基于神經(jīng)網(wǎng)絡(luò)算法的知識獲取研究.pdf

1、專家系統(tǒng)作為人工智能重要的應(yīng)用之一,在近幾十年的發(fā)展中理論和技術(shù)逐漸成熟,在許多領(lǐng)域中取得了廣泛和成功的應(yīng)用。專家知識的獲取是開發(fā)專家系統(tǒng)的重要環(huán)節(jié),但由于傳統(tǒng)的專家知識獲取方法效率低下,知識獲取一直是專家系統(tǒng)開發(fā)的“瓶頸”問題,在近幾年成為學(xué)者們研究的熱點。人工神經(jīng)網(wǎng)絡(luò)同人工智能領(lǐng)域的其它計算方法相比,具有大規(guī)模并行處理、分布式存儲、自適應(yīng)、自學(xué)習(xí)等優(yōu)點。神經(jīng)網(wǎng)絡(luò)知識獲取源于1988年,Gallant設(shè)計了一個連接主義專家系統(tǒng),在Ga

2、llant之后,陸續(xù)有一些研究者對神經(jīng)網(wǎng)絡(luò)規(guī)則抽取進(jìn)行了研究。根據(jù)神經(jīng)網(wǎng)絡(luò)知識獲取算法設(shè)計思想的不同可以分成基于結(jié)構(gòu)分析的算法和基于性能分析的算法兩大類。基于結(jié)構(gòu)分析的神經(jīng)網(wǎng)絡(luò)規(guī)則抽取方法把規(guī)則抽取視為一個搜索過程,其基本思想是把已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)映射成對應(yīng)的規(guī)則,基于性能分析的神經(jīng)網(wǎng)絡(luò)規(guī)則抽取方法并不對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析和搜索,而是把神經(jīng)網(wǎng)絡(luò)作為一個整體來處理。
　　 本文基于性能分析的觀點,提出了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)知識

3、獲取方法,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行專家系統(tǒng)的知識獲取。首先設(shè)計神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),并對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,然后采用隨機(jī)數(shù)據(jù)集生成的方法產(chǎn)生規(guī)則(知識)所需要的示例空間,利用chi2的改進(jìn)算法進(jìn)行連續(xù)屬性離散化,最后采用一種自學(xué)習(xí)的算法產(chǎn)生代表知識的規(guī)則,通過選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的經(jīng)典樣本進(jìn)行試驗仿真表明,該方法能夠抽取出精度高、保真度高的規(guī)則(知識)。
　　 按照這個思路,本文針對基于神經(jīng)網(wǎng)絡(luò)算法的專家系統(tǒng)知識獲取問題進(jìn)行了研究。本文首