān)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，記錄輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值；使用所述時間序列數(shù)據(jù)來生成用于算出未來時刻的輸出值的判定樹；將所述未來時刻的輸出值作為初始條件來進行輸入；從所述判定樹中檢測出將所輸入的輸出值作為被說明變量而具有的葉節(jié)點，并將對應(yīng)從所述判定樹的根節(jié)點到所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來進行獲取；判斷所述獲取到的條件是過去時刻的條件還是未來時刻的條件；當(dāng)為過去時刻的條件時，使用所述時間序列數(shù)據(jù)和所述獲取到的條件來判斷所述獲取到的條件的真?zhèn)?；?dāng)為未來時刻的條件時，判斷所述獲取到的條件是輸入條件還是輸出條件；當(dāng)為輸入條件時，將所述獲取到的條件作為用于得到所述輸出值的必要條件來進行輸出；當(dāng)為輸出條件時，將所述獲取到的條件作為所述未來時刻的輸出值，從所述判定樹檢測出將該未來時刻的輸出值作為被說明變量的值而具有的葉節(jié)點，并將對應(yīng)從所述根節(jié)點至所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來進行獲取。
15.根據(jù)權(quán)利要求14所述的逆模型計算方法，其特征在于，當(dāng)所述獲取到的條件為偽時，增加所述輸入的初始條件中的未來時刻，并將所增加的未來時刻的輸出值作為新的初始條件進行輸入。
16.一種逆模型計算方法，該方法與對應(yīng)所輸入的值而輸出某值的觀測目標系統(tǒng)有關(guān)，用于求出所述觀測目標系統(tǒng)輸出某輸出值的條件，其特征在于，將輸入所述觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄；使用所述時間序列數(shù)據(jù)，來生成用于算出未來時刻的輸出值的、與從根節(jié)點至葉節(jié)點的路徑包含說明變量的條件和被說明變量的值的規(guī)則對應(yīng)的判定樹；從所述判定樹檢測出將所述未來時刻的輸出值作為被說明變量的值而具有的規(guī)則；當(dāng)有關(guān)所述檢測到的規(guī)則中的一部分時刻帶的說明變量的條件與所述時間序列數(shù)據(jù)進行匹配時，使用所述檢測到的規(guī)則和所述時間序列數(shù)據(jù)來算出用于得到所述未來時刻的輸出值的條件；當(dāng)不匹配時，從所述判定樹重新檢測有關(guān)所述檢測到的規(guī)則中的一部分時刻帶的說明變量的條件進行匹配的規(guī)則；當(dāng)有關(guān)所述重新檢測到的規(guī)則中的一部分時刻帶的說明變量的條件與所述時間序列數(shù)據(jù)不匹配時，進一步從所述判定樹中檢測出有關(guān)所述重新檢測到的規(guī)則中的一部分時刻帶的說明變量的條件進行匹配的規(guī)則；直至檢測到所述時間序列數(shù)據(jù)與有關(guān)一部分時刻帶的說明變量的條件匹配的規(guī)則為止，反復(fù)進行以下工作從所述判定樹中檢測有關(guān)最終檢測到的規(guī)則中的一部分時刻帶的說明變量的條件匹配的規(guī)則；當(dāng)檢測到所述時間序列數(shù)據(jù)與有關(guān)一部分時刻帶的說明變量的條件匹配的規(guī)則時，使用從所述判定樹檢測到的全部規(guī)則和所述時間序列數(shù)據(jù)來算出用于得到所述未來時刻的輸出值的條件。
全文摘要
本發(fā)明一個實施例的逆模型計算裝置及方法，將輸入所觀測目標系統(tǒng)的時間序列的輸入值和從所述觀測目標系統(tǒng)輸出的時間序列的輸出值作為時間序列數(shù)據(jù)進行記錄；使用所述時間序列數(shù)據(jù)來建構(gòu)用于算出未來時刻的輸出值的判定樹；將具有以所述未來時刻的輸出值作為被說明變量的值的葉節(jié)點從所述判定樹進行檢測；將對應(yīng)從所述根節(jié)點至所述檢測到的葉節(jié)點的路徑的規(guī)則中包含的說明變量的條件作為用于得到所述輸出值的條件來獲取。
文檔編號G06F15/00GK1604032SQ20041009516
公開日2005年4月6日 申請日期2004年9月2日 優(yōu)先權(quán)日2003年9月2日
發(fā)明者森田千繪, 波田野壽昭, 仲瀨明彥 申請人:株式會社東芝