粗糙集、神经网络与专家系统的融合技术及应用进展论文.pdfVIP

粗糙集、神经网络与专家系统的融合技术及应用进展 温秀兰① 谭静① ①(内蒙古工业大学机械学院010062) ②(东南大学仪器科学与工程系210096) 摘要专家系统是人工智能领域的一个重要分支，目前已在众多领域得到应用．本文首先 分析了专家系统建造时存在的主要问题，接着概述了粗糙集理论及基于神经网络的 知识获取方法，最后对粗糙集理论、神经网络、专家系统各自特点及其融合技术进 行讨论，同时介绍了这方面的最新应用． 关键词知识荻取，粗糙集，神经网络，专家系统，融合技术 1引言 智能系统的混合结构设计是为迎接下一代智能系统的开发而展开的一个新的人工智能研 究领域fl】【2】o智能混合系统是指将不同的智能技术如模糊逻辑、神经网络、专家系统、遗传算 法及规则推理系统融合应用的系统。而专家系统是人工智能领域的一个重要分支，现已应用 于很多实际领域。但是基于传统的专家系统构造理论建立的专家系统(称传统专家系统)面 临的主要问题是知识获取困难以及无法处理不一致、不完备的知识。而目前还没有一种智能 技术能解决这些问题，为此将两种或多种技术融合起来建造混合专家系统显得尤为迫切，已 成为当今人工智能领域的一个新的学术热点。 神经网络和专家系统的融合已经取得了一定进展，，两者在技术特点上的互补为其融合提 供了可能，融合建造的系统(称神经专家系统)要比只有其中一种技术支持的系统功能强大 得多【3】o神经专家系统能够通过对样本的学习从实例中自动提取知识，并将知识编码于神经网 络的连接权值和阈值中。该系统能够处理不完全和含有噪声的数据，在一定程度上解决了传 统专家系统知识获取的瓶颈问题。但是神经专家系统在知识库调试过程中还有不足，神经网 络自身也存在结构选择随意性大，训练时间长及缺乏对所得结论进行解释的能力等问题。粗 糙集理论是在九十年代初由波兰华沙理工大学z．Paulak首次提出的一种新型的处理模糊和 不确定知识的数学工具【4】。目前已经在人工智能、知识与数据发现、模式识别与分类、故障检 测等方面得到了较为成功的应用。运用粗糙集理论不仅能够有效地分析不精确、不一致、不 完整等各种不完备的信息，发现隐藏在数据中的规律，而且还能在不丢失信息的前提下，将 属性缩减和属性值域缩减。为此，将粗糙集知识用于神经网络训练样本的预处理，就可以减 少神经网络的输入矢量，简化网络结构，提高学习效率【5j。因此分析粗糙集理论、神经网络及 专家系统各自技术特点，探索三者的融合技术已成为当前人工智能领域的主要研究方向之一。 737 2专家系统技术 专家系统是人工智能的一个重要分支，已经在许多领域中都有成功的应用，其应用领域 包括：分类、预测、诊断、决策、监控等。传统的专家系统通常由工作空间、知识库、知识 获取机构、推理机和用户界面五部分组成。其结构特点是知识库与推理机分离，当需要补充 新规则和事实时，知识库很容易被修改，而且也能够实现对推理过程的解释。但是传统专家 系统也存在一些缺陷，其根源在于领域专家并不总是按照规则来处理问题。这样，传统专家 系统就无法模仿人类专家实际的推理过程，而且传统专家系统也不能从经验数据及新补充的 事例中自动提取规则。为弥补传统专家系统的不足，可以考虑将其它智能技术如数据库系统、 决策支持系统、神经网络、模糊系统以及遗传算法融合于专家系统中。 (1)知识获取存在的问题 知识获取是指在专家系统的建立过程中，抽取领域知识并把它们表示成计算机内部形式 的过程。知识获取是建立专家系统最关键也是最难实现的一步，其过程包括从给定领域中抽 取知识、解释知识及表示知识。事实证明，直接从专家那里抽取知识不仅成本高，不精确易 出错，而且耗费时间长。因为许多专家的知识是“潜意识”的，很难直接用语言来表达，有 时专家也不愿意加入到漫长的知识推导过程中。因此有必要开展这方面的研究工作，实现知 识获取过程的自动化。 ． (2)专家系统的不确定性 专家系统应该为用户提供准确、可靠的知识。然而由于知识域表示的模糊性使得专家系 统经常需要对不确定性问题做出解答。