2017 Fiscal Year Annual Research Report
Development of fast calculation-type fuzzy inference models considering big data
| Project/Area Number |
15K16065
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
関 宏理 大阪大学, 基礎工学研究科, 助教 (10583693)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ソフトコンピューティング / ファジィ推論 / 単一入力型ファジィ推論モデル / ビッグデータ / 高速演算 / 不精密ルール |
|---|
| Outline of Annual Research Achievements |
今年度はビッグデータに有効なモデルである後件関数を1次式から多項式へ拡張したSIRMsファジィ推論モデル（以後、拡張型SIRMs推論モデル）の理論的性質の解明を行った。性質としては、代表的な従来モデルの一つであるT-S推論モデルと拡張型SIRMs推論モデルの等価条件を明らかにした。その結果、拡張型SIRMs推論モデルは関数型SIRMs推論モデルよりもT-S推論モデルと等価になる条件が緩和され、推論性能としても非常に高くなっていることが示された。また等価条件を明らかにすることにより、その条件から単調性も容易に示すことができることも明らかとなった。一方、通常のファジィ推論モデルを考える場合、多入力1出力のファジィ推論モデルが最も使用されている。しかしながら、現実問題を考える場合、後件部ファジィ集合が1つではなく、orで結合された不精密なルールを考慮することが必要になる場合が存在する。このことから、本研究では不精密ルールを考慮したファジィ推論モデルを提案した。さらに、不精密ルールに使用する重みを後件部ファジィ集合の面積と見なすことにより、知識的にも理解しやすくすることが可能であることが示された。また後件部のファジィ集合を面積法で計算することにより高速演算が可能であることをも示した。データがビッグデータであるほど、曖昧さや不確実な情報を有するため不精密なルールを考慮する必要がある。したがって本提案モデルでは不精密ルールをファジィ集合で表現できるため、その意味合いを理解しやすく、かつ面積法による高速演算で推論を行えることから、ビッグデータの判別分析およびそのルールによる意味の解明も可能とすることが期待される。
|
