神經網路專家系統之設計與製作

Abstract

知識獲得一直是專家系統建立的一重大瓶頸，所以如何設計能自動作知識獲得的專家 系統是未來製作的目標。本論文乃利用機器學習的方法直接從樣本（如醫師診斷病例 ）學習出知識庫，並可診斷具多重值病症的疾病。我們利用神經網路模式透過學習而 將知識儲存於神經網路上，規則就隱含於其中，而所使用的神經網路模式源自於最早 的也是最有名的PERCEPTRON，使用神經網路模式作學習尤其適用於含雜訊的範疇。對 於非線性區分的問題，我們提供一些加入隱藏單元方法以解決此問題；並求得一最佳 解，其可正確診斷出較多疾病。針對此神經網路知識庫，我們設計一推理機來解釋它 。本方法的特點是可從部分知識即可推得答案，且即使此部份知識有些錯誤的話亦有 可能得到解答。