基于知识的神经网络产生式规则的获取方法研究_论文

维普资讯 http://www.cqvip.com 第3 9卷 第 3期  西  建  科 技  学  报(然 学 )  安  筑  大  学 自 科 版  J Xia   i.o  c . & Te h ( aua S i c  dt n  . ’ n Unv fArh c . N trl c n eE io )   e i Vo . 9 No 3 I3   .  20 年 6 07 月  J n 2 0  u. 07 基于知识 的神 经 网络产 生式规则 的获取方法研究  刘 道 华  , 思聪  江祥 奎  陆  地  王  瑞 。 原 , , ,   (. 1 西安建筑科技大学机电学院 , 陕西 西安 7 0 5 ; . 阳师范学院计算机科学系 , 10 5 2 信 河南 信阳 44 0 ; 6 0 0  3 安 建 筑 科 技 大 学 信 息 与控 制 工 程 学 院 , 西 西 安 7 0 5 )  .西 陕 10 5 ) 摘 要: 将连续数据离散化并将 已有知识 规则 的依赖度作为神 经网络 的初始权 值 , 构建新 的网络结构并对其  动态训练 , 出其具体 网络训练算法 .从训练后 的网络权值 中利用正确 的分类 及该网络结构具有 的性质 , 给 从  而给 出其 具 体 的规 则 抽 取 算 法 , 将 抽 取 的具 有冗 余 性 的 产 生 式 规 则 利 用 粗 集 理 论 进 一 步 对 其 精 化 处 理 , 并 最  后得 出最简化 的产 生式 知识 规则 . 分结合神经网络及粗集 理论 的优点 , 索两 者的有机结合无疑对智能信  充 探 息 处 理 系 统 的研 究 具 有 重要 的 现 实 意 义 .   关 键 词 : 经 网 络 ; 生 式 规 则 ; 识 获 取 ; 集 约 简  神 产 知 粗 中 图分 类 号 : P 8  T 12 文献标识码 :   A 文 章 编 号 :0 67 3 (0 70 —4 30  1 0—9 0 2 0 )30 2—6 知识 获 取 问题 一 直是人 工智 能研 究 的难 点 , 当前 在知 识 获取 方 面 也 有许 多 人 提 出不 同的 知识 获 取  方法 , 如采 用广度 优 先抽取 规则 的 S b e 算 法 、 o el u st T w l等人 提 出 的 Mo N方 法 、 ( ue rm  cs 算  f RF R l fo f t)   a 法 、 于 V1 析 ( l i -nev l ay i) 基 分 Vai t Itra An ls 的规则 抽 取 算 法 和 KT算 法 等 .这 些 知识 规 则 的获 取 算  dy   s 法 对获取 不 同知识 起 着重要 作用 . 后 , 其 由于神 经 网络 在 各个 领域 广泛 和深 入 的应用 , 人们 提 出 了基 于  KB ANN(n wl g-ae ric l erl ewok 的 规则 提取 算 法 及 其 各 种 改 进 的 网 络 模 型算 法 , k o e eb sdatia n ua nt r ) d f i      但 这些 算法 基本 上都 是从训 练样 本 中通 过 网络训 练后 , 连接 权 中提取 规则 , 很少利 用专 家 已有 的知  从 却 识 经验 获取 新 的知识 [ ] 1 .因此本 文 充分 利用 已有 的知 识规 则 , 将规 则 的前 提 各依 赖 度作 为 网 络初 始  _ 3 并 训 练 的连接 权 , 即构建 了神 经规 则作 为基 本 的神 经元 .然 而利 用神 经 网络获 取知 识 , 原理 基本 上都 是  其 利 用权 值分 类来 获取最 后规 则 , 因此 其 获得 的规则 具有 很 大 的冗 余 性 , 很有必 要 利用其 它技 术进 一步 对  知 识进 行精 化 , 粗糙 集理论 可 以描绘 知 识 表达 中不 同属 性 的重要 性 , 过 约 简 去掉 冗 余知 识 , 而 通 以达 到  知 识表 达空 间 的约简 , 最后从 约 简后 的元 组 中提取 精 简规 则 .本文 充 分 利用 粗 集 理论 将 从 神经 网络 中  获取 的规则 进一 步精 化 , 即充 分 结合 神经 网络 及 粗集 理论 两者 的优 点 , 索 它们 之 间的有 机结合 .该 方  探 法 无 疑对智 能信 息系 统 的研 究具 有 十分 重要 的现 实意 义 .   1 数 据 准 备    现 实生 活 中许 多 数据形 式 多样 , 有离 散 的 、 连续 的 , 作 为神 经 网 络 的输 入 必 须将 连 续 的数 据离  有 而 散 化 , 能 统一作 为 网络 的输 入 .这 种离 散化 过 程就 是对 数值 型数 据划 分 区间 , 相应 的二进 制 数据 对  才 用 应 相应 的数 值 区间 , 而相应 的数 据 区间对 应 相应 的语 言描 述 事 实 .这 样 数据 经 离 散化 处 理并 经 网络训  练后 , 网络结构 中抽 取知识 规 则 的数据 才 能对 应上 相应 的语 言描 述 事 实 .而 常 采用 的二值 化 处 理数  从 据 的方 法[ , 4 首先要 设计 好将 连续 数据 划分 成 多少个 不 同 的区 间集 .假设 第 i ] 个连 续 性数 据  的值 为  、, , 其上 限 为  , 限 为  , , 下 若将 其分 成  个 区 间集 , 划分 方法 为 :   若 、 ≤V 厂 L ≤VL   一V  / , 该 区 间 以 A  +( )j则 表示 ;   若  + ( 一V )j   L / ≤V≤V +2 V —VL / , 该 区 间以 A  L (v )j 则 表示 ;   收 穰 日期 : 0 60 - 0 2 0 - 71   基 金 项 目 : 西 省 教 育 厅 产 业

相关文档

基于模糊神经网络的产生式规则表示方法
知识管理系统的神经网络规则抽取算法研究
基于神经网络的船体焊接规范自动预测方法研究
水闸老化评估神经网络专家系统知识获取方法
规则推理和遗传神经网络综合的事故分析方法
基于知识规则的构造性优先排序神经网络算法
基于神经网络和粗糙集规则的提取方法
电脑版