资源描述：
《神经网络的知识处理_杨伟东》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、河北工业大学学报第27卷JOURNALOFHEBEIUNIVERSITYOFTECHNOLOGY1998年第1期X神经网络的知识处理杨伟东张津春商同李华(河北工业大学机械电子工程系天津300130)摘要从知识处理角度,分析研究了神经网络的知识表示、获取和推理机制.并结合心电图分类进行了实例验证,结果表明神经网络既能正确识别训练过的心电图,又对未训练过的心电图有较好的分类能力.关键词神经网络,知识表示,知识获取,推理机制,人工智能中图法分类号TP3910引言人的智能主要源于人脑,人脑是一部不同寻常的智能机.古今中外,许许多多的科学家为了揭开人脑机能的奥秘,从不同角度进行了长期不懈的努力和探索
2、,逐渐形成了一个多学科交叉的前沿技术领域—一人工神经网络(ANN).人工神经网络是以工程技术手段模拟人脑神经[1]网络的结构和功能的一类系统.探索人脑组织及其信息处理机制,是人类面临的一项挑战,也是科学技术革命的需要.神经网络从40年代信息科学的开创时期到现在走过了半个多世纪的曲折历程,迎来了一个空前活跃的新的发展时期,成为现代脑科学、数理科学、计算机及信息科学等综合研究的共同前沿之一.脑科学的发展与神经网络的研究相互促进.1神经网络的知识表示1.1知识表示的两重性[2]在传统的人工智能和知识工程中,人们习惯于知识表示的假说,即知识用一些表达式或数据结构等符号来表示.传统的知识表示,不管是
3、产生式系统,还是框架和语义网络,都可以看作是知识的显式表示;而神经网络中的知识可看作是一种隐式表示,即将某一问题的若干知识表示在同一网络中.知识的产生式表示法与人的思维相近,人们易于理解其内容.而神经网络中的知识建模是[3]通过学习(训练)完成的.通过学习从实例中提取有关知识,将有关知识以网络的形式表示.多层前馈神经网络的内部表示可用联结权值矩阵和偏置值向量描述.1.2知识表示的分布性神经网络的知识编码于其内部结构中,知识以分布的形式表示.为了说明神经网络的知识分布在联结权和偏置上的情况,设有A～G共七个样本点,其中A、D、F、G取值为1,B、C、E取X河北省自然科学基金资助课题收稿日期:
4、1997年7月11日杨伟东男1972年出生硕士神经网络的知识处理21值为0,如图1所示.我们可以用一个隐含层有三个节点的一般D规则网络(例如BP网络)来学习这些输入、输出对.如果把每个隐含层神经元看作二维样本空间的一条分界线,则隐含层的三个神经元分别对应三条分界线(UNIT1,UNIT2,UNIT3).图1二维样本空间示意图2隐含层神经元的输出空间示意如果把此神经网络看作是“空间”变换系统.通过该系统可寻找在最合适空间中的输入、输出映射.例如在这些隐含层神经元的输出空间中标出七个样本点A～G(如图2所示),则这七个点在空间是线性可分的.用七个输入样本训练该神经网络,即自动找到其联结权值和偏
5、置值,确定分界面,就可以对所有二维空间的样本分配某个值.如果用规则来表示这些知识,则需要大量的规则.1.3实例对照的相似性医学专家的诊断经验是一种直觉性知识.医学专家在多年的临床实践中,头脑里储存了许多有意义的病例,同时又具有一种模糊的直觉联想力.当遇到新的病例时,由相似性而联想到某一个或某些过去的病例,并与之比较.这种相似性是很难用严格的逻辑形式描述清楚的,是实例与实例的对比,并非实例与规律的对比.医学专家通过这种实例比较进行的分类往往是正确的.按照传统的专家系统方法,将专家的经验性知识收集整理,用规则或框架等表示,则很难体现出这种实例对照的相似性,而利用神经网络的分布式存储结构就可以很
6、好地体现这一相似性.神经网络通过对几类若干样本的学习,可以得到它们分类的权值分布.尽管对这种权值分布很难给出意义明确的逻辑解释,但它能很好地反映这种实例对照的相似性,把直觉性知识隐含于神经网络的权值中.当输入的非学习样本略有变化时,该网络仍可以将其正确分类.前馈神经网络正适合解决这类问题,采用该网络可将人们积累的工作经验输入计算机,通过学习训练,使之具备在诊断方面与人脑相似的分析判断能力.2神经网络的知识获取神经网络的知识获取不需要由知识工程师来归纳、整理、总结、消化领域专家的知识,只需用领域专家提供的解决实际问题的范例来训练网络,使神经网络在相同输入的条件下能获得与专家解答尽可能相同的输
7、出.显然与专家系统相比,神经网络的知识获取既具有较高的效率,又保证较高的识别质量.22河北工业大学学报1998年第1期神经网络的知识获取过程是按一定的学习规则通过训练逐步修改权值矩阵的过程.BP算法通过样本学习获取知识的目的是求出权值矩阵和偏置向量,以保证对应于每个输入向量所产生的输出向量充分接近期望输出.它定义实际输出与期望输出间的误差平方和为目标函数,并采用梯度法求出最优解.知识的分布性是神经网络能够触动专家系统中知
