基于神經(jīng)網(wǎng)絡(luò)算法的知識(shí)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(shí)的獲取是開(kāi)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(shí)獲取方法效率低下,知識(shí)獲取一直是專家系統(tǒng)開(kāi)發(fā)的“瓶頸”問(wèn)題,在近幾年成為學(xué)者們研究的熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)同人工智能領(lǐng)域的其它計(jì)算方法相比,具有大規(guī)模并行處理、分布式存儲(chǔ)、自適應(yīng)、自學(xué)習(xí)等優(yōu)點(diǎn)。神經(jīng)網(wǎng)絡(luò)知識(shí)獲取源于1988年,Gallant設(shè)計(jì)了一個(gè)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(duì)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(shí)獲取算法設(shè)計(jì)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?；诮Y(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(gè)搜索過(guò)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(duì)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(duì)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(gè)整體來(lái)處理。
　　 本文基于性能分析的觀點(diǎn),提出了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)知識(shí)

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(shí)獲取。首先設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),并對(duì)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(shí))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(shí)的規(guī)則,通過(guò)選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)中的經(jīng)典樣本進(jìn)行試驗(yàn)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(shí))。
　　 按照這個(gè)思路,本文針對(duì)基于神經(jīng)網(wǎng)絡(luò)算法的專家系統(tǒng)知識(shí)獲取問(wèn)題進(jìn)行了研究。本文首