Architecture 神经网络专家系统

有人知道如何用神经网络模拟专家系统吗？网站就是一个例子

---

我更好奇的是网络将如何设计；即有多少个输入，输入代表什么，网络有什么输出，这些输出如何指向答案。非常有趣。

这是一个开放式问题，或者至少是一个很难回答的问题。退房

---

以及一些有趣的文档和数据挖掘和机器学习算法的实现

这是一个开放式问题，或者至少是一个很难回答的问题。退房 以及一些有趣的文档和数据挖掘和机器学习算法的实现

专家系统与神经网络是非常不同的系统 这些系统在许多方面都不同，无论是在其体系结构方面还是在其用途方面

专家系统（至少在对该词的传统理解中）由[通常]高级规则驱动，引擎使用这些规则以及一些输入来推断关于输入的一些结论。规则通常是显式输入的，本质上是将某个特定领域的专家所做的一些陈述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/显式设置其拓扑结构，但通常能够自动学习如何将某些输入或输入序列与特定输出相关联

上面的描述当然是对这两个概念的简化，可能特别是神经网络，它有许多不同的形式和风格（有许多不同的用法，远远超出了模式识别），但是，我希望，将帮助您理解这些系统有多大的不同

一个显著的区别可能是在“透明度”方面，专家系统通常可以为其推论输出一些“解释”（“输入1和规则3表示结论A，概率为81%”），而NNs往往是黑匣子。这并不是说NNs不能对他们的世界有一个非常精确的“理解”（这种理解被封装在网络的拓扑结构和与各种输入和/或神经元相关的相对权重中），只是关于他们世界的专业知识不太容易翻译成简单的英语。关于透明度，以及 从广义上讲，NN将比特比作数学公式，因此专家系统更像一本食谱。

如上所述，另一个显著的区别是，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”），由此神经网络根据提供给它的训练集（如标记输入集）发现此类“规则”专家系统与神经网络是完全不同的系统 这些系统在许多方面都不同，无论是在其体系结构方面还是在其用途方面

专家系统（至少在对该词的传统理解中）由[通常]高级规则驱动，引擎使用这些规则以及一些输入来推断关于输入的一些结论。规则通常是显式输入的，本质上是将某个特定领域的专家所做的一些陈述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/显式设置其拓扑结构，但通常能够自动学习如何将某些输入或输入序列与特定输出相关联

上面的描述当然是对这两个概念的简化，可能特别是神经网络，它有许多不同的形式和风格（有许多不同的用法，远远超出了模式识别），但是，我希望，将帮助您理解这些系统有多大的不同

一个显著的区别可能是在“透明度”方面，专家系统通常可以为其推论输出一些“解释”（“输入1和规则3表示结论A，概率为81%”），而NNs往往是黑匣子。这并不是说NNs不能对他们的世界有一个非常精确的“理解”（这种理解被封装在网络的拓扑结构和与各种输入和/或神经元相关的相对权重中），只是关于他们世界的专业知识不太容易翻译成简单的英语。关于透明度，以及 从广义上讲，NN将比特比作数学公式，因此专家系统更像一本食谱。

---

如上所述，另一个显著的区别是，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”），由此神经网络根据提供给它的训练集（如标记输入集）发现此类“规则”.

这些都是不相容的话题

专家系统依赖于一组规则和推理引擎；规则集由知识工程师给出。规则是“if-then”语句，易于阅读/更正/维护等

另一方面，神经网络被认为是一个黑箱。权重和神经元根据输入/输出模式进行调整，但这些权重并不表示为规则。没有推理引擎，因为输入用于各种计算以提供输出

在少数情况下，您可以从NN中提取一些规则（参见示例）；但是，据我所知，这种方法在实践中很少遇到。它即将对嵌入NNs的知识进行逆向工程，这是一个过程