基于神经网络的专家系统

《基于神经网络的专家系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2．3基于神经网络的专家系统2．3．1神经网络概念广义上讲，神经网络是泛指生物神经网络与人工神经网络这两个方面。所谓生物神经网络是指由中枢神经系统(脑和脊髓)及周围神经系统(感觉神经、运动神经、交感神经、副交感神经等所构成的错综复杂的神经网络，它负责对动物机体各种活动的管理，其中最重要的是脑神经系统。所谓人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式建立起来的网络系统；显然，人工神经网络是在生物神经网络研究的基础上建立起来的，人脑是人工神经网络的原型，人工神经网络是对脑神经系统的模拟。一、脑神经系统与生物神经元1、脑神经系统关于神经网络的构

2、成，早在1875意大利解剖学家戈尔吉（C．Golgi）就用银渗透法最先识别出了单个的神经细胞。1889年卡贾尔(Cajal)创立神经元学说，认为整个神经系统都是由结构上相对独立的神经细胞构成的。据估计，人脑神经系统的神经细胞约为1011个。2、生物神经元l生物神经元组成：神经细胞是构成神经系统的基本单元。称之为生物神经元，或简称为神经元。神经元主要由三个部分组成：细胞体、轴突、树突。如图昕示。(1)细胞体：由细胞核、细胞质与细胞膜等组成。直径为5-100／ln，大小不等。它是神经元的新陈代谢中心，同时还用于接收并处理对其它神经元传递过来的信息。细胞膜内外有电位差，称为膜

3、电位，膜外为正，膜内为负。(2)轴突：这是由细胞体向外伸出的最长的一条分枝，每个神经元一个.长度最大可达1m以上，其作用相当于神经元的输出电缆，它通过尾部分出的许多神经末梢以及梢端的突触向其它神经元输出神经冲动。(3)树突：这是由细胞体向外伸出的除轴突外的其它分枝，长度一般均较短，但分枝很多。它相当于神经元的输人端，用于接收从四面八方传来的神经冲动。(4)突触：是神经元之间相互连接的接口部分，即一个神经元的神经末梢与另一个冲经元的树突相接触的交界面，位于神经元的神经末梢尾端。每个神经元都有很多突触，据测定，大多数神经元拥有突触的数量约在103-104之间。而位于大脑皮层

4、的神经元上突触的数目可达3×104以上。整个脑神经系统中突触的数量约在1014-1015之间。l神经元之间的联系:在神经系统中，神经元之间的联系形式是多种多样的。一个神经元既可以通过它的轴突及突触与其它许多神经元建立联系，把它的信息传递给其它神经元；亦可以通过它的树突接收来自不同神经元的信息。神经元之间的这种复杂联系就形成了相应的神经网络。l经人们多年悉心研究，发现神经元还具有如下一些重要特性：(1)在每一神经元中，信息都是以预知的确定方向流动的，即从神经元的接收信息部分(细胞体、树突)传到轴突的起始部分，再传到轴突终端的突触，最后再传递给另一神经元。尽管不同的神经元在

5、形状及功能上都有明显的不同，但大多数神经元都是按这一方向进行信息流动的。这称为神经元的动态极化原则。(2)神经元对于不同时间通过同一突触传入的信息，具有时间整合功能；对于同一时间通过不同突触传人的信息，具有空间整合功能。这称为神经元对输入信息的时空整合处理功能。(3)神经元具有两种常规工作状态，即兴奋状态与抑制状态。所谓兴奋状态是指神经元对输入信息经整合后使细胞膜电位升高，且超过了动作电位的阈值，此时产生神经冲动，并由轴突输出。所谓抑制状态是指经对输入信息整合后，膜电位下降至低于动作电位的阈值，此时无神经冲动输出。(4)突触传递信息的特性是可变的，随着神经冲动传递方式的

6、变化，其传递作用可强可弱，所以神经元之间的连接是柔性的，这称为结构的可塑性。(5)突触界面具有脉冲与电位信号的转换功能。沿轴突传递的电脉冲是等幅、离散的脉冲信号，而细胞膜电位变化为连续的电位信号，这两种信号是在突触接口进行变换的。(6)突触对信息的传递具有时延和不应期，在相邻的两次输入之间需要一定的时间间隔，在此期间不响应激励，不传递信息，这称为不应期。二、人工神经元及其互连结构人工神经网络是由大量处理单元(人工神经元、处理元件、电子元件、光电元件等)经广泛互连而组成的人工网络，用来模拟脑神经系统的结构和功能。它是在现代神经科学研究的基础上提出来的，反映了人脑功能的基本

7、特性。在人工神经网络中，信息的处理是由神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连间分布式的物理联系，网络的学习和识别取决于各神经元连接权值的动态演化过程。1、人工神经元正如生物神经元是生物神经网络的基本处理单元一样，人工神经元是组成人工神经网络的基本处理单元，简称为神经元。在构造人工神经网络时，首先应该考虑的问题是如何构造神经元。在对生物神经元的结构、特性进行深入研究的基础上，心理学家麦克洛奇(W．McCulloch)和数理逻辑学家皮兹(W.Pitts)于1943年首先提出了一个简化的神经元模型，称为M-P模型，如图