人工神经网络原理教学课件作者马锐第10章节课件

《人工神经网络原理教学课件作者马锐第10章节课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第10章人工神经网络的发展目录10.1神经网络与专家系统的比较10.2神经网络与模糊系统的比较10.1神经网络与专家系统的比较(1)知识表示专家系统中知识表示的原始形式都是基于形式化的符号，知识都是显式的、描述性表示的神经网络对知识的表示是隐式的，它用网络的拓扑结构表示节点之间的相互关系知识获取专家系统获取知识的主要途径是机械学习与讲授式学习，并且获取的必须是一些确定性的，不含噪声的知识，否则将影响系统结论的正确性10.1神经网络与专家系统的比较(2)神经网络具有较强的自组织、自学习和自适应能力，

2、能够从数字化的实例中通过学习获得符号化的概念，还能够从已有的知识库或领域专家对知识的显式陈述中获取知识，并且可以处理不精确的、不完全的、含噪声的知识知识推理专家系统主要采用逻辑推理，推理时按照一定的匹配算法及搜索策略去知识库中寻找相应的知识，通常是一种确定性的推理，并且是串行处理方式，推理效率不高，不易解决规则的冲突消解问题10.1神经网络与专家系统的比较(3)神经网络的推理过程可以达到不确定性推理的效果，并且神经网络所具有的固有的并行推理能力，大大提高了推理效率，解决了逻辑推理中的冲突问题结论解

3、释专家系统能清晰地向用户解释得到的结论神经网络难以对结论给出清晰地解释10.2神经网络与模糊系统的比较(1)模糊系统与神经网络的比较10.2神经网络与模糊系统的比较(2)神经网络与模糊系统的结合将ANN引进模糊系统将ANN作为模糊系统中隶属函数、模糊规则和扩展原理的网络化描述形式将模糊性原理引入现有的ANN中将训练及工作过程中的神经网络结构视为一种模糊的类别标志将模糊原理应用到神经元，使得神经元在功能上表现为各种模糊运算操作，例如模糊交集、模糊加权等10.2神经网络与模糊系统的比较(3)对神经网络

4、的输入数据进行模糊化预处理将模糊关系引入神经网络结构，将其与神经网络的学习机制相结合