基于神经网络块的混合型方案设计知识库系统0焊锡膏

基于神经网络块的混合型方案设计知识库系统*

基于神经网络块的混合型方案设计知识库系统* 2011年12月09日 来源： １　引言　　专家系统是人工智能的重要应用领域，自６０年代开始，经历了３０多年的发展历史，取得了巨大成功，数以万计的专家系统相继出现，被广泛应用于国民经济的各个领域。但是，实践证明专家系统还存在着三大突出问题：知识的脆弱性，推理的单调性和知识获取的“瓶颈”等［1，2，1］。　　人工神经网络模仿人类大脑的结构和功能，是由多个非常基本的、简单的神经元按某种方式联接而成的一种信息处理系统，是一个以有向图为拓扑结构的非线性动力系统，其主要特点是高度平行性、容错性和自适应性。但在深入的研究过程中，人们发现人工神经网络有一个根本的弱点：虽然它能进行自学习，但训练算法复杂，不能保证收敛；其次，神经网络方法目前只适合较小规模的情况，当规模较大时，网络的泛化问题不易解决。　　近几年，各学派都从不同角度在不同层次上，对人工智能的不同方面：思维、感知、行为等进行了研究，各有其局部的相对真理性。因此，国内外著名的人工智能专家较一致地认为：需要把神经网络和专家系统结合起来，使之成为能发挥各自优点的综合集成系统［１～５］。２　神经网络块　　神经网络算法是一数值计算过程，它的输入和输出都是数值向量，所以神经网络系统不能直接和外界通讯，必须经过逻辑到数字和数字到逻辑的两次转换［１］。即在输入外界逻辑信息到神经网络时，要把输入样本转化为输入向量，网络的输出向量也必须转化成对应的样本后才能被外界识别和利用。这就形成了一个独立的模块——神经网络块，其基本结构如图１所示。图1　神经网络块结构示意图　　神经网络块包括三部分：输入转换器、神经网络和输出转换器。输入转换器的功能是将实际问题的逻辑信息转换成数字信息，使之能够被神经网络处理；输出转换器则将神经网络输出的数字信息转换为外界能够识别和利用的逻辑信息。只要能制定出适当的输入转换模式和输出转换模式，通过运行神经网络模型，上述三部分就可作为一个具有独立功能的子模块，应用到专家系统的建造中。　　神经网络块具有下列优点：　　（１）能自动对系统的逻辑输入产生逻辑输出；　　（２）具有自我完善能力，即可通过增加学习样本的方法进一步学习直至获得对新情况的感知；　　（３）推理时具有对不精确性的自然处理，因为神经网络系统本身具有模糊性和容错性；　　（４）具有外部接口的逻辑性，与传统专家系统中的逻辑模块完全一致，便于系统控制。３　混合型专家系统　　所谓混合型专家系统，就是在系统各功能模块中允许符号加工机制和联接机制并存。我们采用“黑盒”结构，系统中每个盒子或者是一个符号系统，或者是一个神经网络块，并都接受符号信息，输出符号信息，盒与盒之间不需了解内部情况。其基本的功能框架结构如图２所示。　　在这个框架中，实现了知识的分层，不同的知识有不同的表示方法和相应的推理机制；神经网络块的应用，保证了模块之间的独立和相互通讯。图2　混合型专家系统功能框架３．１　知识表示与知识库　　知识表示模块是建造混合型专家系统的关键步骤之一。在混合型系统中，知识表示采用两种方法：一是用传统知识表示方法如规则、框架来表示；二是用神经网络块来表示。因此，知识库在混合型专家系统中所起的作用比在传统专家系统中更加复杂，如图３所示，它包括：　　（１）由传统知识获取方法得到的逻辑知识；　　（２）由神经网络块输出的逻辑知识；　　（３）训练神经网络所需要的知识，如学习样本、模型构造等；　　（４）神经网络块中的权值矩阵的存储等。图3　知识表示与知识库结构模型　　知识库管理系统必须管理好上述各种知识，同时必须处理好神经网络与符号机制的信息交换，神经网络块的应用使这一问题大大简化，可以将神经网络块的逻辑知识与传统的知识表示置于统一的管理模式下。３．２　知识获取　　知识获取向来是建造专家系统的“瓶颈”。在混合型专家系统中，可采用两种知识获取机制：在神经网络块中用神经网络来自动获取知识，即用训练样本对神经网络进行训练，在特定的逻辑输入条件下，产生相应的逻辑输出；在传统知识表示中用半自动方法如专家或知识工程师通过智能知识编辑器进行知识获取，如图

新乡哪家治疗产科好

天津津门哪家医院治皮炎

昆明治疗帕金森哪家好

治性功能障碍医院哪家好

长沙那个医院治疗白癜风好