Neurex

Ivo Vondrak Apps‏

درباره این برنامه

Neurex یک سیستم خبره مبتنی بر یک شبکه عصبی چند لایه است. عصر شبکه‌های عصبی و پیوندگرایی، دیدگاه جدیدی در مورد به دست آوردن دانش قابل اعتماد برای پشتیبانی تصمیم‌گیری و کاربرد کاربرپسند آن ارائه می‌دهد. سیستم‌های خبره سنتی، که مبتنی بر قانون و/یا مبتنی بر چارچوب هستند، اغلب با چالش‌هایی در ایجاد یک پایگاه دانش قابل اعتماد مواجه هستند. شبکه‌های عصبی می‌توانند بر این مشکلات غلبه کنند. ایجاد یک پایگاه دانش بدون متخصصان، صرفاً با استفاده از مجموعه داده‌هایی که حوزه حل شده را توصیف می‌کنند، یا با متخصصانی که دانش آنها در طول فرآیند یادگیری قابل تأیید است، امکان‌پذیر است. فرآیند استفاده از سیستم خبره را می‌توان به شرح زیر خلاصه کرد:

1. تعریف توپولوژی شبکه عصبی: این مرحله شامل تعریف تعداد حقایق ورودی و خروجی و همچنین تعیین تعداد لایه‌های پنهان است.

2. فرمول‌بندی حقایق ورودی و خروجی (ویژگی‌ها): هر واقعیت به یک نورون در لایه ورودی یا خروجی مرتبط است. محدوده مقادیر برای هر ویژگی نیز تعریف شده است.

3. تعریف مجموعه آموزش: الگوها با استفاده از مقادیر حقیقی (مثلاً 0-100٪) یا مقادیری از محدوده تعریف شده در مراحل قبلی وارد می‌شوند. ۴. مرحله یادگیری شبکه: وزن اتصالات (سیناپس‌ها) بین نورون‌ها، شیب توابع سیگموئید و آستانه‌های نورون‌ها با استفاده از روش انتشار معکوس (BP) محاسبه می‌شوند. گزینه‌هایی برای تعریف پارامترهای این فرآیند، مانند نرخ یادگیری و تعداد چرخه‌های یادگیری، در دسترس هستند. این مقادیر، حافظه یا پایگاه دانش سیستم خبره را تشکیل می‌دهند. نتایج فرآیند یادگیری با استفاده از میانگین مربعات خطا نمایش داده می‌شوند و شاخص بدترین الگو و درصد خطای آن نیز نشان داده می‌شود.

۵. مشاوره/استنتاج با سیستم: در این مرحله، مقادیر حقایق ورودی تعریف می‌شوند و پس از آن بلافاصله مقادیر حقایق خروجی استنباط می‌شوند.