基于神经网络专家系统的推理研究

管艳娜，李孝安

（西北工业大学 计算机学院，陕西 西安 710129）

近年来，随着信息技术的飞速发展，人工智能技术得到了广泛的应用。专家系统[1]作为人工智能的一个重要分支，自20世纪60年代初期产生以来，就在医疗诊断、图像处理、地质勘探、航空航天等领域得到了迅速的发展。随着各类专家系统的研制成功[2]，例如斯坦福大学研制成功的DENRAL专家系统、麻省理工学院研制的MACSYMA专家系统、卡内基－梅隆大学开发的HEARSAY专家系统、肖特立夫等人的MYCIN系统、DEC公司与卡内基－梅隆大学合作开发的XCON-R1专家系统等，专家系统越来越受到学术界以及工程领域的广泛关注。

但是，专家系统自身存在一定的缺陷，如知识获取困难、推理效率低以及存在冲突消解等，这些问题极大限制了专家系统的进一步发展。近十年来，神经网络[3]与专家系统相结合的混合型专家系统的提出，可以克服专家系统的局限性，同时也解决了神经网络的“黑箱”缺陷，实现了专家系统在知识库构建、知识推理技术上的发展，为特殊任务环境下的自主决策提供了新的发展方向。因此，神经专家系统成为当今人工智能技术中具有广阔发展前景的研究领域。

本文在对基于神经网络专家系统不同模块关键技术进行研究的基础上，将基于神经网络的推理和与基于规则的推理结合，设计了一种基于神经网络专家系统的混合推理机制，该推理机制能够克服传统专家系统的不足，大大提高推理的准确性和效率，为构建新型的专家系统提供了新的思路。……