一種電機(jī)智能cad神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
劉振凱 貴忠華 蔡 青(西北工業(yè)大學(xué)西安710072)
【摘 要】應(yīng)用專家系統(tǒng)進(jìn)行電機(jī)智能cad，存在著知識(shí)獲取瓶頸和推理過程中的匹配沖突、組合爆炸、無窮遞歸等問題。文中提出了一種新的智能cad模型——神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，研究了它的基本原理，即基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示、推理機(jī)制和知識(shí)獲取。針對(duì)電機(jī)設(shè)計(jì)的特點(diǎn)，提出了一種電機(jī)智能cad神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的結(jié)構(gòu)。
1引 言
專家系統(tǒng)(expert systern)作為人工智能的一個(gè)重要分支，廣泛應(yīng)用在許多領(lǐng)域，已發(fā)揮了巨大的作用。國(guó)內(nèi)外學(xué)者近幾年來應(yīng)用專家系統(tǒng)進(jìn)行電機(jī)智能cad的研究，取得了一定的進(jìn)展。但是基于專家系統(tǒng)的智能設(shè)計(jì)系統(tǒng)存在如下的主要缺陷：
(1)知識(shí)獲取的瓶頸：通常專家系統(tǒng)的知識(shí)獲取主要依靠人工移植，由知識(shí)工程師將領(lǐng)域?qū)＜业闹R(shí)移植到計(jì)算中，它是間接的，因而不但費(fèi)時(shí)而且效率低。
(2)推理能力弱：由于推理方法簡(jiǎn)單，控制策略不靈活，所以容易出現(xiàn)匹配沖突、組合爆炸及無窮遞歸等，推理速度慢，效率低。
電機(jī)智能cad專家系統(tǒng)也同樣存在這兩個(gè)問題。以非線性并行分布處理為主流的神經(jīng)網(wǎng)絡(luò)(neural network)理論的發(fā)展，為人工智能和專家系統(tǒng)的研究開辟了嶄新的途徑，人們可以利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)的學(xué)習(xí)功能、聯(lián)想記憶功能、分布式信息處理功能解決專家系統(tǒng)中的知識(shí)獲取和并行推理，即建立神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。
gallant于1988年采用前向神經(jīng)網(wǎng)絡(luò)研制了連接機(jī)制專家系統(tǒng)，satlo等人也于1988年建立了用于醫(yī)療診斷的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。 本文研究了神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的基本原理，提出了一種電機(jī)智能cad的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的結(jié)構(gòu)，從而將電機(jī)智能cad引進(jìn)一個(gè)新的領(lǐng)域。
2神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)基本原理
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)是神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的集成，它利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能、聯(lián)想記憶功能、分布式信息處理功能解決專家系統(tǒng)中某些不足，如知識(shí)獲取和并行推理，結(jié)合實(shí)例介紹神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示、推理機(jī)制和知識(shí)獲取。
2．1基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示
傳統(tǒng)的知識(shí)表示不管是產(chǎn)生式系統(tǒng)，還是語義網(wǎng)絡(luò)，都可以看作是知識(shí)的一種顯示表示，而基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示可看作是一種隱式表示。在這里知識(shí)并不象產(chǎn)生式系統(tǒng)中那樣獨(dú)立表示每一規(guī)則，而是將某一問題的若干知識(shí)在同一神經(jīng)網(wǎng)絡(luò)中表示。
例如，文獻(xiàn)4的醫(yī)療診斷神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)采用多層前饋網(wǎng)絡(luò)表示知識(shí)，其中輸入層有216個(gè)單元，每個(gè)單元對(duì)應(yīng)于某個(gè)癥狀的某個(gè)提問的一個(gè)可能回答，病人所感受到的癥狀作為提問的回答被編碼到輸入單元。這216個(gè)單元覆蓋所有疾病癥狀。輸出層有23個(gè)單元。每個(gè)單元對(duì)應(yīng)于一種疾病。中間隱含層有72個(gè)單元，每個(gè)隱含單元都收到來自各輸入單元的信息，將其輸出傳送給所有輸出單元。
2．2基于神經(jīng)網(wǎng)絡(luò)的推理機(jī)制
基于神經(jīng)網(wǎng)絡(luò)的推理機(jī)制，與現(xiàn)有專家系統(tǒng)所用的基于邏輯的演繹方法不同，它的推理機(jī)制基本上是數(shù)值計(jì)算過程，主要由三部分組成：
(1)輸人邏輯概念到輸入模式的變換，并根據(jù)論域的特點(diǎn)確定變換規(guī)則，再根據(jù)相應(yīng)規(guī)則，將目前的狀態(tài)變換成神經(jīng)網(wǎng)絡(luò)的輸入模式。
(2)網(wǎng)絡(luò)內(nèi)的前向計(jì)算：根據(jù)神經(jīng)元特征，其輸入為xi=σjwijwij為連接權(quán)值系數(shù)，yj為前層神經(jīng)元的輸出。本層神經(jīng)元的輸出yi=fi(xi+θi)，其中θi為神經(jīng)元的閾值，fi為單調(diào)遞增非線性函數(shù)，通過計(jì)算即可生神經(jīng)網(wǎng)絡(luò)的輸出模式。
(3)輸出模式解釋：隨著論域的不同，輸出模式的解釋規(guī)則亦各異。解釋的主要目的是將數(shù)值向量轉(zhuǎn)換成高層邏輯概念。
例如，文獻(xiàn)4中的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)采用前饋多層網(wǎng)絡(luò)的結(jié)構(gòu)，則基于神經(jīng)網(wǎng)絡(luò)的推理步驟為，將原始數(shù)據(jù)交給輸入單元；計(jì)算隱含層神經(jīng)元輸出；計(jì)算輸出層神經(jīng)元輸出。若輸出值大于0．75，則可確診神經(jīng)元所對(duì)應(yīng)的疾病。由于一個(gè)病人可能同時(shí)患有多種疾病，因此輸出值大于0．75的輸出單元可能不止一個(gè)。
從這個(gè)例子可以看出，神經(jīng)網(wǎng)絡(luò)的推理過程具有的特征：同一層處理單元(即神經(jīng)元)是完全并行的，只是層間信息傳遞是串行l(wèi)的，而一層中處理單元的數(shù)目要比網(wǎng)絡(luò)的層數(shù)多得多，因此它是一種并行推理；在傳統(tǒng)推理方法中，如果多條規(guī)則的前提均與某一事實(shí)相匹配，即出現(xiàn)沖突，從而使推理速度大為降低，但神經(jīng)網(wǎng)絡(luò)的推理過程不存在沖突；推理過程只與網(wǎng)絡(luò)自身 |
