人工智能神經(jīng)網(wǎng)絡(luò)方面的研究，適用于概述方面的作業(yè)喲


摘  要

　　　現(xiàn)代化的建設(shè)需要信息技術(shù)的支持，專家系統(tǒng)是一種智能化的信息技術(shù)，它的應(yīng)用改變了過去社會各領(lǐng)域生產(chǎn)基層領(lǐng)導(dǎo)者決策的盲目性和主觀性，緩解了我國各領(lǐng)域技術(shù)推廣人員不足的矛盾，促進(jìn)了社會的持續(xù)發(fā)展。但傳統(tǒng)專家系統(tǒng)只能處理顯性的表面的知識，存在推理能力弱，智能水平低等缺點，所以本文引入了神經(jīng)網(wǎng)絡(luò)技術(shù)來克服傳統(tǒng)專家系統(tǒng)的不足，來試圖解決專家系統(tǒng)中存在的關(guān)系復(fù)雜、邊界模糊等難于用規(guī)則或數(shù)學(xué)模型嚴(yán)格描述的問題。本文采用神經(jīng)網(wǎng)絡(luò)進(jìn)行大部分的知識獲取及推理功能，將網(wǎng)絡(luò)輸出結(jié)果轉(zhuǎn)換成專家系統(tǒng)推理機(jī)能接受的形式，由專家系統(tǒng)的推理機(jī)得到問題的最后結(jié)果。最后，根據(jù)論文中的理論建造了棉鈴蟲害預(yù)測的專家系統(tǒng)，能夠準(zhǔn)確預(yù)測棉鈴蟲的發(fā)病程度，并能給用戶提出防治建議及措施。有力地說明了本論文中所建造的專家系統(tǒng)在一定程度上解決了傳統(tǒng)專家系統(tǒng)在知識獲取上的“瓶頸”問題，實現(xiàn)了神經(jīng)網(wǎng)絡(luò)的并行推理，神經(jīng)網(wǎng)絡(luò)在專家系統(tǒng)中的應(yīng)用具有較好的發(fā)展前景。
　　　
　　　關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò) 專家系統(tǒng) 推理機(jī) 面向?qū)ο?知識獲取
　　　
　　　
　　　
　　　
　　　
　　　
Abstract

　　　Modern construction needs the support of IT, expert system is the IT of a kind of intelligence, its application has changed past social each field production subjectivity and the blindness of grass-roots leader decision-making, have alleviated the contradiction that each field technical popularization of our country has insufficient people, the continued development that has promoted society. But traditional expert system can only handle the surface of dominance knowledge, existence has weak inference ability, intelligent level is low, so this paper has led into artificial neural network technology to surmount the deficiency of traditional expert system, attempt the relation that solution has in expert system complex, boundary is fuzzy etc. are hard to describe strictly with regular or mathematics model. This paper carries out the most of knowledge with neural network to get and infer function , changes network output as a result into expert system, inference function the form of accepting , the inference machine from expert system gets the final result of problem. Finally, have built the expert system of the cotton bell forecast of insect pest according to the theory in this thesis, can accurate forecast cotton bell insect become sick degree, and can make prevention suggestion and measure to user. Have proved on certain degree the expert system built using this tool have solved traditional expert system in knowledge the problem of " bottleneck " that gotten , the parallel inference that has realized neural network, Neural network in expert system application has the better prospect for development.
　　　    
Key words   Neural network  Expert system  Reasoning engine
　　　　　　　　　　Object-orientation   Knowledge acquisition
　　　　　　　　　　

目  錄
摘  要 I
Abstract II
第1章  緒  論 1
1.1  論文研究的背景 1
1.1.1  國內(nèi)外研究現(xiàn)狀 1
1.1.2  專家系統(tǒng)在開發(fā)使用中存在的缺點 2
1.1.3  神經(jīng)網(wǎng)絡(luò)的局限性 3
1.2  論文研究的主要內(nèi)容 3
1.3  論文研究的目標(biāo)及意義 4
1.4  論文的組織結(jié)構(gòu)和安排 4
第2章  神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的基本理論 5
2.1  神經(jīng)網(wǎng)絡(luò)的基本理論 5
2.1.1  神經(jīng)網(wǎng)絡(luò)的概述及工作原理 5
2.1.2  神經(jīng)網(wǎng)絡(luò)的基本特征及優(yōu)點 6
2.1.3  BP神經(jīng)網(wǎng)絡(luò)模型 8
2.1.4  BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置 10
2.2  專家系統(tǒng)的基本理論 12
2.2.1  專家系統(tǒng)的功能 12
2.2.2  專家系統(tǒng)的基本結(jié)構(gòu)及組成 13
第3章  基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究 16
3.1  神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)整體設(shè)計 16
3.1.1  神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)總體結(jié)構(gòu) 16
3.1.2  神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的組成及功能 16
3.2  知識表示 17
3.2.1  傳統(tǒng)知識表示方法 18
3.2.2  面向?qū)ο笾R表示方法 19
3.2.3  本論文采用的知識表示方法 20
3.3  知識獲取 21
3.3.1  知識獲取的基本方法 22
3.3.2  神經(jīng)網(wǎng)絡(luò)知識獲取方法 23
3.4  推理機(jī) 25
3.4.1  專家系統(tǒng)推理機(jī)制 25
3.4.2  神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的推理機(jī)制 26
3.5  知識存儲與維護(hù)更新 26
3.5.1  神經(jīng)網(wǎng)絡(luò)知識存儲 26
3.5.2  神經(jīng)網(wǎng)絡(luò)知識維護(hù)更新 27
3.6  用戶界面 27
第4章  基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的應(yīng)用 29
4.1  例子的建造背景 29
4.2  例子的建造過程 30
4.2.1  特征因子選擇 30
4.2.2  網(wǎng)絡(luò)參數(shù)配置 30
4.2.3  樣本數(shù)據(jù)處理 31
4.2.4  訓(xùn)練網(wǎng)絡(luò) 31
4.2.5  網(wǎng)絡(luò)訓(xùn)練結(jié)果分析 34
4.2.6  專家建議 34
4.3  例子的結(jié)果分析 34
結(jié)  論 36
致  謝 37
參考文獻(xiàn) 38
附錄1  外文資料中文翻譯 40
附錄2  外文資料原文 45