SIRMs結合型ファジィ推論法による排他的論理和の実現

摘要

Single Input Rule Modules connected fuzzy inference method (SIRMs method, for short) by Yubazaki can decrease the number of fuzzy rules drastically in comparison with the conventional fuzzy inference methods. However, SIRMs method can not be applied to XOR (Exclusive OR). In this paper, we propose "neural network type single input rule modules connected fuzzy inference method" which unifies conventional SIRMs method and neural network, and show that this method can be applied to XOR. Further, learning algorithm of the proposed SIRMs method is derived by steepest descent method, and is shown to be superior to the conventional SIRMs method and neural network by applying to identification of nonlinear functions.%従来のファジィ推論法よりも規則数を大幅に削減可能にした，単一入力ルール群（Single Input Rule Modules，以下SIRMs）結合型ファジィ推論法が揚場崎らにより提案されており，様々な分野へ応用され良好な結果が得られている.しかしながら,排他的論理和のような非線形分離問題には対応できないという欠点を抱えている．本研究ではSIRMs推論法とこユーラルネットワークを融合した“ニューラルネットワーク型単一入力ルール群ファジィ推論法”（以下，ニューラルネットワーク型SIRMs推論法）を提案し，非線形分離問題に対応できることを示した．さらにニューラルネットワーク型SIRMs推論法の学習アルゴリズムを導出し，非線形関数の同定に適用し，良好な結果が得られることをも示した．