基于BP算法的知識獲取系統(tǒng)的研究與實現(xiàn).pdf

1、在專家系統(tǒng)開發(fā)過程中，知識獲取是決定專家系統(tǒng)性能的關鍵因素，也是最難解決的一道工序，被列為專家系統(tǒng)建造的中心工作，被公認為是專家系統(tǒng)建造中的“瓶頸”問題。 本文來源于國家科技攻關研究項目《柑橘智能栽培專家系統(tǒng)》的研發(fā)。文章首先設計了一個三層BP網絡模型，確定了一個較為靈活的網絡結構(可以動態(tài)輸入神經網絡輸入和輸出單元數(shù)目)，使得網絡在增刪神經元數(shù)目的情況下仍然可以正常的較好的運行。并針對標準BP神經網絡算法的缺點提出一種采用了學

2、習速率自行調節(jié)和增加動量項結合的改進方法——MSBP，該算法有效的抑制了網絡陷于局部極小，加快網絡訓練速度，縮短訓練時間，確保網絡穩(wěn)定性。通過對MSBP算法的仿真結果表明，改進的算法在訓練次數(shù)、訓練時間、誤差等方面大為降低，泛化性和網絡精度均達到了令人滿意的效果。在上述研究工作基礎上，針對神經網絡的黑箱性，提出將SD算法用于規(guī)則抽取，SD算法對前饋網絡相當有效，可以抽取出正確的產生式規(guī)則，通過在系統(tǒng)中的實現(xiàn)取得了良好的效果。 本