神经网络专家系统

有谁知道如何使用神经网络模拟专家系统？一个例子是20q.net网站.

我对如何设计网络更感兴趣; 即输入多少,输入表示什么,网络输出什么,这些输出如何指向答案.非常有趣的东西.

专家系统是与神经网络截然不同的系统

这些系统在许多方面都有所不同,无论是在架构方面还是在用途方面.

专家系统(至少在对该词的传统理解中)是由[通常]高级规则驱动的,引擎根据一些输入使用这些规则来推断关于输入的一些结论.通常明确地输入规则,实质上是将特定域中的专家所做的一些语句转换为专家系统中实现的任何谓词表示.

另一方面,神经网络(NN)可以手动/显式地设置其拓扑,但是通常能够自动地学习如何将一些输入或输入序列与特定输出相关联.

以上描述肯定会减少这两个概念,尤其是神经网络,它们有许多不同的形式和风格(有许多不同的用法,远远超出模式识别),但是,我希望,这将有助于你理解这些系统有多么不同. .

一个显着的差异可能是关于"透明度",专家系统通常可以为其扣除输出一些"解释"("输入1和规则#3表示结论A,概率为81%"),而NN倾向于是黑匣子.这并不是说NN不能对他们的世界进行非常精确的"理解"(并且这种理解被封装在网络拓扑中以及与各种输入和/或神经元相关的相对权重),只是这种专业知识关于他们的世界并不是那么容易翻译成简单的英语.关于透明度,并且 从广义上讲,NN将数字公式与数学公式进行比较,其中专家系统更像是食谱书.

如上所述,另一个显着的差异是专家系统需要翻译和加载明确的规则("如果温度超过200度,安全阀开始打开"),神经网络发现这样的"规则"基于提供给它的训练集(例如标记的输入集).