安全性の高いファジィコントローラ・人工ニューラルネットワークの開発

高度安全的模糊控制器/人工神经网络的开发

• 批准号: 13780369
• 负责人: 上浦 尚武
• 金额: $ 1.41万
• 依托单位: Himeji Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2001
• 资助国家: 日本
• 起止时间: 2001 至 2002
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13780369/
• 关键词: 階層型ニューラルネットワーク; ファジィコントローラ; フォールトトレランス; メンバシップ関数縮退故障; ニューロン結合線縮退故障; ニューロン加重縮退故障; オンラインテスト; 故障補償

本研究は,高安全性ニューラルネットワーク(以下NN)・ファジイコントローラ(以下FC)の開発を目的とし,以下に示す成果を得ることができた.1.FC多重故障補償法確立(1)メンバシップ関数多重縮退故障に対するオンライン検出法を提案した.本方法は,後件部における検査用観測対象として,積分値であるファジィ出力集合面積を用いた.これにより,本方法に基づき,従来法より安定性において優れたハードウェア構築が可能となった.(2)上記(1)により検出されたもののうち,各前件部,後件部に高々一個生じている故障に対する即時的補償法を提案した.本方法は,後件部に補償用関数を一個付加するだけでよいため,従来法よりハードウェア付加量を削減できる.2.NN耐荷重故障化学習法確立(1)入力層,中間層,出力層からなる階層型NNに生じた結合線縮退故障に対し,その影響を最低限に抑え込む学習アルゴリズムを提案した.中間層内故障耐性化のためには、活性化関数であるシグモイド関数の傾きを小さくする.一方,出力層内故障耐性化のためには,シグモイド関数の傾きを逆に大きくする.本方法は,耐故障性において従来法より優れている.(2)上記(1)の傾き操作に加え,ニューロン内部状態における演算改良も採用したフォールトトレランス強化法を提案した.荷重縮退故障の影響が一定量を大幅に超える場合は,演算改良としてニューロンに新たに加えられたフィルタ機能が,その値を許容値まで低減する.一方,ニューロンへの各入力値を一定量減じた後,各内部状態値を一定量増加させる演算改良策が,故障影響の比較的小さい場合に作用し,耐故障性を向上する.本方法は,耐故障性・学習収束速度の両面において,従来法よりも大幅に優れている.3.NNオンライン検査法確立NNへの教師信号符号化に際し,1ビット数を奇数にし,オンラインパリティ検査を可能にした.

This study aims to develop a high safety multi-fault compensation method (hereinafter NN) for multi-fault compensation (hereinafter FC). This method is based on the measurement of the integral value of the output set area of the rear part. This method is based on the theory of stability and stability, and it is possible to construct a new method. (2)The above note (1) indicates that each antecedent part and subsequent part has a high level of compensation for a fault. 2. NN load-bearing failure learning method is established.(1) The input layer, the intermediate layer, and the output layer are hierarchical types. NN generation and combination line shrinkage failure is established. In the middle layer, the fault tolerance is reduced, and the activation factor is reduced. On the one hand, the fault tolerance in the output layer is reduced. This method is not only fault tolerant, but also excellent. (2)Note (1) the operation of the tilt add, the internal state of the algorithm to improve the use of the first step to strengthen the method proposed. When the load reduction fault affects a certain amount greatly, the calculation is improved and the new function is added. On the one hand, after each input value of the fault is reduced by a certain amount, each internal state value is increased by a certain amount. This method is based on fault tolerance, learning beam speed, and learning method. 3. NN search method. When NN search method is used to establish NN search teacher signal symbol, the number of bits is odd, and the number of bits is odd.

项目成果

N.Kamiura, M.Tomita, T.Isokawa, N.Matsui: "On Variable-Shift-Based Fault Compensation of Fuzzy Controllers"Proceedings of 2001 The IEEE International Symposium on Defect and Fault Tolerance in VLSI Systems. 436-444 (2001)

N.Kamiura、M.Tomita、T.Isokawa、N.Matsui：“On Variable-Shift-Based Failure Compensation of Fuzzy Controllers”2001 年 IEEE 国际 VLSI 系统缺陷和容错研讨会论文集。

N.Kamiura, T.Isokawa, N.Matsui, K.Yamato: "On-Line Multiple-Fault-Detection of Fuzzy Controllers"Proceedings of the 7th IEEE International On-Line Testing Workshop. 202-206 (2001)

N.Kamiura、T.Isokawa、N.Matsui、K.Yamato：“模糊控制器的在线多重故障检测”第七届 IEEE 国际在线测试研讨会论文集。

N.Kamiura, Y.Taniguchi, N.Matsui: "A Functional Manipulation for Improving Tolerance against Multiple-Valued Weight Faults of Feedforward Neural Networks"Proceedings of the 31St IEEE International Symposium on Multiple-Valued Logic. 339-344 (2001)

N.Kamiura、Y.Taniguchi、N.Matsui：“提高前馈神经网络多值权重故障容错能力的函数操作”第 31 届 IEEE 国际多值逻辑研讨会论文集。

N.Kamiura, Y.Taniguchi, Y.hata, N.Matsui: "A Learning Algorithm with Activation Function Manipulation for Fault Tolerant Neural Networks"IEICE Transactions on Information and Systems. vol.E84-D, no.7. 899-905 (2001)

N.Kamiura、Y.Taniguchi、Y.hata、N.Matsui：“一种用于容错神经网络的具有激活函数操作的学习算法”IEICE Transactions on Information and Systems。

N.Kamiura, Y.Taniguchi, T.Isokawa, N.Matsui: "An Improvement in Weight-Fault Tolerance of Feedforward Neural Networks"Proceedings of The 10th Asian Test Symposium. 359-364 (2001)

N.Kamiura、Y.Taniguchi、T.Isokawa、N.Matsui：“前馈神经网络重量容错性的改进”第十届亚洲测试研讨会论文集。